结合双线学习神经网络与共形映射的水轮机叶片拓扑优化方法

本发明公开了一种结合双线学习神经网络与共形映射的水轮机叶片拓扑优化方法。首先，通过共形映射算法将水轮机叶片模型映射到二维平面，生成数据样本库以及相应的共形因子。采用流固耦合分析获得模型节点在特定流场条件下的外力场和位移场。本发明方法通过引入全局注意U—NET神经网络，并将共形因子、结构拓扑、外力场和位移场作为网络的输入输出，进行神经网络的训练。优化过程减少了对传统有限元分析的依赖，提高了优化效率，并通过离线学习与在线学习的结合，实现了水轮机叶片的高效拓扑优化，进而提升了水轮机的性能和可靠性。