基于神经网络的燃烧室壁面冷效预测方法

作者：刘江帆; 葛冰; 李珊珊; 芦翔

来源：清华大学学报, 2023, 63(04): 681-690.

DOI：10.16511/j.cnki.qhdxxb.2023.25.019

• 燃气轮机
• 发散冷却
• 壁面冷效
• 神经网络
• 性能预测

现代重型燃气轮机燃烧室的研发过程中，产生了大量的数值模拟和试验数据。其中，燃烧室火焰筒采用了先进发散冷却技术。该技术中，壁面冷效受发散孔型、主流/冷气压损等参数影响，难以建立基于理论模型和经验关联式的方法进行回归预测。针对工业研发产生的壁面冷效数据集，该文提出了基于人工特征选择、小批量化和归一化的数据预处理技术，建立反向传播(back propagation, BP)神经网络和径向基核函数(radial basis function, RBF)神经网络2种优化的神经网络模型，并通过交叉验证与网格搜索对算法模型进行超参数寻优，最终实现燃烧室壁面冷效的高精度场重建和高精度预测，场重建精度达90%,预测精度达85%,满足了工业燃烧室设计迭代中的实际工程需求。

• 单位
  上海交通大学