CN116756882B - 基于几何参数敏感性分析的涡轮叶片冷却结构设计方法 - Google Patents

基于几何参数敏感性分析的涡轮叶片冷却结构设计方法 Download PDF

Info

Publication number
CN116756882B
CN116756882B CN202311062328.1A CN202311062328A CN116756882B CN 116756882 B CN116756882 B CN 116756882B CN 202311062328 A CN202311062328 A CN 202311062328A CN 116756882 B CN116756882 B CN 116756882B
Authority
CN
China
Prior art keywords
blade
cooling structure
optimized
geometric parameters
cooling
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202311062328.1A
Other languages
English (en)
Other versions
CN116756882A (zh
Inventor
曾军
娄德仓
黄小杨
梁津华
王孟君
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
AECC Sichuan Gas Turbine Research Institute
Original Assignee
AECC Sichuan Gas Turbine Research Institute
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by AECC Sichuan Gas Turbine Research Institute filed Critical AECC Sichuan Gas Turbine Research Institute
Priority to CN202311062328.1A priority Critical patent/CN116756882B/zh
Publication of CN116756882A publication Critical patent/CN116756882A/zh
Application granted granted Critical
Publication of CN116756882B publication Critical patent/CN116756882B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/17—Mechanical parametric or variational design
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/08—Thermal analysis or thermal optimisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Geometry (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Turbine Rotor Nozzle Sealing (AREA)

Abstract

本发明属于航空发动机领域，提供了一种基于几何参数敏感性分析的涡轮叶片冷却结构设计方法，包括：获取影响叶片温度场的全局几何参数；提取影响涡轮叶片降温的关键几何参数；采用温度目标函数和气膜孔压力裕度目标函数构建叶片冷却结构优化模型；依据叶片冷却结构优化模型，给定约束条件对初始叶片的关键几何参数迭代优化，获取满足叶片最高降温要求和气膜孔逆流裕度的全局优化后叶片；对全局优化后叶片的冷却结构局部优化，获取优化后叶片，上述设计方法通过对涡轮叶片复杂的冷却结构进行几何参数敏感性分析，获取冷却结构布局的关键几何参数，避免了人为经验带来的随机性、盲目性、迭代周期长、易出错等问题，同时提高了冷却结构设计效率。

Description

基于几何参数敏感性分析的涡轮叶片冷却结构设计方法
技术领域
本发明属于航空发动机领域，涉及涡轮叶片冷却结构设计技术，具体涉及一种基于几何参数敏感性分析的涡轮叶片冷却结构设计方法。
背景技术
为了实现航空发动机与日俱增的推力需求，高性能航空发动机涡轮前燃气温度已经达到2300K，远远超出涡轮叶片材料本身的融化温度，此时必须采用有效的冷却方式降低涡轮叶片的壁面温度。据统计，当涡轮叶片壁面最高温度每降低10K时，叶片的寿命会延长一倍。因此，为了确保涡轮叶片在恶劣环境下能够安全工作，需要在涡轮叶片内部采用复杂的冷却通道，在表面采用大量的气膜孔，通过低温冷气在叶片内部流动换热和在外部形成气膜，对涡轮叶片的冷却以实现保护涡轮叶片。
同时，经研究涡轮叶片复杂冷却结构的几何参数设计在很大程度决定了涡轮叶片的耐温能力，因此涡轮叶片几何参数冷却设计及优化至关重要。
目前，涡轮叶片冷却设计主要集中在叶片冷却结构的布局，通过花费大量的时间和人力进行反复迭代调整几何参数，该方法由于缺乏对全局及局部几何参数敏感性分析，只是采用经验对叶片冷却设计，对叶片温度场的优化则存在随机和盲目性，因此无法实现快速、精准的涡轮叶片温度场全局或局部优化。
发明内容
为了解决涡轮叶片冷却设计时因多个几何参数影响导致的冷却结构几何参数优化存在的随机性、盲目性、调整难度大等问题，本发明设计了一种基于几何参数敏感性分析的涡轮叶片冷却结构设计方法。
实现发明目的的技术方案如下：一种基于几何参数敏感性分析的涡轮叶片冷却结构设计方法，包括：
S1、获取影响叶片温度场的全局几何参数；
S2、提取全局几何参数中影响涡轮叶片降温的关键几何参数；
S3、采用温度目标函数和气膜孔压力裕度目标函数构建叶片冷却结构优化模型；
S4、依据叶片冷却结构优化模型，给定约束条件对初始叶片的关键几何参数进行迭代优化，获取满足叶片最高降温要求和气膜孔逆流裕度的全局优化后叶片；
S5、对全局优化后叶片的冷却结构进行局部优化，获得优化后叶片。
进一步地，上述步骤S1中，所述获取影响叶片温度场的全局几何参数，包括：
对初始叶片的温度场进行仿真分析，获取影响叶片温度场中最高温度的全局几何参数；
所述全局几何参数包括冲击孔位置、冲击孔孔径、冲击孔数量、气膜孔位置、膜孔孔径、气膜孔数量、气膜孔距离叶片驻点的相对弧长、叶片壁厚、以及叶片尾缝面积。
更进一步地，上述步骤S2中，所述提取全局几何参数中影响涡轮叶片降温的关键几何参数，包括：
基于参数敏感性分析技术，提取影响涡轮叶片降温的关键几何参数。
更进一步地，所述基于参数敏感性分析技术，提取影响涡轮叶片降温的关键几何参数，包括：
S21、采用三维仿真模型和正交试验设计分析方法，对全局几何参数进行敏感性分析，获取全局几何参数的影响重要性排序；
S22、依据影响性阈值提取全局几何参数中的关键几何参数。
优选地，上述步骤S2中，所述关键几何参数包括冲击孔孔径、气膜孔孔径、气膜孔位置。
更进一步地，上述步骤S4中，所述约束条件为优化前叶片与优化叶片的前腔与后腔的总流量不变。
更进一步地，上述步骤S5中，所述对全局优化后叶片的冷却结构进行局部优化，获得优化后叶片，包括：
依据全局优化后叶片的叶片温度分布情况，采用伴随优化法对全局优化后叶片的冷却结构进行拓扑优化，获得优化后叶片。
进一步地，在一个改进的实施例中，上述方法还包括：
S6、获取优化后叶片的最高降温，对优化后叶片的冷却结构进行评估及优化。
与现有技术相比，本发明的有益效果是：本发明公开的涡轮叶片冷却结构设计方法，通过对涡轮叶片复杂的冷却结构进行几何参数敏感性分析，获取冷却结构布局的关键几何参数，避免了人为经验带来的随机性、盲目性、迭代周期长、易出错等问题，同时提高了冷却结构设计效率；同时，通过调整关键几何参数值与涡轮叶片温度场迭代分析，以得到叶片冷却关键几何参数的最佳组合值；根据得到的最佳组合值，利用伴随法进行局部冷却结构优化，快速而精准的确定设计过程中各部位的冷却结构形式，从而得到有效的涡轮叶片冷却设计方案。
附图说明
为了更清楚地说明本发明实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍。
图1为本发明具体实施方式中公开的涡轮叶片冷却结构设计方法的流程图；
图2为具体实施方式中涡轮叶片冷却结构设计原理图；
图3为具体实施方式中计算机设备的示意图；
其中，301、存储器；302、处理器。
具体实施方式
下面结合具体实施例来进一步描述本发明，本发明的优点和特点将会随着描述而更为清楚。但这些实施例仅是范例性的，并不对本发明的范围构成任何限制。本领域技术人员应该理解的是，在不偏离本发明的精神和范围下可以对本发明技术方案的细节和形式进行修改或替换，但这些修改和替换均落入本发明的保护范围内。
本具体实施方式公开了一种基于几何参数敏感性分析的涡轮叶片冷却结构设计方法，参见图1和图2所示，涡轮叶片冷却结构设计方法包括以下步骤：
S1、获取影响叶片温度场的全局几何参数；具体的，通过采用对初始叶片的温度场进行仿真分析，得到影响叶片温度场中最高温度的全局几何参数。更具体的，所述全局几何参数包括冲击孔位置、冲击孔孔径、冲击孔数量、气膜孔位置、膜孔孔径、气膜孔数量、气膜孔距离叶片驻点的相对弧长、叶片壁厚、以及叶片尾缝面积。
S2、提取全局几何参数中影响涡轮叶片降温的关键几何参数。
具体的，通过基于参数敏感性分析技术，提取影响涡轮叶片降温的关键几何参数，所述关键几何参数包括冲击孔孔径、气膜孔孔径、气膜孔位置。
更为具体的，上述关键几何参数的获取方法包括：
S21、采用三维仿真模型和正交试验设计分析方法，对全局几何参数进行敏感性分析，获取全局几何参数的影响重要性排序；
S22、依据影响性阈值提取全局几何参数中的关键几何参数，本步骤中，可以依据用户需求设置影响性阈值，以实现从全局几何参数中提取影响重要性排序在前的几个参数作为关键几何参数。
S3、采用温度目标函数和气膜孔压力裕度目标函数构建叶片冷却结构优化模型。
S4、依据叶片冷却结构优化模型，给定约束条件对初始叶片的关键几何参数进行迭代优化，获取满足叶片最高降温要求和气膜孔逆流裕度的全局优化后叶片。
其中，约束条件为优化前叶片与优化叶片的前腔与后腔的总流量不变，通过对关键几何参数进行迭代优化，得到满足叶片冷却结构优化模型中叶片最高降温和气膜孔逆流裕度要求的关键几何参数组合，得到全局优化后叶片。
本步骤中，对初始叶片的关键几何参数进行迭代优化时，如果全局优化后叶片不满足最高降温和/或气膜孔逆流裕度要求的情况下，可以以叶片总流量以及燃气倒灌（冷气与燃气的压比）为约束，以最高降温或气膜孔逆流裕度为目标，通过对关键几何参数进行调整，进而得到满足最高降温和气膜孔逆流裕度的关键几何参数组合。
S5、对全局优化后叶片的冷却结构进行局部优化，获得优化后叶片。
具体的，进行局部优化获取优化后叶片，包括：
依据全局优化后叶片的叶片温度分布情况，采用伴随优化法对全局优化后叶片的冷却结构进行拓扑优化,获取优化后叶片，其中，叶片温度分布情况可以通过仿真分析获得。
在一个改进的实施例中，参见图1所示，上述方法还包括：
S6、获取优化后叶片的最高降温，对优化后叶片的冷却结构进行评估及优化。
上述涡轮叶片冷却结构设计方法，通过对涡轮叶片复杂的冷却结构进行几何参数敏感性分析，获取冷却结构布局的关键几何参数，避免了人为经验带来的随机性、盲目性、迭代周期长、易出错等问题，同时提高了冷却结构设计效率；同时，通过调整关键几何参数值与涡轮叶片温度场迭代分析，以得到叶片冷却关键几何参数的最佳组合值；根据得到的最佳组合值，利用伴随法进行局部冷却结构优化，快速而精准的确定设计过程中各部位的冷却结构形式，从而得到有效的涡轮叶片冷却设计方案。
本具体实施方式以满足涡轮叶片冷气用量不变、燃气倒灌限制要求的条件下，使最高温度降低至少30K的E3发动机高压涡轮导叶的冷却结构优化设计为例，对上述涡轮叶片冷却结构设计方法进行举例说明：
首先，对E3发动机高压涡轮导叶进行温度场仿真分析，得到如下表1所示的影响叶片温度场的典型几何参数，也即全局几何参数。
表1：E3发动机高压涡轮导叶的典型几何参数
符号名称 几何参数 符号名称 几何参数
Dcj-B 前腔叶背侧冲击孔径 DFP1 叶盆第1排气膜孔径
Dcj-HQ 后腔冲击孔径 DFP2 叶盆第2排孔径
Dcj-P 前腔叶背侧冲击孔径 DFP3 叶盆第3排孔径
Dcj-Q 前腔冲击孔径 DFP4 叶盆第4孔径
DFS1 叶背第1排孔径 DFP5 叶盆第5排孔径
DFS2 叶背第2排孔径 DFP6 叶盆第6孔径
DFS3 叶背第3排孔径 DFP7 叶盆第7排孔径
DFS4 叶背第4孔径 Awf 叶片尾缝面积
DFS5 叶背第5排孔径 - -
SoLS1-5 叶背第1-5排孔距离叶片驻点的相对弧长 SoLP1-7 叶盆第1-7排孔距离叶片驻点的相对弧长
其次，依据三维仿真模型和正交试验设计分析方法（DOE），对上述表1中气膜孔位置、孔径、冲击孔孔径等29组几何参数开展敏感性分析，得到对叶片温降影响最大的几何参数为前腔冲击孔孔径；前腔叶盆和叶背侧冲击的孔径对温降呈负相关影响；同时，叶盆侧第4排和叶背侧第3排的气膜孔径，以及第5排气膜孔相对弧长位置（DFP4、DFS3、SoLS5）等影响相对较大。
然后，选取如下表2所示的冲击孔径、气膜孔径/以及气膜孔位置等10个几何参数作为关键几何参数开展叶片温度场优化设计，进行全局优化。
其中，温度目标函数为，表达式为/>，要求，其中，/>为优化前叶片的叶片最高温度；/>为优化后叶片的叶片最高温度；/>为目标温降，本实施例中要求/>为-30K。
气膜孔压力裕度目标函数为，表达式为/>，，其中，/>为气膜孔冷气侧压力；/>为气膜孔燃气侧压力；/>为所有气膜孔最小逆流裕度；i表示第i排气膜孔；
其中，约束条件是叶片优化前后前腔与后腔的腔总流量保持不变，即，其中，/>、/>分别为叶片的前腔与后腔的冷气流量，通过全局优化后得到如下表2所示的关键几何参数：
表2：关键几何参数以及优化前后关键几何参数的对比
符号名称 优化前关键几何参数 优化后关键几何参数
Dcj-Q 0.7mm 1.0mm
Dcj-B 0.7mm 0.52mm
SolS3 0.107 0.1368
SolS4 0.053 0.0491
SolS5 0.012 0.0123
SolP1 0.0058 0.0119
SolP3 0.088 0.0927
SolP5 0.232 0.2135
DFS3 0.5mm 0.69mm
DFS4 0.5mm 0.52mm
DFP2 0.5mm 0.47mm
DFP3 0.5mm 0.45mm
DFP4 0.5mm 0.57mm
Dtmax 0K -33K
Mass1 0.042 0.059
Mass2 0.066 0.049
NLYDmin —— 1.018
再次，对上述全局优化获得叶片进行模型进行仿真计算，优化前后最高温度降低33K，满足设计要求，最小逆流裕度为1.018，满足设计要求。
最后，对全局优化后的叶片的局部温度升高的区域进行局部优化，采用伴随优化方法对气膜孔进行拓扑优化后，得到例如鸭掌形气膜孔，经仿真分析鸭掌形气膜孔相比于圆柱形气膜孔，能够大幅提升气膜覆盖效果，冷却效率提高200%，且局部高温区域明显降低，叶片中截面最高温度在全局优化结构的基础上平均温度降低10K，得到了满足要求的涡轮叶片冷却设计优化方案。
在本具体实施方式中，还提供了一种计算机设备，参见图3所示，包括存储器301、处理器302及存储在存储器301上并可在处理器302上运行的计算机程序，所述处理器执行所述计算机程序时实现上述基于几何参数敏感性分析的涡轮叶片冷却结构设计方法。
具体的，该计算机设备可以是计算机终端、服务器或者类似的运算装置。
在本具体实施方式中，还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有执行上述基于几何参数敏感性分析的涡轮叶片冷却结构设计方法的计算机程序。
具体的，计算机可读存储介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机可读存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读存储介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims (5)

1.一种基于几何参数敏感性分析的涡轮叶片冷却结构设计方法，其特征在于，包括：
对初始叶片的温度场进行仿真分析，获取影响叶片温度场中最高温度的全局几何参数，所述全局几何参数包括冲击孔位置、冲击孔孔径、冲击孔数量、气膜孔位置、膜孔孔径、气膜孔数量、气膜孔距离叶片驻点的相对弧长、叶片壁厚、以及叶片尾缝面积；
基于参数敏感性分析技术，提取全局几何参数中影响涡轮叶片降温的关键几何参数；
采用温度目标函数和气膜孔压力裕度目标函数构建叶片冷却结构优化模型，所述温度目标函数的表达式为/>，要求/>，其中，/>为优化前叶片的叶片最高温度；/>为优化后叶片的叶片最高温度；/>为目标温降；
气膜孔压力裕度目标函数的表达式为/>，，/>为气膜孔冷气侧压力；/>为气膜孔燃气侧压力；/>为所有气膜孔最小逆流裕度；i为第i排气膜孔；
依据叶片冷却结构优化模型，给定约束条件对初始叶片的关键几何参数进行迭代优化，获取满足叶片最高降温要求和气膜孔逆流裕度的全局优化后叶片，其中，所述约束条件为优化前叶片与优化叶片的前腔与后腔的总流量不变；
对全局优化后叶片的冷却结构进行局部优化，获得优化后叶片。
2.根据权利要求1所述的基于几何参数敏感性分析的涡轮叶片冷却结构设计方法，其特征在于，所述基于参数敏感性分析技术，提取影响涡轮叶片降温的关键几何参数，包括：
采用三维仿真模型和正交试验设计分析方法，对全局几何参数进行敏感性分析，获取全局几何参数的影响重要性排序；
依据影响性阈值提取全局几何参数中的关键几何参数。
3.根据权利要求1或2所述的基于几何参数敏感性分析的涡轮叶片冷却结构设计方法，其特征在于，所述关键几何参数包括冲击孔孔径、气膜孔孔径、气膜孔位置。
4.根据权利要求1所述的基于几何参数敏感性分析的涡轮叶片冷却结构设计方法，其特征在于，对全局优化后叶片的冷却结构进行局部优化，获得优化后叶片，包括：
依据全局优化后叶片的叶片温度分布情况，采用伴随优化法对全局优化后叶片的冷却结构进行拓扑优化，获得优化后叶片。
5.根据权利要求1所述的基于几何参数敏感性分析的涡轮叶片冷却结构设计方法，其特征在于，还包括：
获取优化后叶片的最高降温，对优化后叶片的冷却结构进行评估及优化。
CN202311062328.1A 2023-08-23 2023-08-23 基于几何参数敏感性分析的涡轮叶片冷却结构设计方法 Active CN116756882B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311062328.1A CN116756882B (zh) 2023-08-23 2023-08-23 基于几何参数敏感性分析的涡轮叶片冷却结构设计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311062328.1A CN116756882B (zh) 2023-08-23 2023-08-23 基于几何参数敏感性分析的涡轮叶片冷却结构设计方法

Publications (2)

Publication Number Publication Date
CN116756882A CN116756882A (zh) 2023-09-15
CN116756882B true CN116756882B (zh) 2023-10-31

Family

ID=87955632

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311062328.1A Active CN116756882B (zh) 2023-08-23 2023-08-23 基于几何参数敏感性分析的涡轮叶片冷却结构设计方法

Country Status (1)

Country Link
CN (1) CN116756882B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107194118A (zh) * 2017-06-19 2017-09-22 南京航空航天大学 一种涡轮叶片扇形孔气膜冷却结构气动‑热协同优化方法
CN114676533A (zh) * 2022-05-26 2022-06-28 中国航发四川燃气涡轮研究院 一种与空气系统耦合的涡轮动叶冷却敏感性分析方法
CN115828456A (zh) * 2022-11-25 2023-03-21 哈尔滨工程大学 一种涡轮叶片外部全气膜冷却参数化优化设计方法
CN116291751A (zh) * 2023-02-07 2023-06-23 中国航发四川燃气涡轮研究院 一种用于航空发动机的飞机式气膜孔冷却结构及涡轮叶片

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107194118A (zh) * 2017-06-19 2017-09-22 南京航空航天大学 一种涡轮叶片扇形孔气膜冷却结构气动‑热协同优化方法
CN114676533A (zh) * 2022-05-26 2022-06-28 中国航发四川燃气涡轮研究院 一种与空气系统耦合的涡轮动叶冷却敏感性分析方法
CN115828456A (zh) * 2022-11-25 2023-03-21 哈尔滨工程大学 一种涡轮叶片外部全气膜冷却参数化优化设计方法
CN116291751A (zh) * 2023-02-07 2023-06-23 中国航发四川燃气涡轮研究院 一种用于航空发动机的飞机式气膜孔冷却结构及涡轮叶片

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
A Dimension Reduction-Based Multidisciplinary Design Optimization Method for High Pressure Turbine Blades;Hu, KB等;《JOURNAL OF ENGINEERING FOR GAS TURBINES AND POWER-TRANSACTIONS OF THE ASME》;第144卷(第9期);1-5 *
基于网格变形技术的跨声速压气机叶片 伴随优化方法研究;梁津华;《推进技术》;第43卷(第11期);210501-1-210501-122 *

Also Published As

Publication number Publication date
CN116756882A (zh) 2023-09-15

Similar Documents

Publication Publication Date Title
CN116756882B (zh) 基于几何参数敏感性分析的涡轮叶片冷却结构设计方法
JP2010512645A (ja) プロセスばらつき耐性メモリ設計
Lee et al. Film cooling performance improvement with optimized hole arrangement on pressure side surface of nozzle guide vane: Part I—Optimization and numerical investigation
CN106777461B (zh) 一种基于doe的高温泵散热器数值优化方法
CN115817822B (zh) 电加热防冰系统的热载荷分布设计方法
CN114151139A (zh) 一种采用渗透模型模拟涡轮叶片表面气膜孔冷气层流动的方法
CN116595445A (zh) 基于随机森林特征优选和改进支持向量机的变压器故障诊断方法
Huang et al. Enriching cold start personalized language model using social network information
CN115730420A (zh) 一种微型堆布雷顿循环系统综合设计方法
Wang et al. SRAM parametric failure analysis
Nowak et al. Shape design of internal cooling passages within a turbine blade
Chen et al. Rotational speed adjustment of axial flow fans to maximize net power output for direct dry cooling power generating units
CN111914461A (zh) 一种涡轮导叶片一维冷效的智能评估方法
CN116502566A (zh) 基于贝叶斯优化的燃气轮机燃烧室性能多目标优化方法
CN113742999B (zh) 印刷电路板式换热器设计方法及装置
CN114519299A (zh) 一种一体化支板火焰稳定器双层壁结构的多目标优化方法
Hou et al. Influence of inlet swirl on film cooling of the turbine leading edge
CN112507469B (zh) 固体火箭发动机燃烧室绝热层设计方法
Dai et al. Film cooling from a cylindrical hole with parallel auxiliary holes influences
CN112883647A (zh) 一种基于粒子群优化算法的定日镜场排布方法
CN117725811A (zh) 一种基于强化学习的涡轮叶片冷效设计调优方法及装置
CN118133715A (zh) 一种基于期望最大理论的非均匀气膜孔布局优化方法
CN116541969B (zh) 一种基于热阻的压气机螺栓连接部位温度场计算方法
CN111753889A (zh) 一种基于cnn-svdd的引风机故障识别方法
CN117669269B (zh) 一种散热风扇优化方法、装置、电子设备及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant