排序方式: 共有4条查询结果,搜索用时 109 毫秒
1
1.
2.
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。 相似文献
3.
为改善叶顶气膜冷却效果,基于全局优化算法,引入数据挖掘技术,建立了凹槽状叶顶气膜孔优化设计与数据挖掘框架。以叶顶的平均气膜有效度为优化目标和以冷气流量为约束条件,对GE_E3动叶叶顶的气膜孔进行优化设计。优化后叶顶的平均气膜有效度提高了3.7倍。流动结构与冷却分析表明,优化后气膜孔的分布得到了改善,孔径的改变使得冷气流量分布更为合理,从而增加了叶顶前缘的气膜覆盖面积,增强了主流对冷气的压制效应,喷射冷气更加贴近壁面,叶顶的平均气膜有效度显著提高。同时通过对设计空间进行知识挖掘,探究设计空间信息,结果表明叶顶前缘气膜孔对叶顶气膜冷却影响显著,增大叶顶前缘气膜孔孔径,将前缘气膜孔向前缘移动,减小中部气膜孔间距,可有效改善叶顶气膜冷却效果。 相似文献
4.
为有效求解大资源黑盒子问题如叶轮机械设计优化等,提出了基于子元模型的全局优化与设计空间知识挖掘方法MBOE。该方法包括全局优化算法MBGO与数据挖掘两部分,其中MBGO算法需要极少的函数估值即可获得全局最优解;数据挖掘技术能有效分析变量间的相关关系,揭示最优设计性能提高的本质原因。利用MBOE,完成NASA Rotor37转子叶栅三维气动设计优化与知识挖掘,最优设计等熵效率相对参考设计提高1.74%。同时,利用MBGO算法所需要的计算量仅为进化算法的1/5。数据挖掘结果表明叶栅前缘及三维积叠参数对叶栅气动性能影响较大,最优设计由于上述叶型参数的改善有效减弱了叶栅进口激波损失,使得最优设计气动性能明显提高。由此,MBOE方法的正确性和有效性得到了验证。 相似文献
1