C(NN)FD——多级轴流压气机空气动力学的深度学习建模
流体动力学
2025-03-19 v1 机器学习
摘要
科学机器学习及其在数值分析(如 CFD)中的应用近来引起了极大兴趣。尽管其可行性已在不同领域得到证明,但在叶轮机械领域,它尚未达到工业应用所需的鲁棒性和可扩展性水平。用于燃气轮机的多级轴流压气机中高度复杂、湍流且三维的流动是一个极具挑战性的案例。这是由于从几何和运行变量回归流场的高维性,以及与 CFD 域的大规模相关的高计算成本。本文展示了一个用于多级轴流压气机流场和气动性能预测的通用深度学习框架的开发与应用,该框架也可能适用于任何类型的叶轮机械。基于物理的降维方法释放了对大规模域进行流场预测的潜力,将回归问题从非结构化重构为结构化问题。利用相关的物理方程定义了一个多维物理损失函数。与"黑箱"方法相比,所提出的框架具有物理可解释的整体性能预测的优势,因为相应的气动驱动因子可以在 0D/1D/2D/3D 层面加以识别。所采用的迭代架构提高了预测精度,并估计了相关的不确定性。该模型在包含制造和装配变化、不同几何形状、压气机设计和运行条件的一系列数据集上进行训练。这证明了以可推广的方式预测流场和整体性能的能力,其精度可与基准相媲美。
引用
@article{arxiv.2503.14369,
title = {C(NN)FD -- Deep Learning Modelling of Multi-Stage Axial Compressors Aerodynamics},
author = {Giuseppe Bruni and Sepehr Maleki and Senthil K Krishnababu},
journal= {arXiv preprint arXiv:2503.14369},
year = {2025}
}