航空发动机压气机内部流道气流特性复杂,叶片所处的涡状流场具有高压、高速、旋转和非定常等特点,因此,亟需高效、准确地计算和预测压气机叶片复杂流场的气动特性.该文针对航空发动机叶片复杂流场的研究,通过计算流体动力学(computation...航空发动机压气机内部流道气流特性复杂,叶片所处的涡状流场具有高压、高速、旋转和非定常等特点,因此,亟需高效、准确地计算和预测压气机叶片复杂流场的气动特性.该文针对航空发动机叶片复杂流场的研究,通过计算流体动力学(computational fluid dynamics,CFD)方法,生成不同工作状态下的叶片表面气动载荷分布.采用径向基函数(radial based function,RBF)神经网络建立压力面表面气动载荷预测模型,将神经网络建模方法与流场计算相结合,神经网络方法能够对基于CFD的数据集进行学习和训练,适当地弥补来自计算流体动力学的误差,为有效预测航空发动机压气机叶片复杂流场提供了参考渠道.展开更多
文摘航空发动机压气机内部流道气流特性复杂,叶片所处的涡状流场具有高压、高速、旋转和非定常等特点,因此,亟需高效、准确地计算和预测压气机叶片复杂流场的气动特性.该文针对航空发动机叶片复杂流场的研究,通过计算流体动力学(computational fluid dynamics,CFD)方法,生成不同工作状态下的叶片表面气动载荷分布.采用径向基函数(radial based function,RBF)神经网络建立压力面表面气动载荷预测模型,将神经网络建模方法与流场计算相结合,神经网络方法能够对基于CFD的数据集进行学习和训练,适当地弥补来自计算流体动力学的误差,为有效预测航空发动机压气机叶片复杂流场提供了参考渠道.
