基于可逆神经网络的气体涡轮压缩器生成式设计
人工智能
2026-04-28 v1
摘要
实现100%氢燃料高效气体涡轮低NOx预混模式燃烧的需求要求彻底重新设计燃烧系统，以确保无闪回稳定运行。由于所有机架功率范围从4 MW到600 MW均受影响，预计将面临巨大的设计工作。为减少这一工作量，尤其是在不同机类之间转移知识，利用最新人工智能技术的生成式设计方法将提供有前景的潜力。本文采用当前人工智能技术的最新进展来解决这一挑战。我们在可扩展的几何参数化燃烧器设计数据库上训练了一个可逆神经网络（INN），并拟合模拟的性能标签。利用INN的逆向功能，可生成满足指定性能标签的多个设计方案。
引用
@article{arxiv.2604.24322,
title = {Generative Design of a Gas Turbine Combustor Using Invertible Neural Networks},
author = {Patrick Krüger and Hanno Gottschalk and Werner Krebs and Bastian Werdelmann},
journal= {arXiv preprint arXiv:2604.24322},
year = {2026}
}