基于深度学习的涡轮温度分布预测方法

一种基于深度学习的涡轮温度分布预测方法，用于燃气涡轮瞬态实验固体域温度分布随时间的演化预测，包含以下步骤：构建涡轮叶栅实验几何模型，并生成涡轮叶栅计算网格，根据涡轮叶栅几何模型加工得到涡轮叶栅试验件；构建燃气涡轮瞬态实验装置，确定涡轮叶栅的瞬态实验工况及边界条件，并构建瞬态热传导方程编码的循环神经网络；开展燃气涡轮瞬态实验，采集主流进口总温时序数据、涡轮叶栅试验件表面温度时序数据以及涡轮叶栅试验件的材料热物性参数，构成实验数据，训练所述循环神经网络，完成对实验工况的反演；利用完成训练的循环神经网络，对涡轮叶栅固体域稳定运行全阶段温度分布进行预测。本发明可以缩短瞬态实验时间显著降低瞬态实验成本。