基于深度学习的透平机械叶型设计及性能预测方法

摘要

本发明公开了一种基于深度学习的透平机械叶型设计及性能预测方法，该方法包括搭建设计透平机械叶型的生成对抗神经网络GAN，训练GAN，使用生成器Generator生成叶型样本，搭建对叶型进行自动建模、网格划分、流场求解及性能评估的计算框架，使用自动化框架对样本叶型进行批量CFD计算获取气动性能参数集，各叶高截面叶型表面压力分布数据预处理，构建叶型气动性能预测的卷积神经网络CNN，训练CNN以及使用Generator、Predict Net和Score Net进行叶型设计及性能预测等9个步骤。本发明构建起一整套基于深度学习技术，从叶型设计参数到获得叶型型线、叶型表面压力分布，直至叶型气动性能指标的端到端设计与性能预测框架，显著提高了透平机械叶型设计及性能预测的效率。