摘要
本发明公开了一种CFD和AI耦合通用风机叶片优化方法和系统,所述方法包括选定叶形并确定设计空间,采用拉丁超立方采样方法在设计空间内生成备选风机叶片设计方案,构建CFD‑PINN模型模拟不同备选设计方案的风机捕风性能,生成多种风机捕风性能指标;将风机叶形设计方案及多维风机捕风性能指标保存到云平台CFD仿真方案库中,基于样本数据库建立自适应多核高斯过程回归AMGPR模型,利用改进波搜索算法IWSA优化AMGPR模型超参数,预测不同风机叶形设计方案的捕风性能指标;利用CFD‑PINN模型计算优化后设计方案对应性能指标,比较AMGPR模型预测指标和CFD‑PINN模型模拟指标的偏差;本发明有效实现了风机叶片的智能高效优化设计,极大提高了风机捕风性能。
技术关键词
风机叶片
模型超参数
拉丁超立方采样
翼型叶片
湍流模型
涡轮叶片
搜索算法
偏差
涡流
处理器
指数
因子
动能
可读存储介质
网格
粒子
系统为您推荐了相关专利信息
永磁
BP神经网络拟合
可靠性评估方法
耦合动力学模型
Kriging模型
LSTM神经网络
智能传感器
阶段
温室控制系统
模型预测方法
变压器运行数据
ARIMA模型
LSTM模型
智能控制方法
残差数据