科研之友
微信
新浪微博
Facebook
分享链接
摘要
涡轮冷却技术是涡轮设计的关键技术之一。涡轮冷却结构的表面温度和压力均为复杂的三维分布，但目前的设计体系仍基于低保真度的一维管网，深度学习可能是提升涡轮冷却设计保真度的一种有效手段。本文总结了几种纯数据的神经网络模型和几种与物理规律结合的神经网络模型在涡轮冷却问题中的应用。通过巧妙地将涡轮冷却问题看待为图像、序列和参数的建模，神经网络模型可以实现不同保真度的拟合。尽管目前深度学习方法在涡轮冷却领域已取得一些进展，但本领域过小的数据量与神经网络方法的严重冗余特性阻碍了此类方法的发展。结合数据、物理规律、计算流体力学、分布式测量技术和偏微分方程理论的综合数学模型可能是涡轮冷却设计工具的未来。
- 单位
