CN118211412A - 适用于大梯度变化的涡轮冷却叶片数据插值方法 - Google Patents
适用于大梯度变化的涡轮冷却叶片数据插值方法 Download PDFInfo
- Publication number
- CN118211412A CN118211412A CN202410413090.0A CN202410413090A CN118211412A CN 118211412 A CN118211412 A CN 118211412A CN 202410413090 A CN202410413090 A CN 202410413090A CN 118211412 A CN118211412 A CN 118211412A
- Authority
- CN
- China
- Prior art keywords
- interpolation
- gradient
- turbine cooling
- points
- data
- 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.)
- Pending
Links
- 238000001816 cooling Methods 0.000 title claims abstract description 102
- 238000000034 method Methods 0.000 title claims abstract description 92
- 230000008859 change Effects 0.000 title abstract description 16
- 238000012937 correction Methods 0.000 claims abstract description 55
- 230000006870 function Effects 0.000 claims description 23
- 238000012545 processing Methods 0.000 claims description 23
- 230000008569 process Effects 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 16
- 238000010606 normalization Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 2
- 238000004458 analytical method Methods 0.000 abstract description 20
- 238000013461 design Methods 0.000 abstract description 11
- 238000011089 mechanical engineering Methods 0.000 abstract description 2
- 230000008878 coupling Effects 0.000 description 8
- 238000010168 coupling process Methods 0.000 description 8
- 238000005859 coupling reaction Methods 0.000 description 8
- 238000012546 transfer Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 4
- 230000002776 aggregation Effects 0.000 description 3
- 238000004220 aggregation Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Landscapes
- Turbine Rotor Nozzle Sealing (AREA)
Abstract
本公开实施例是关于一种适用于大梯度变化的涡轮冷却叶片数据插值方法、装置、电子设备以及计算机可读存储介质,涉及机械工程技术领域,该方法包括:基于涡轮冷却叶片上样本点的物理量信息,确定插值点在不同方向的梯度数据;将梯度数据转换到指数函数空间,得到梯度修正因子;根据梯度修正因子对样本点和插值点的欧氏距离进行修正,并基于修正后的欧氏距离获取插值点的物理量信息。本公开实施例能够提升涡轮冷却叶片分析中数据插值的精度和效率,进而提升对涡轮冷却叶片设计和分析的准确性及效率。
Description
技术领域
本公开涉及机械工程技术领域,具体而言,涉及一种适用于大梯度变化的涡轮冷却叶片数据插值方法、装置、电子设备以及计算机可读存储介质。
背景技术
涡轮冷却叶片是制约高性能燃气轮机研制的关键,而在对涡轮冷却叶片的设计和分析过程中,通常使用数据插值方法来预测冷却通道内的温度和热传递分布。
相关技术中,在对涡轮冷却叶片的分析过程中,所采用的数据插值方法假设耦合数据分布在一个线性空间,根据欧氏距离来确定已知的耦合数据对插值点的贡献度,即在空间位置上越靠近,当地物理量值就越相似;在空间位置上越远,当地物理量值就越相异,基于此插值得到插值点在线性空间内各物理量的分布。然而,涡轮冷却叶片中冷却通道和气膜孔结构的复杂流动及热传递分布特性,往往会导致涡轮冷却叶片分析中各物理量出现局部梯度变化。相关技术在进行插值处理时,难以应对涡轮冷却叶片中物理量的局部梯度变化,涡轮冷却叶片分析数据的插值方法仍存在一定的提升空间。
发明内容
本公开的目的在于提供一种适用于大梯度变化的涡轮冷却叶片数据插值方法及装置、电子设备以及计算机可读存储介质,至少在一定程度上提升涡轮冷却叶片分析中数据插值的精度和效率,进而提升对涡轮冷却叶片设计和分析的准确性及效率。
本公开的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本公开的实践而习得。
根据本公开的第一方面,提供一种适用于大梯度变化的涡轮冷却叶片数据插值方法,包括:基于涡轮冷却叶片上样本点的物理量信息,确定插值点在不同方向的梯度数据;将所述梯度数据转换到指数函数空间,得到梯度修正因子;根据所述梯度修正因子对所述样本点和所述插值点的欧氏距离进行修正,并基于修正后的欧氏距离获取所述插值点的物理量信息。
在本公开的一种示例性实施例中,所述基于涡轮冷却叶片上已知样本点的物理量信息,确定插值点在不同方向的梯度数据,包括:选取涡轮冷却叶片上与所述插值点的距离不大于距离阈值的多个样本点;根据所述多个样本点的物理量信息,通过最小二乘法确定所述插值点在不同方向的梯度数据。
在本公开的一种示例性实施例中,所述选取涡轮冷却叶片上与所述插值点的距离不大于距离阈值的多个样本点,包括:选取涡轮冷却叶片上与所述插值点的距离不大于所述距离阈值的多个第一样本点;选取与所述第一样本点的距离不大于所述距离阈值的多个第二样本点。
在本公开的一种示例性实施例中,所述将所述梯度数据转换到指数函数空间,得到梯度修正因子,包括:将所述梯度数据进行归一化处理,并将归一化的梯度数据转换到指数函数空间,得到所述梯度修正因子。
在本公开的一种示例性实施例中,根据所述梯度修正因子对所述样本点和所述插值点的欧氏距离进行修正,包括:根据所述修正因子对所述样本点和所述插值点的坐标进行修正,得到修正样本点坐标和修正插值点坐标;根据所述修正样本点坐标和所述修正插值点坐标进行距离计算,得到修正后的欧氏距离。
在本公开的一种示例性实施例中,所述插值处理包括反距离加权法、径向基函数法和克里金法中的任意一种或多种。
根据本公开的第二方面,提供一种适用于大梯度变化的涡轮冷却叶片数据插值装置,包括:梯度数据确定模块,用于基于涡轮冷却叶片上样本点的物理量信息,确定插值点在不同方向的梯度数据;修正因子确定模块,用于将所述梯度数据转换到指数函数空间,得到梯度修正因子;欧氏距离修正模块,用于根据所述梯度修正因子对所述样本点和所述插值点的欧氏距离进行修正,并基于修正后的欧氏距离获取所述插值点的物理量信息。
根据本公开的第三方面,提供一种电子设备,包括:处理器;以及存储器,用于存储所述处理器的可执行指令;其中,所述处理器配置为经由执行所述可执行指令来执行上述任意一项所述的方法及其可能的实现方式。
根据本公开的第四方面,提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任意一项所述的方法及其可能的实现方式。
本公开实施例中提供的技术方案中,将涡轮冷却叶片上插值点在不同方向的梯度数据转换到指数函数空间,得到梯度修正因子,然后根据梯度修正因子对样本点和插值点的欧氏距离进行修正,并基于修正后的欧氏距离获取插值点的物理量信息。一方面,基于插值点在不同方向的梯度数据获取梯度修正因子,可以使插值点的物理量信息在各个方向上均匀分布,减小了插值误差,提高了插值的精度;另一方面,通过对欧氏距离进行修正,减小了两点间距离的误判,提高了插值的准确性;再一方面,优化了涡轮冷却叶片上插值点的选择和权重分配,从而可以在相同的插值半径范围内选取更具代表性和聚集性的点,提高了数据插值的效率。进而提升对涡轮冷却叶片设计和分析的准确性及效率。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。显而易见地,下面描述中的附图仅仅是本公开的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1示意性示出本公开实施例一种适用于大梯度变化的涡轮冷却叶片数据插值方法的流程示意图。
图2示意性示出本公开实施例中对欧氏距离进行修正方法的流程示意图。
图3示意性示出本公开实施例中插值空间的变化示意图。
图4示意性示出本公开实施例中不同插值方法的插值精度对比示意图。
图5示意性示出本公开实施例中适用于大梯度变化的涡轮冷却叶片数据插值装置的框图示意图。
图6示意性示出本公开实施例中电子设备的框图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本公开将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中,提供许多具体细节从而给出对本公开的实施方式的充分理解。然而,本领域技术人员将意识到,可以实践本公开的技术方案而省略特定细节中的一个或更多,或者可以采用其他的方法、组元、装置、步骤等。在其他情况下,不详细示出或描述公知技术方案以避免喧宾夺主而使得本公开的各方面变得模糊。
此外,附图仅为本公开的示意性图解,并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体,不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
涡轮冷却叶片是制约高性能燃气轮机研制的关键,而在对涡轮冷却叶片的设计和分析过程中,通常使用数据插值方法来预测冷却通道内的温度和热传递分布。
相关技术中,在对涡轮冷却叶片的分析过程中,所采用的数据插值方法假设耦合数据分布在一个线性空间,根据欧氏距离来确定已知的耦合数据对插值点的贡献度,即在空间位置上越靠近,当地物理量值就越相似;在空间位置上越远,当地物理量值就越相异,基于此插值得到插值点在线性空间内各物理量的分布。但是,此方法只适用于局部物理梯度较小的耦合数据,对于局部梯度变化较大的涡轮冷却叶片分析,所得到的插值数据往往准确性较差。
具体地,为了实现更高的发动机性能和可靠性,目前的涡轮冷却叶片设计通常采用内部冷却通道结构和气膜孔结构,通过冷却空气流动来吸收和转移热量,极大地改善了涡轮冷却叶片的服役环境。涡轮冷却叶片中冷却通道和气膜孔结构的复杂流动及热传递分布特性,往往会导致涡轮冷却叶片分析中各物理量出现局部梯度变化。例如气膜孔周围的温度分布在下游缓慢降低,而在展向流动方向快速下降,各物理量分布差异巨大。并且复杂结构的网格划分会在曲率或物理量变化剧烈区域进行加密处理,这会引入不同网格分布点的各向异性因素。
相关技术在进行插值处理时,采用各向同性的插值方法进行高度各向异性物理量空间的插值,未能充分考虑冷却通道内局部梯度的变化,导致在预测涡轮冷却叶片的冷却效果和评估叶片结构强度时存在一定的不准确性和偏差,造成了插值精度及守恒特性的提升瓶颈。
为了解决上述部分或全部的技术问题,本公开实施例提供了一种适用于大梯度变化的涡轮冷却叶片数据插值方法,可以充分考虑涡轮冷却叶片的局部物理量梯度变化和非线性空间分布,提升涡轮冷却叶片分析中数据插值的精度和效率,进而提升对涡轮冷却叶片设计和分析的准确性及效率。
接下来,参考图1中所示,对适用于大梯度变化的涡轮冷却叶片数据插值方法的每个步骤进行具体说明。
在步骤S110中,基于涡轮冷却叶片上样本点的物理量信息,确定插值点在不同方向的梯度数据。
本公开实施例中,涡轮冷却叶片是一种应用于涡轮机上的叶片,其设计目的是为了有效地冷却涡轮机工作时产生的高温气体,以保证叶片的工作温度在可接受的范围内,从而提高叶片的寿命和性能。对涡轮冷却叶片进行设计和分析时,为了更好地模拟叶片中的温度和载荷情况,需要对涡轮冷却叶片进行网格划分,该网格中物理量信息已知的点就是涡轮冷却叶片上的样本点。当然,本公开实施例中的样本点还可以是涡轮冷却叶片上任意已知物理量信息的点,无需对涡轮冷却叶片进行网格划分。
本公开实施例中,物理量信息可以是涡轮冷却叶片上样本点所在位置的温度信息,还可以是涡轮冷却叶片上样本点所在位置的载荷信息,当然,还可以是涡轮冷却叶片上样本点所在位置的其他梯度变化较大的物理量信息,本示例性实施例在此不做特殊限定。示例性的,由于涡轮冷却叶片复杂的内部结构,在冷却通道和气膜孔等复杂部位的复杂流动和热传递分布,往往会导致局部梯度变化的出现,在对这些复杂部位进行网格划分时,同一网格点的物理量信息在不同方向往往会表现出不同的梯度,即存在各向异性。因此可以确定出插值点在不同方向的梯度数据,进而对欧氏距离进行修正,提高插值准确性。本公开实施例中,梯度数据可以是插值点所对应物理量在不同方向的变化率。
在一些实施例中,基于涡轮冷却叶片上已知样本点的物理量信息,确定插值点在不同方向的梯度数据,具体包括以下步骤:选取涡轮冷却叶片上与所述插值点的距离不大于距离阈值的多个样本点;根据所述多个样本点的物理量信息,通过最小二乘法确定所述插值点在不同方向的梯度数据。
具体地,由于插值点仅有其空间位置信息,没有物理量信息,难以准确计算插值点所对应的物理量梯度。因此可以通过计算距离插值点距离较近的样本点的梯度数据,然后对其进行平均计算,得到该插值点对应的梯度数据。示例性的,距离阈值可以为5毫米,则可以选取涡轮冷却叶片上与插值点的距离不大于5毫米的多个样本点,当然,距离阈值还可以是其他合适的数值。
本公开实施例中,样本点的点数可以与反距离加权平均插值方法中选取的样本点的点数保持一致,即:
其中,U为插值点的物理量,xi为插值点,N为距离插值点的距离不大于距离阈值的样本点的点数,该值与所选用的插值处理方法的样本点的点数保持一致;xj为样本点的空间位置。
进一步地,通过最小二乘法确定插值点在不同方向的梯度数据,其基本原理是基于网格节点上物理值的一阶泰勒(Taylor)展级数展开近似得到:
Uj-Ui=(▽Ui)rij (2)
在一些实施例中,选取涡轮冷却叶片上与所述插值点的距离不大于距离阈值的多个样本点,具体包括以下步骤:选取涡轮冷却叶片上与所述插值点的距离不大于所述距离阈值的多个第一样本点;选取与所述第一样本点的距离不大于所述距离阈值的多个第二样本点。
具体地,可以选取涡轮冷却叶片上与所述插值点的距离不大于所述距离阈值的N个第一样本点;选取与所述第一样本点的距离不大于所述距离阈值的N个第二样本点,所述N为正整数,基于该N×N个样本点,应用上述(2)式可以建立超定约束线性方程组,如下(3)式所示,从而得到插值点在不同方向的梯度数据。
其中,Δ(·)ij=(·)j-(·)i表示两个样本点在同一方向的距离插值,表示插值点在x方向的物理量梯度,/>表示插值点在y方向的物理量梯度,/>表示插值点在z方向的物理量梯度。
接着参考图1,在步骤S120中,将所述梯度数据转换到指数函数空间,得到梯度修正因子。
具体地,在得到插值点在不同方向的近似物理量梯度数据后,可以基于该梯度数据对插值空间进行修正,然而插值空间中物理量的梯度大小往往和所分析的物理问题相关,不同物理问题所对应的物理数据的量级往往相差较大,难以直接使用该近似物理量梯度数据,需要先对其进行归一化处理,然后转换到指数函数空间求解梯度修正因子,归一化的计算过程如下(4)式所示:
其中,表示绝对值,这是因为在同一方向无论物理量的梯度是正或负,其最终的修正程度都是相同的,因此可以进行绝对值处理。随后,梯度修正因子可由如下(5)式计算得到:
在步骤S130中,根据所述梯度修正因子对所述样本点和所述插值点的欧氏距离进行修正,并基于修正后的欧氏距离获取所述插值点的物理量信息。
具体地,可以基于梯度修正因子对已知插值空间进行修正,也即对样本点和插值点的坐标进行修正,进而得到修正后的欧氏距离。在一些实施例中,如图2所示,根据所述梯度修正因子对所述样本点和所述插值点的欧氏距离进行修正,具体包括以下步骤:
在步骤S210中,根据所述修正因子对所述样本点和所述插值点的坐标进行修正,得到修正样本点坐标和修正插值点坐标。
具体地,可以通过如下(6)式得到修正样本点坐标和修正插值点坐标。
在步骤S220中,根据所述修正样本点坐标和所述修正插值点坐标进行距离计算,得到修正后的欧氏距离。
具体地,可以通过如下(7)式得到修正后的欧氏距离。
也即:欧氏距离/>
在一些实施例中,所述基于修正后的欧氏距离获取所述插值点的物理量信息,具体包括以下步骤:将插值处理中所述样本点和所述插值点的初始欧氏距离,替换为所述修正后的欧氏距离;基于所述修正后的欧氏距离进行所述插值处理,得到所述插值点的物理量信息。
具体地,上述c1,c2,c3为插值处理中欧氏距离对应的修正因子,通过该修正因子,可以对涡轮冷却叶片的插值空间进行修正。参考图3所示,对于给定的空间半径网格点的搜索范围是在一个球内,而通过物理量梯度修正后的网格点则是在一个椭球内。对于网格缩放后外形上某一点来说,距离r相同的所有点组成了一个球面,即相同的r所包围的数据点坐标范围根据不同方向的物理量梯度分布进行了拉伸,变化剧烈的方向被拉长,变化平缓的方向被压缩,进而能够降低物理量梯度和几何外形的影响。
在一些实施例中,插值处理包括反距离加权法、径向基函数法和克里金法中的任意一种或多种。
具体地,反距离加权法(IDW)根据插值点与样本点之间的距离进行加权平均,以得到插值点的估计值。径向基函数法(RBF)将插值点与样本点之间的距离作为径向基函数的输入,并使用径向基函数来计算插值点的估计值。克里金法(Kriging)通过最小化方差和相关系数来估计未知区域内的数值。当然,在本公开的其他示例性实施例中,插值处理还可以是其他基于欧氏距离进行插值计算的方法。通过将插值处理中的初始欧氏距离替换为修正后的欧氏距离,可以提升插值点所对应物理量的预测的准确性。参考图4所示,将初始欧氏距离替换为修正后的欧氏距离,采用反距离加权法、径向基函数法和克里金法进行涡轮冷却叶片插值点温度预测的误差均存在降低。采用反距离加权法的插值处理误差降低了9.94%,采用径向基函数法的插值处理误差降低了5.27%,采用克里金法的插值处理误差降低了0.44%。
在一些实施例中,本公开的数据插值方法还可以应用于其他物理量梯度变化较大的机械或设备的分析设计过程中,例如齿轮的受力分析和转速分析等。
上述实施例所提供的适用于大梯度变化的涡轮冷却叶片数据插值方法中,首先进行局部物理量梯度计算,即计算插值点在不同方向的梯度数据。示例性的,可以对涡轮冷却叶片流固耦合面局部区域进行温度梯度的计算,获取插值点在各个方向上的温度数据的梯度信息。这些梯度信息用于确定各向异性修正因子的数值,从而影响插值计算中网格点的选择和权重分配。在得到插值点在不同方向的梯度数据后,引入梯度修正因子对欧氏距离进行修正,修正因子的调节可实现插值计算中x、y、z三个方向系数的缩放,从而使插值点在各个方向上的分布更加均匀,使插值结果更能准确反映物理量的实际分布特征,提高插值的准确性,能够充分考虑局部物理量梯度变化和非线性空间分布,以实现涡轮冷却叶片设计和分析中更准确的温度预测和结构强度评估。
进一步地,通过考虑涡轮冷却叶片局部物理量梯度的分布,即考虑插值点所在局部区域的物理量梯度分布,能够更加准确地预测涡轮冷却叶片的冷却通道内的温度和热传递分布,梯度修正因子的引入和插值计算中的系数缩放,使插值点在各个方向上更加均匀分布,减少了插值误差,提高了插值精度。此外,传统的插值方法假设耦合数据分布在线性空间,但涡轮叶片的流固耦合面是一个具有非线性空间分布的曲面,本公开实施例充分考虑了非线性空间分布的特点,通过修正欧氏距离的计算,减少了源节点间测地距离的误判,提高了插值的准确性。涡轮叶片的复杂结构导致网格点分布具有各向异性,传统插值方法在高度各向异性物理量空间插值时存在缺陷,本公开实施例通过引入梯度修正因子,根据局部物理量梯度调节插值计算中的系数,使得插值点在不同方向上更加均匀分布,解决了各向异性插值问题。
此外,通过优化插值点的选择和权重分配,本公开实施例能够在相同的插值半径范围内选取更具代表性和聚集性的点,提高了数据插值的效率,同时,修正后的插值方法也降低了计算复杂度,使得插值过程更加高效。本公开实施例的数据插值方法可以提高插值点所对应物理量预测的准确性,基于这些插值点的后续计算可以更准确地预测涡轮冷却叶片的冷却效果和评估叶片结构强度,能够为涡轮冷却叶片的设计和分析提供更可靠的依据,进一步提高了涡轮冷却叶片设计的准确性和分析的可靠性。
本公开实施例中提供的技术方案中,将涡轮冷却叶片上插值点在不同方向的梯度数据转换到指数函数空间,得到梯度修正因子,然后根据梯度修正因子对样本点和插值点的欧氏距离进行修正,并基于修正后的欧氏距离获取插值点的物理量信息。一方面,基于插值点在不同方向的梯度数据获取梯度修正因子,可以使插值点的物理量信息在各个方向上均匀分布,减小了插值误差,提高了插值的精度;另一方面,通过对欧氏距离进行修正,减小了两点间距离的误判,提高了插值的准确性;再一方面,优化了涡轮冷却叶片上插值点的选择和权重分配,从而可以在相同的插值半径范围内选取更具代表性和聚集性的点,提高了数据插值的效率。进而提升对涡轮冷却叶片设计和分析的准确性及效率。
接下来,本公开实施例中,还提供了一种适用于大梯度变化的涡轮冷却叶片数据插值装置,参考图5中所示,适用于大梯度变化的涡轮冷却叶片数据插值装置500主要包括:
梯度数据确定模块501,可以用于基于涡轮冷却叶片上样本点的物理量信息,确定插值点在不同方向的梯度数据;
修正因子确定模块502,可以用于将所述梯度数据转换到指数函数空间,得到梯度修正因子;
欧氏距离修正模块503,可以用于根据所述梯度修正因子对所述样本点和所述插值点的欧氏距离进行修正,并基于修正后的欧氏距离获取所述插值点的物理量信息。
在本公开的一种示例性实施例中,梯度数据确定模块包括:样本点选取单元,可以用于选取涡轮冷却叶片上与所述插值点的距离不大于距离阈值的多个样本点;最小二乘法单元,可以用于根据所述多个样本点的物理量信息,通过最小二乘法确定所述插值点在不同方向的梯度数据。
在本公开的一种示例性实施例中,样本点选取单元可以被配置为:选取涡轮冷却叶片上与所述插值点的距离不大于所述距离阈值的多个第一样本点;选取与所述第一样本点的距离不大于所述距离阈值的多个第二样本点。
在本公开的一种示例性实施例中,修正因子确定模块被配置为:将所述梯度数据进行归一化处理,并将归一化的梯度数据转换到指数函数空间,得到所述梯度修正因子。
在本公开的一种示例性实施例中,欧氏距离修正模块包括:坐标修正单元,可以用于根据所述修正因子对所述样本点和所述插值点的坐标进行修正,得到修正样本点坐标和修正插值点坐标;距离计算单元,可以用于根据所述修正样本点坐标和所述修正插值点坐标进行距离计算,得到修正后的欧氏距离。
在本公开的一种示例性实施例中,欧氏距离修正模块包括:欧氏距离替换单元,可以用于将插值处理中所述样本点和所述插值点的初始欧氏距离,替换为所述修正后的欧氏距离;物理量信息确定单元,可以用于基于所述修正后的欧氏距离进行所述插值处理,得到所述插值点的物理量信息。
在本公开的一种示例性实施例中,插值处理可以包括反距离加权法、径向基函数法和克里金法中的任意一种或多种。
需要说明的是,上述适用于大梯度变化的涡轮冷却叶片数据插值装置中各部分的具体细节在适用于大梯度变化的涡轮冷却叶片数据插值方法部分实施方式中已经详细说明,未披露的细节内容可以参见方法部分的实施方式内容,因而不再赘述。
在本公开的示例性实施例中,还提供了一种能够实现上述方法的电子设备。
所属技术领域的技术人员能够理解,本公开的各个方面可以实现为系统、方法或程序产品。因此,本公开的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为“电路”、“模块”或“系统”。
下面参照图6来描述根据本公开的这种实施方式的电子设备600。图6显示的电子设备600仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图6所示,电子设备600以通用计算设备的形式表现。电子设备600的组件可以包括但不限于:上述至少一个处理单元610、上述至少一个存储单元620、连接不同系统组件(包括存储单元620和处理单元610)的总线630以及显示单元640。
其中,存储单元存储有程序代码,程序代码可以被处理单元610执行,使得处理单元610执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤。例如,处理单元610可以执行如图1中所示的步骤。
存储单元620可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)6201和/或高速缓存存储单元6202,还可以进一步包括只读存储单元(ROM)6203。
存储单元620还可以包括具有一组(至少一个)程序模块6205的程序/实用工具6204,这样的程序模块6205包括但不限于:操作系统、一个或者多个应用程序、其他程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线630可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备600也可以与一个或多个外部设备700(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与该电子设备600交互的设备通信,和/或与使得该电子设备600能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口650进行。并且,电子设备600还可以通过网络适配器660与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器660通过总线630与电子设备600的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备600使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者电子设备等)执行根据本公开实施方式的方法。
在本公开的示例性实施例中,还提供了一种计算机可读存储介质,其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中,本公开的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当程序产品在终端设备上运行时,程序代码用于使终端设备执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤。
根据本公开的实施方式的用于实现上述方法的程序产品,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在终端设备,例如个人电脑上运行。然而,本公开的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本公开操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
此外,上述附图仅是根据本公开示例性实施例的方法所包括的处理的示意性说明,而不是限制目的。易于理解,上述附图所示的处理并不表明或限制这些处理的时间顺序。另外,也易于理解,这些处理可以是例如在多个模块中同步或异步执行的。
本领域技术人员在考虑说明书及实践这里发明的发明后,将容易想到本公开的其他实施例。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未发明的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限定。
Claims (10)
1.一种适用于大梯度变化的涡轮冷却叶片数据插值方法,其特征在于,包括:
基于涡轮冷却叶片上样本点的物理量信息,确定插值点在不同方向的梯度数据;
将所述梯度数据转换到指数函数空间,得到梯度修正因子;
根据所述梯度修正因子对所述样本点和所述插值点的欧氏距离进行修正,并基于修正后的欧氏距离获取所述插值点的物理量信息。
2.根据权利要求1所述的方法,其特征在于,所述基于涡轮冷却叶片上已知样本点的物理量信息,确定插值点在不同方向的梯度数据,包括:
选取涡轮冷却叶片上与所述插值点的距离不大于距离阈值的多个样本点;
根据所述多个样本点的物理量信息,通过最小二乘法确定所述插值点在不同方向的梯度数据。
3.根据权利要求2所述的方法,其特征在于,所述选取涡轮冷却叶片上与所述插值点的距离不大于距离阈值的多个样本点,包括:
选取涡轮冷却叶片上与所述插值点的距离不大于所述距离阈值的多个第一样本点;
选取与所述第一样本点的距离不大于所述距离阈值的多个第二样本点。
4.根据权利要求1所述的方法,其特征在于,所述将所述梯度数据转换到指数函数空间,得到梯度修正因子,包括:
将所述梯度数据进行归一化处理,并将归一化的梯度数据转换到指数函数空间,得到所述梯度修正因子。
5.根据权利要求1所述的方法,其特征在于,根据所述梯度修正因子对所述样本点和所述插值点的欧氏距离进行修正,包括:
根据所述修正因子对所述样本点和所述插值点的坐标进行修正,得到修正样本点坐标和修正插值点坐标;
根据所述修正样本点坐标和所述修正插值点坐标进行距离计算,得到修正后的欧氏距离。
6.根据权利要求1所述的方法,其特征在于,所述基于修正后的欧氏距离获取所述插值点的物理量信息,包括:
将插值处理中所述样本点和所述插值点的初始欧氏距离,替换为所述修正后的欧氏距离;
基于所述修正后的欧氏距离进行所述插值处理,得到所述插值点的物理量信息。
7.根据权利要求6所述的方法,其特征在于,所述插值处理包括反距离加权法、径向基函数法和克里金法中的任意一种或多种。
8.一种适用于大梯度变化的涡轮冷却叶片数据插值装置,其特征在于,包括:
梯度数据确定模块,用于基于涡轮冷却叶片上样本点的物理量信息,确定插值点在不同方向的梯度数据;
修正因子确定模块,用于将所述梯度数据转换到指数函数空间,得到梯度修正因子;
欧氏距离修正模块,用于根据所述梯度修正因子对所述样本点和所述插值点的欧氏距离进行修正,并基于修正后的欧氏距离获取所述插值点的物理量信息。
9.一种电子设备,其特征在于,包括:
处理器;以及
存储器,用于存储所述处理器的可执行指令;
其中,所述处理器配置为经由执行所述可执行指令来执行权利要求1-7任意一项所述的适用于大梯度变化的涡轮冷却叶片数据插值方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1-7任意一项所述的适用于大梯度变化的涡轮冷却叶片数据插值方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410413090.0A CN118211412A (zh) | 2024-04-08 | 2024-04-08 | 适用于大梯度变化的涡轮冷却叶片数据插值方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410413090.0A CN118211412A (zh) | 2024-04-08 | 2024-04-08 | 适用于大梯度变化的涡轮冷却叶片数据插值方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118211412A true CN118211412A (zh) | 2024-06-18 |
Family
ID=91446838
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410413090.0A Pending CN118211412A (zh) | 2024-04-08 | 2024-04-08 | 适用于大梯度变化的涡轮冷却叶片数据插值方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118211412A (zh) |
-
2024
- 2024-04-08 CN CN202410413090.0A patent/CN118211412A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10056075B2 (en) | Systems and methods for accelerating hessian-free optimization for deep neural networks by implicit preconditioning and sampling | |
US20230131088A1 (en) | Optimization apparatus and control method thereof | |
CN112861459B (zh) | 全灵敏度对抗重要性抽样产量优化方法和装置 | |
CN112818535A (zh) | 建立电热仿真模型及获得电热仿真值的方法和装置 | |
Haridy et al. | An optimisation design of the combined np-CUSUM scheme for attributes | |
CN113723618A (zh) | 一种shap的优化方法、设备及介质 | |
CN114091281A (zh) | 产品寿命预测方法、装置、电子设备及存储介质 | |
US20030093235A1 (en) | Method and apparatus for detecting and correcting inaccuracies in curve-fitted models | |
CN113158589B (zh) | 一种电池管理系统的仿真模型校准方法以及装置 | |
CN113408070A (zh) | 发动机参数的确定方法、装置、设备及存储介质 | |
CN118211412A (zh) | 适用于大梯度变化的涡轮冷却叶片数据插值方法 | |
CN115511262A (zh) | 变压器质量检测方法及装置 | |
US5799172A (en) | Method of simulating an integrated circuit | |
CN115049003A (zh) | 一种预训练模型微调方法、装置、设备和存储介质 | |
JP5277781B2 (ja) | 消費電力見積プログラム、該プログラムを記録したコンピュータに読み取り可能な記録媒体、消費電力見積装置、および消費電力見積方法 | |
CN114066782A (zh) | 一种气动光学效应校正方法及装置 | |
CN114492736A (zh) | 一种基于梯度的样本学习难度度量方法及装置 | |
JP2019016163A (ja) | 磁性体シミュレーション装置、磁性体シミュレーションプログラム、及び磁性体シミュレーション方法 | |
US8826217B2 (en) | Modeling gate size range by using a penalty function in a numerical gate sizing framework | |
CN112732777A (zh) | 基于时间序列的头寸预测方法、装置、设备和介质 | |
US8718809B2 (en) | Comprehensive analysis of queue times in microelectronic manufacturing | |
CN110647519B (zh) | 对测试样本中的缺失属性值进行预测的方法及装置 | |
US20220077005A1 (en) | Data analysis method and electronic device, and storage medium | |
CN114372237B (zh) | 一种分布式状态估计方法 | |
CN112364292B (zh) | 一种基于Ransac的密集目标跟踪方法、装置、设备和介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination |