基于动态XGBoost与MaxLIPO置信域算法的减重涡轮叶型气动优化设计
本文首次提出使用机器学习XGBoost算法作为气动性能的回归模型,并使用全局寻优算法MaxLIPO置信域方法在回归模型上进行寻优的气动优化方法.为保证回归模型在最优值附近的准确性,采用动态识别加点法构造动态更新的回归模型,并使用双重收敛准则判断优化流程的收敛.构建优化流程后,对一种新型减重高压涡轮叶型进行优化.结果表明,该优化流程相较传统优化方法能实现气动性能的快速有效寻优,在最优值附近的回归预测精度达到与CFD结果误差极小的水平,并能分析各几何参数对气动性能的影响权重,最终实现了对减重涡轮叶型的有效气动优化设计.
减重涡轮叶片;优化算法;XGBoost;机器学习;B样条
42
TK14(热力工程、热机)
国家自然科学基金资助项目No.51876202.No.51836008
2021-12-06(万方平台首次上网日期,不代表论文的发表时间)
共12页
2804-2815