期刊导航
期刊开放获取
重庆大学
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于数据驱动的可控变形叶型优化方法
被引量:
1
1
作者
龙嘉明
潘天宇
+2 位作者
李宸璋
郑孟宗
李秋实
《航空动力学报》
EI
CAS
CSCD
北大核心
2023年第7期1703-1714,共12页
重点研究了综合考虑变形代价及气动收益的可控变形叶型优化设计方法。利用机器学习算法构建叶型几何与关键气动参数之间的预测模型,量化变形代价及气动收益,并搭建贝叶斯优化框架进行寻优。结果表明:基于机器学习的预测及优化框架能够...
重点研究了综合考虑变形代价及气动收益的可控变形叶型优化设计方法。利用机器学习算法构建叶型几何与关键气动参数之间的预测模型,量化变形代价及气动收益,并搭建贝叶斯优化框架进行寻优。结果表明:基于机器学习的预测及优化框架能够准确预测风扇变形后的气动性能,且在考虑变形代价的条件下对叶型变形收益边界进行评估。主要结论是利用机器学习算法结合叶斯寻优框架可以获得兼顾变形代价以及气动收益的变形方案。相比于单纯的气动优化方案,此方案可以在保证气动性能提升的同时,使叶片最大应力降低14.17%,压电片驱动能耗降低67.45%。
展开更多
关键词
超声风扇
可控变形
智能材料
机器学习
贝叶斯优化
原文传递
题名
基于数据驱动的可控变形叶型优化方法
被引量:
1
1
作者
龙嘉明
潘天宇
李宸璋
郑孟宗
李秋实
机构
北京航空航天大学航空发动机研究院
中国航空发动机研究院先进航空动力创新工作站
北京航空航天大学能源与动力工程学院
西华大学流体与动力机械重点实验室
出处
《航空动力学报》
EI
CAS
CSCD
北大核心
2023年第7期1703-1714,共12页
基金
国家自然科学基金(51976005)
国家科技重大专项(2017-Ⅱ-0005-0018)
+1 种基金
先进航空动力创新工作站(依托中国航空发动机研究院设立)(HKCX2020-02-013)
航空发动机及燃气轮机基础科学中心项目(P2022-B-Ⅱ-004-001)。
文摘
重点研究了综合考虑变形代价及气动收益的可控变形叶型优化设计方法。利用机器学习算法构建叶型几何与关键气动参数之间的预测模型,量化变形代价及气动收益,并搭建贝叶斯优化框架进行寻优。结果表明:基于机器学习的预测及优化框架能够准确预测风扇变形后的气动性能,且在考虑变形代价的条件下对叶型变形收益边界进行评估。主要结论是利用机器学习算法结合叶斯寻优框架可以获得兼顾变形代价以及气动收益的变形方案。相比于单纯的气动优化方案,此方案可以在保证气动性能提升的同时,使叶片最大应力降低14.17%,压电片驱动能耗降低67.45%。
关键词
超声风扇
可控变形
智能材料
机器学习
贝叶斯优化
Keywords
supersonic fan
controllable morphing
smart material
machine learning
Bayesian optimization
分类号
V235.16 [航空宇航科学与技术—航空宇航推进理论与工程]
原文传递
题名
作者
出处
发文年
被引量
操作
1
基于数据驱动的可控变形叶型优化方法
龙嘉明
潘天宇
李宸璋
郑孟宗
李秋实
《航空动力学报》
EI
CAS
CSCD
北大核心
2023
1
原文传递
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部