结合神经网络与共形几何的水轮机叶轮叶形优化方法

本发明公开了一种结合神经网络与共形几何的水轮机叶轮叶形优化方法，包括以下步骤：选取多种叶形参数构建样本集，然后应用共形映射技术把样本映射至二维平面，并计算出共形因子；通过对样本执行流固耦合分析，收集位移场数据；采用经过改良的全局注意力机制的U‑NET神经网络进行处理，网络通过学习共形因子与位移场数据间的相互作用，达到优化叶轮叶形的目标；利用遗传算法细化共形因子。本发明方法利用神经网络分析水轮机叶轮共形因子与优化函数值之间的关系，从而识别出能够使目标函数达到最佳状态的共形因子，并据此确定最优叶轮叶形。也显著提高了水轮机叶轮的性能，对于增进水能转换设备的运行效率及其经济价值具有显著的意义。