| 显著变量识别与高温叶片多学科设计优化方法 |
| |
| 引用本文： | 宋英杰,郭振东,宋立明,李军,丰镇平.显著变量识别与高温叶片多学科设计优化方法[J].推进技术,2016,37(7):1215-1223. |
| |
| 作者姓名： | 宋英杰 郭振东 宋立明 李军 丰镇平 |
| |
| 作者单位： | 西安交通大学 能源与动力工程学院，陕西 西安 710049,西安交通大学 能源与动力工程学院，陕西 西安 710049,西安交通大学 能源与动力工程学院，陕西 西安 710049,西安交通大学 能源与动力工程学院，陕西 西安 710049,西安交通大学 能源与动力工程学院，陕西 西安 710049 |
| |
| 基金项目： | 国家自然科学基金(51106123)。 |
| |
| 摘 要： | 针对高温叶片气热多学科优化设计问题中设计变量过多造成的维数灾难问题,提出了基于数据挖掘技术的显著变量识别方法。采用显著变量识别方法剔除了对高温叶片Mark II气热性能影响小的设计变量,使设计变量个数从36个减少为15个。通过耦合共轭换热分析方法、三维叶片及冷却系统参数化方法以及自适应多目标差分进化算法,建立了高温叶片多学科多目标设计优化系统。基于显著变量识别方法获得的设计变量,完成了Mark II型叶片的气热性能多学科设计优化。优化获得了9个Pareto解,典型Pareto解的气热分析结果表明,优化后叶片的气热性能明显优于原始叶片,验证了基于数据挖掘技术的高温叶片多学科设计方法的有效性。
|
| 关 键 词： | 高温叶片 多学科优化 显著变量识别 数据挖掘 共轭换热 |
| 收稿时间： | 2015/3/1 0:00:00 |
| 修稿时间： | 2015/4/20 0:00:00 |
Multi-Disciplinary Optimization Design of High Temperature Blade with Significant Variables Recognition |
| |
| SONG Ying-jie,GUO Zhen-dong,SONG Li-ming,LI Jun and FENG Zhen-ping.Multi-Disciplinary Optimization Design of High Temperature Blade with Significant Variables Recognition[J].Journal of Propulsion Technology,2016,37(7):1215-1223. |
| |
| Authors: | SONG Ying-jie GUO Zhen-dong SONG Li-ming LI Jun and FENG Zhen-ping |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《推进技术》浏览原始摘要信息 |
| 点击此处可从《推进技术》下载免费的PDF全文 |
|
