集成高斯过程回归与贝叶斯优化以设计针翅的全自动框架
流体动力学
2023-01-31 v1 机器学习
数值分析
数值分析
数据分析、统计与概率
摘要
针翅在涡轮叶片冷却中至关重要。因此，针翅的设计在过去得到了大量研究。随着金属增材制造的发展，面向复杂几何形状的新颖设计方法如今可行。为此，本文提出了一种贝叶斯优化方法，用于设计能够实现低压损的顺排针翅。针翅形状使用特征化（参数化）的分段三次样条在二维中定义。形状的复杂程度取决于用于分析的样本样条数量。从方法开发的角度，研究使用三条样条进行。由于这种分段建模，一个独特的针翅设计由五个特征定义。在指定设计后，开发了基于计算流体动力学的模型来计算流动过程中的压降。在基于高斯过程的代理模型上执行贝叶斯优化，以获得使压降最小的针翅特征的最优组合。结果表明，该优化趋向于接近气动设计，导致低压降，与现有知识相符。此外，进行了多次具有不同输入数据量的优化迭代。结果揭示，仅需最少二十五个初始试验设计数据点用于代理模型，即可收敛到相似的最优设计。敏感性分析表明，针翅排间距离是对压降影响最显著的特征。总之，新开发的自动化框架在设计具有优越性能特征的针翅方面展现出显著能力。
引用
@article{arxiv.2301.13118,
title = {A Fully-Automated Framework Integrating Gaussian Process Regression and Bayesian Optimization to Design Pin-Fins},
author = {Susheel Dharmadhikari and Reid A. Berdanier and Karen A. Thole and Amrita Basak},
journal= {arXiv preprint arXiv:2301.13118},
year = {2023}
}