[发明专利]一种基于数据可信度的叶轮机械损失模型构建方法

说明书

本发明涉及叶轮机械气动热力学领域，尤其涉及一种基于数据可信度的叶轮机械损失模型构建方法。对叶轮机械数据库中的数据可信度进行评估，获得计入数据可信度的叶轮机械数据库；对叶片几何参数、气动参数进行敏感性分析，建立叶轮机械损失模型表达式形式；借助计入数据可信度的优化算法对损失模型表达式系数进行求解得到基于数据可信度的叶轮机械损失模型。将试验数据可信度、仿真数据可信度、几何参数可信度和流场参数可信度有效纳入叶轮机械损失模型的建立，基于有限的数据库为目标叶型建立定制化损失模型，解决了数据精度不同、叶片构型不同、典型流动参数不同引起的损失模型预测差异较大的难题。

技术领域

本发明涉及叶轮机械气动热力学领域，涉及一种叶轮机械损失模型构建方法，尤其涉及一种基于数据可信度的叶轮机械损失模型构建方法。

背景技术

叶轮机械被广泛应用于能源和动力领域，比如航空发动机、地面和船用燃气轮机、汽轮机以及压缩空气储能系统等等。叶轮机械气动设计是一个低维到高维逐步递进和反复优化的过程，低维设计是高维设计的基础，在低维设计阶段，准确的损失预测可以为高维设计奠定良好的基础，有效缩短设计周期。

由于叶轮机械气动性能受到多种几何和气动参数的复杂影响，损失模型本身呈现多参数影响下的强非线性特征，损失模型的准确性较大程度地依赖于构建模型所用的数据库，其构成来源较复杂，主要包括文献公开的试验或者数值仿真数据，这些数据存在试验误差不同、数值仿真精度不同、以及叶片构型不同等，因此同一种叶型采用不同损失模型获得的预测结果差异较大。也就是说，由于模型构建时所依托的数据库精度不同、数据分布与目标叶型的差异，会导致损失预测模型的预测精度不足。

然而目前尚未有针对损失模型构建数据有效性的系统性评价，实际设计过程中，多采用试凑的方法，如某一叶型在某一流场下的试验结果与某一损失模型预测一致，则认为该损失模型适用，比较依赖经验，并没有从根源上有效地改进损失模型。如何将已有的试验和仿真数据有效纳入损失模型的建立当中，以提高损失模型的预测精度，这缺乏相应的研究方法。

发明内容

有鉴于此，本发明的主要目的在于提供一种基于数据可信度的叶轮机械损失模型构建方法，以期至少部分地解决上述技术问题中的至少之一。本发明通过对叶轮机械数据库中的数据可信度进行评估，获得计入数据可信度的叶轮机械数据库；对叶片几何参数、气动参数进行敏感性分析，建立叶轮机械损失模型表达式形式；借助计入数据可信度的优化算法对损失模型表达式系数进行求解得到基于数据可信度的叶轮机械损失模型。将试验数据可信度、仿真数据可信度、几何参数可信度和流场参数可信度有效纳入叶轮机械损失模型的建立，基于有限的数据库为目标叶型建立定制化损失模型，解决了数据精度不同、叶片构型不同、典型流动参数不同引起的损失模型预测差异较大的难题。

本发明为实现其技术目的所采用的技术方案为：

一种基于数据可信度的叶轮机械损失模型构建的方法，其特征在于，所述方法至少包括以下步骤：

SS1.对已有叶轮机械数据库中的叶片数据进行可信度评估，形成计入数据可信度的叶轮机械数据库；

SS2.利用步骤SS1形成的计入数据可信度的叶轮机械数据库，对叶轮机械的相关几何参数、气动参数进行敏感性分析，确定损失模型各个部分将计及的参数以及损失模型的表达式形式；

SS3.利用步骤SS1形成的计入数据可信度的叶轮机械数据库，利用计入数据可信度的优化算法对步骤SS2确定的损失模型中相关经验系数进行求解，得到叶轮机械损失模型的具体表达式。