XiaoMi-AI文件搜索系统
World File Search System三维流
对多阶段轴向压缩机空气动力学的深度学习建模和建立变化
深度学习对物理模拟（例如计算流体动力学）的应用最近引起了人们的兴趣，并且在不同领域中证明了它们的生存能力。但是，由于高度复杂，湍流和三维流，尚未证明它们可用于涡轮机械应用。用于燃气轮机应用的多阶段轴向压缩机代表了一个非常具有挑战性的情况，这是由于几何和操作变量的流场回归的高差异性。本文展示了深度学习框架的开发和应用，以预测多阶段轴向压缩机的流动场和空气动力学性能。一种基于物理的降低性降低方法解锁了流场预测的潜力，因为它将回归问题从非结构化的问题重新构建为结构化的问题，并减少了自由度的数量。与传统的“ Black-Box”替代模型相比，它通过识别相应的空气动力学驱动程序来为整体性能的预测提供解释性。该模型适用于制造和建造变化，因为已知相关的性能散布对CO 2排放产生重大影响，这构成了巨大的工业和环境相关性的挑战。事实证明，所提出的体系结构可实时实现与CFD基准的准确性，以实时与工业相关的应用。部署的模型很容易集成到燃气轮机的制造和建造过程中，从而提供了通过可行和可解释的数据来分析评估对性能的影响的机会。
用于低雷诺流应用的空气动力和力矩平衡设计、制造和测试
图 1-1：RIT 的风洞测试第 3 部分图 1-2：RIT 的闭路风洞图 5 图 2-1：用于测量三维流体动力的实验仪器。 （Sunada 等 [5]） 6 图 2-2：实验研究中使用的天平示意图 [3] 8 图 3-1：风轴参考系 14 图 3-2：体轴参考系 15 图 3-3：升力和阻力天平的装配图 16 图 3-4：用于测量升力的天平配置 17 图 3-5：用于测量阻力的天平配置 17 图 3-6：力矩分析图 - 升力配置 22 图 3-7：阻力天平配置的力矩分析图 23 图 3-8：俯仰和滚转力矩天平的装配图 24 图 3-9：俯仰和滚转力矩天平的测试平台装配图 25 图 3-10：装配式焊条测试平台 26 图 3-11：俯仰力矩天平配置 28 图 3-12：滚动力矩天平配置 28 图3-13: 俯仰力矩分析图 29 图 3-14: 滚转力矩分析图 30 图 4-1: 实验元素图 34 图 4-2: 升力配置 36 图 4-3: 阻力配置 36 图 4-4: 俯仰力矩配置 38 图 4-5: 滚转力矩配置 38 图 4-6: 平板力矩校准图（零速度且无翼型） 40 图 4-7: 平板俯仰力矩数据 40 图 4-8: 俯仰实验测试平台设置 42 图 4-9: LinAir 涡流面板法翼型 44 图 4-10: 二面角和滚转力矩系数 45 图 5-1: 升力和系数的实验值 53 图 5-2: 实验升力数据与已发布数据的比较 55 图 5-3: 实验阻力数据 56 图5-4：实验阻力数据与公布数据的比较 57 图 5-5：实验俯仰力矩数据 58 图 5-6：俯仰力矩实验值和公布值 60 图 5-7：实验数据；滚动力矩 61 图 5-9：滚动力矩系数与分析模型的比较 62 图 7-1：附加质量的平衡设计 68