汽轮机叶片流场及性能参数的预测方法及装置
- 国知局
- 2024-07-31 23:17:31
涉及叶片流场及性能参数预测领域。
背景技术:
1、汽轮机叶片的设计和性能测试是汽轮机设计的一个重要环节,而现阶段汽轮机叶片的性能测试仍旧以传统的cfd仿真计算为主要手段,由于传统的cfd计算方法需要占用巨大的计算资源,并且需要耗费大量的计算时间。
技术实现思路
1、为解决现有技术中,现阶段汽轮机叶片的性能测试仍旧以传统的cfd仿真计算为主要手段,由于传统的cfd计算方法需要占用巨大的计算资源,并且需要耗费大量的计算时间的技术问题,本发明提供的技术方案为:
2、汽轮机叶片流场及性能参数的预测模型构建方法,所述方法包括:
3、采集预设汽轮机叶片流场图和流场数据,作为样本数据集的步骤;
4、将所述样本数据集划分为训练集、验证集和测试集的步骤;
5、根据预设swin transformer预测模型和所述训练集,进行监督模型训练的步骤;
6、通过所述验证集,对训练得到的所述监督模型进行优化,至达到预设误差的步骤;
7、通过所述测试集,对优化得到的所述监督模型进行验证,若满足预设误差,则输出当前模型的步骤。
8、进一步,提供一个优选实施方式,所述流场数据具体为叶片性能参数数据。
9、进一步,提供一个优选实施方式,所述训练集、验证集和测试集的比例为4:4:2。
10、进一步,提供一个优选实施方式,采用均方误差mse作为损失函数,训练和优化所述监督模型。
11、进一步,提供一个优选实施方式,所述预设误差为采集到的人为输入的误差数值。
12、基于同一发明构思,本发明还提供了汽轮机叶片流场及性能参数的预测模型构建装置,所述装置包括:
13、采集预设汽轮机叶片流场图和流场数据,作为样本数据集的模块;
14、将所述样本数据集划分为训练集、验证集和测试集的模块;
15、根据预设swin transformer预测模型和所述训练集,进行监督模型训练的模块;
16、通过所述验证集,对训练得到的所述监督模型进行优化,至达到预设误差的模块;
17、通过所述测试集,对优化得到的所述监督模型进行验证,若满足预设误差,则输出当前模型的模块。
18、基于同一发明构思,本发明还提供了汽轮机叶片流场及性能参数的预测方法,所述方法包括:
19、根据待测汽轮机的叶片流场图和流场数据,通过所述的方法构建的预测模型,得到待测汽轮机的叶片性能参数预测结果的步骤。
20、基于同一发明构思,本发明还提供了汽轮机叶片流场及性能参数的预测装置,所述装置包括:
21、根据待测汽轮机的叶片流场图和流场数据,通过所述的装置构建的预测模型,得到待测汽轮机的叶片性能参数预测结果的模块。
22、基于同一发明构思,本发明还提供了计算机储存介质,用于储存计算机程序,当所述计算机程序被计算机读取时,所述计算机执行所述的方法。
23、基于同一发明构思,本发明还提供了计算机,包括处理器和储存介质,当所述处理器读取所述储存介质中储存的计算机程序时,所述计算机执行所述的方法。
24、与现有技术相比,本发明提供的技术方案的有益之处在于:
25、本发明提供的汽轮机叶片流场及性能参数的预测方法,相比传统的cfd计算方法,引入了基于swing transformer的深度学习模型,可以更高效、准确地预测汽轮机叶片流场及性能参数。
26、本发明提供的汽轮机叶片流场及性能参数的预测方法,通过构建swingtransformer模型并进行训练,可以快速获取叶片流场及性能参数。相比传统的cfd计算方法,该方案可以节省大量的计算资源和时间成本。
27、本发明提供的汽轮机叶片流场及性能参数的预测方法,区别于传统的cfd计算方法需要占用巨大的计算资源,并且需要耗费大量的计算时间。而基于swin transformer的预测方法可以更高效地获取叶片流场及性能参数,节省了计算资源和时间成本。
28、本发明提供的汽轮机叶片流场及性能参数的预测方法,基于swin transformer的深度学习模型在特征提取和参数预测方面展示出了其强大的性能和优势。相比传统的cfd计算方法,该方案可以更准确地预测汽轮机叶片流场及性能参数。
29、本发明提供的汽轮机叶片流场及性能参数的预测方法,基于swin transformer模型构建预测模型,可以高效、准确地获取汽轮机叶片流场及性能参数,相比传统的cfd计算方法具有明显的优势。
30、本发明提供的汽轮机叶片流场及性能参数的预测方法,可以应用于汽轮机叶片流场及性能参数的预测工作中,可以高效、准确地预测汽轮机叶片的流场和性能参数,减少计算资源和时间成本。
技术特征:1.汽轮机叶片流场及性能参数的预测模型构建方法,其特征在于,所述方法包括:
2.根据权利要求1所述的汽轮机叶片流场及性能参数的预测模型构建方法,其特征在于,所述流场数据具体为叶片性能参数数据。
3.根据权利要求1所述的汽轮机叶片流场及性能参数的预测模型构建方法,其特征在于,所述训练集、验证集和测试集的比例为4:4:2。
4.根据权利要求1所述的汽轮机叶片流场及性能参数的预测模型构建方法,其特征在于,采用均方误差mse作为损失函数,训练和优化所述监督模型。
5.根据权利要求1所述的汽轮机叶片流场及性能参数的预测模型构建方法,其特征在于,所述预设误差为采集到的人为输入的误差数值。
6.汽轮机叶片流场及性能参数的预测模型构建装置,其特征在于,所述装置包括:
7.汽轮机叶片流场及性能参数的预测方法,其特征在于,所述方法包括:
8.汽轮机叶片流场及性能参数的预测装置,其特征在于,所述装置包括:
9.计算机储存介质,用于储存计算机程序,其特征在于,当所述计算机程序被计算机读取时,所述计算机执行权利要求1所述的方法。
10.计算机,包括处理器和储存介质,其特征在于,当所述处理器读取所述储存介质中储存的计算机程序时,所述计算机执行权利要求1所述的方法。
技术总结汽轮机叶片流场及性能参数的预测方法及装置,涉及叶片流场及性能参数预测领域。为解决现有技术中,现阶段汽轮机叶片的性能测试仍旧以传统的CFD仿真计算为主要手段,需要耗费大量的计算时间的技术问题,本发明提供的技术方案为:包括:采集预设汽轮机叶片流场图和流场数据,作为样本数据集;将样本数据集划分为训练集、验证集和测试集;根据预设Swin Transformer预测模型和训练集,进行监督模型训练;通过验证集,对训练得到的监督模型进行优化,至达到预设误差;通过测试集,对优化得到的监督模型进行验证,若满足预设误差,则输出当前模型。通过该模型,对汽轮机叶片流场及性能参数进行预测。可以应用于汽轮机叶片流场及性能参数的预测工作中。技术研发人员:宋玉琴,汤琼,邓胜岳,曾飞受保护的技术使用者:湖南工业大学技术研发日:技术公布日:2024/7/29本文地址:https://www.jishuxx.com/zhuanli/20240730/196844.html
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。
下一篇
返回列表