-
题名超声速喷管发汗冷却性能预测及优化方法研究
- 1
-
-
作者
缪俊杰
汪东
蔡伊雯
尹超
范育新
-
机构
中国航空工业集团有限公司沈阳飞机设计研究所扬州协同创新研究院有限公司
南京航空航天大学能源与动力学院
-
出处
《推进技术》
北大核心
2025年第8期254-263,共10页
-
基金
江苏省双创博士项目(JSSCBS20231014)。
-
文摘
为实现超声速喷管发汗冷却性能的快速优化设计,本文提出了一种基于卷积神经网络的超声速喷管发汗冷却性能预测及优化方法。根据CFD仿真数据库,构建基于卷积神经网络的超声速喷管壁面压力、温度分布预测模型,并结合优化算法对其发汗冷却性能进行优化。研究结果表明:基于先验的预测模型(PBPM)框架的卷积神经网络,构建的超声速喷管壁面压力、温度分布预测模型具有较高的精度(平均预测误差≯1%)和预测效率(相比传统CFD方法加速2~3个量级);注入率对壁面最大温度、综合冷却效率和轴向推力的影响程度均最大,轴向推力受材料孔隙率的影响次之,而壁面最大温度和综合冷却效率则受冷却总温的影响次之;结合喷管壁面压力、温度预测模型和混合优化算法对超声速喷管发汗冷却性能进行多目标优化,可使得综合冷却效率由0.9117提升至0.9934(相对增加8.96%),同时轴向推力由40714N提高至41374N(相对增加1.62%),能在满足材料限温的要求下实现超声速喷管发汗冷却效率和轴向推力的双向优化。
-
关键词
超声速喷管
发汗冷却
卷积神经网络
性能预测
多目标优化
-
Keywords
Supersonic nozzle
Transpiration cooling
Convolutional neural network
Performance pre-diction
Multi-objective optimization
-
分类号
V231.3
[航空宇航科学与技术—航空宇航推进理论与工程]
-
