典型文献
基于高维机器学习方法的离心泵扭曲叶片优化
文献摘要：
提出将高维表示方法与机器学习中的支持向量机方法结合对离心泵扭曲叶片优化.选用1台中比转速离心泵为研究对象,通过对扭曲叶片3条叶片型线的参数化,分离控制变量并确定代理模型的训练空间.经过对离心泵扭曲叶片水力模型的算法学习,得到以叶片型线参数为自变量,效率为目标函数的离心泵代理模型,运用遗传算法求解并反馈叶片型线参数.采用数值模拟及试验的方法验证了代理模型的预测结果,并从动能方程的角度分析了优化前后扭曲叶片叶轮内流场的变化.结果表明:在设计工况点,优化后的扭曲叶片离心泵数值模拟效率值比原型泵提高了 1.72％,扬程提升了 0.41m,试验效率值比原型泵提高了 1.5％,扬程提升了 0.35 m.
文献关键词：
高维表示方法;支持向量机;离心泵;扭曲叶片;动能方程
中图分类号：
作者姓名：
姜丙孝;杨军虎;王晓晖;史凤霞;毛士宇
作者机构：
兰州理工大学能源与动力工程学院,兰州730050;兰州理工大学甘肃省流体机械及系统重点实验室,兰州730050
文献出处：
引用格式：
[1]姜丙孝;杨军虎;王晓晖;史凤霞;毛士宇-.基于高维机器学习方法的离心泵扭曲叶片优化)[J].航空动力学报,2022(03):629-638
A类：
扭曲叶片,高维表示方法
B类：
机器学习方法,离心泵,叶片优化,支持向量机方法,中比,比转速,叶片型线,参数化,控制变量,代理模型,水力模型,线参,方法验证,动能方程,叶轮,内流场,设计工况,工况点,效率值,扬程,41m,试验效率
AB值：
0.235646
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
