摘要
本发明公开了一种涡轮导向叶片冷却结构三维温度场快速预测方法,根据训练集依次构建原始温度场矩阵、温度场快照矩阵和温度场协方差矩阵;求解温度场协方差矩阵获得特征向量和特征值,利用特征值计算能量值,确定基函数和谱系数的个数以及对应值;根据谱系数的个数和输入的边界条件个数确定ANN模型的个数;根据POD的特点构建匹配POD方法特性的谱系数ANN模型的损失函数;利用训练好的ANN模型预测未知工况的谱系数,将谱系数与基函数结合快速重构未知工况的涡轮导向叶片冷却结构三维温度场。该方法构建了多个预测结果相互交叠的ANN模型,克服了现有POD方法与神经网络方法结合未考虑POD方法特性而导致预测精度低的缺陷。
技术关键词
涡轮导向叶片冷却结构
三维温度场
协方差矩阵
特征值
快照
工况
损失函数计算方法
神经网络方法
人工神经网络
训练集
重构
数据
数学
符号
分段
对象
精度
系统为您推荐了相关专利信息
表面肌电信号
生物力学模型
运动特征
粘弹性系数
耦合误差
浓度检测方法
粒子群优化算法
随机森林模型
引入粒子群优化
参数扫描方法
充电电池模组
能源管理系统
编码向量
语义
状态监测模块