[发明专利]基于人工神经网络的多级轴流压气机一维设计方法

说明书

本发明提供了一种基于人工神经网络的多级轴流压气机一维设计方法，包括步骤1：建立多级轴流压气机总体方案神经网络；步骤2：利用总体参数经验数据训练总体方案神经网络；步骤3：为训练后的总体方案神经网络提供不同的设计参数，直到得到满足要求的多级轴流压气机性能参数；步骤4：建立叶排模型神经网络；步骤5：利用叶排气动经验数据训练叶排模型神经网络；步骤6：为训练后的叶排模型神经网络提供叶排的几何特性和工作状态，得到叶排的流动损失和落后角。本发明提供的优点在于：降低了对设计者工作经验的依赖，避免设计的盲目性；在使用中能够不断的引入新的经验数据对人工神经网络进行训练，确保技术能够进行有效的积累和发展。

技术领域

本发明涉及压气机设计技术领域，尤其涉及基于人工神经网络的多级轴流压气机一维设计方法。

背景技术

多级轴流压气机是广泛应用于航空、船舶、电力、冶金、能源、化工、医药等领域的动力机械，是很多大型工业生产企业的核心设备之一。然而，多级轴流压气机的设计周期长、研发成本高的现状严重制约了新产品的开发和市场推广。

多级轴流压气机的设计是一个反复循环迭代的过程，设计流程中包括一维设计、S2流面通流设计、S1流面叶型设计、三维叶片造型、CFD计算检验等环节。

一维设计是多级压气机气动设计的早期环节。一维设计的重要性在于，若一维设计中选取的压气机总体设计参数不合适，很难通过后续的其他设计环节优化来提高压气机性能，因而会导致循环迭代次数增加，设计周期延长。

多级轴流压气机一维设计存在以下困难：

由于一维设计是早期的设计环节，不具备开展精细的特性计算所需的足够的几何和气动信息，更无法开展试验测试，因此一维设计的结果严重的依赖于设计者的经验，具有很大的盲目性。

虽然，在长期的技术发展过程中，一些设计或研发机构积累了不少经验数据。但是，对于多级轴流压气机一维设计而言，经验数据的应用却存在很大的困难：(1)根据经验数据拟合曲线和推导经验公式的过程困难，且无法摆脱线性范畴，计算误差较大；(2)传统经验数据的利用方式适用范围较窄，难以满足新产品研发的需求。

发明内容

本发明所要解决的技术问题在于提供一种通过人工神经网络有效地利用经验数据实现多级轴流压气机一维设计的方法。

本发明是通过以下技术方案解决上述技术问题的：

基于人工神经网络的多级轴流压气机一维设计方法，包括以下步骤：

步骤1：建立多级轴流压气机总体方案神经网络；

步骤2：利用多级轴流压气机总体参数经验数据训练总体方案神经网络；

步骤3：为步骤2训练后的总体方案神经网络提供总体设计参数，得到多级轴流压气机性能参数，根据性能参数与多级轴流压气机的设计要求值的差异修正总体设计参数，直到得到满足要求的多级轴流压气机性能参数；

步骤4：建立叶排模型神经网络；

步骤5：利用叶排气动特性经验数据训练叶排模型神经网络；

步骤6：为步骤5训练后的叶排模型神经网络提供叶排的几何特性和工作状态，得到叶排的流动损失和落后角。

优选地，步骤1中采用包括输入层、隐含层和输出层的BP神经网络建立总体方案神经网络。

优选地，所述总体方案神经网络的前向传播过程如下：

a)隐含层第i个节点的输入net_i为：