摘要
本发明提供了一种涡轮叶片热障涂层厚度分布优化方法、电子设备及介质,本发明的方法包括:将涡轮叶片热障涂层分成多个区域,改变至少1个区域的热障涂层厚度,得到多个不同热障涂层厚度分布;采用机器学习网络模型构建目标值的预测模型,以多个不同热障涂层厚度分布作为机器学习网络模型的输入,训练所述机器学习网络模型,得到目标值预测模型;采用多目标遗传算法获取热障涂层厚度分布的Pareto最优解。本发明通过合理优化热障涂层厚度分布以优化涂层表面热负荷分布,提升涡轮叶片的综合冷却效应;本发明兼顾较高的综合冷却效率与较低的压力损失系数,提高涡轮叶片的服役性能和经济性。
技术关键词
热障涂层厚度
涡轮叶片热障涂层
分布优化方法
仿真分析
遗传算法
深度神经网络模型
支持向量回归
电子设备
控制点
变形方法
基底
处理器
表达式
动态更新
压力
可读存储介质
系统为您推荐了相关专利信息
误差分析方法
数控机床加工过程
误差分析系统
误差预测
加权主成分分析
高密度互连结构
先进封装结构
仿真分析方法
立体模型
绝缘材料参数
列车通信网络
通信网络拓扑
调度优化方法
调度优化装置
序列
电力系统负荷
转移方法
电力系统参数
遗传算法技术
电力系统故障