一种基于量纲相似原理的叶轮机械设计优化方法及系统

本发明提供一种基于量纲相似原理的叶轮机械设计优化方法及系统，包括：基于叶轮机械流场物理量参数建立量纲矩阵，通过求解约束方程，获得缩放参数的标准正交基，生成缩放参数；基于所述缩放参数生成增强数据样本并训练神经网络：基于训练后的神经网络对目标叶轮机械的几何参数、工况参数及空间坐标进行训练，完成优化。本发明通过深度学习模型与量纲相似数据增强方法的结合，在较少样本条件下亦可获得高准确度的物理场预测，因而能够显著缩短叶轮机械等工程领域的迭代设计周期。该方法在跨工况和跨设计变量组合的泛化能力上有明显优势，有效降低对海量数值模拟数据的依赖，大幅提升优化设计的整体效率。