基于概率机器学习的气轮机叶片反向气动设计
信号处理
2021-08-24 v1 机器学习
摘要
工业燃气轮机（IGT）的关键部件之一是涡轮叶片。涡轮叶片的设计需要考虑多方面因素，如气动效率、耐久性、安全性和可制造性，这使得设计过程具有顺序性和迭代性。这些迭代的顺序性迫使设计周期很长，从几个月到几年不等。由于这些迭代的反应性本质，很少努力以允许深入探索和理解整个设计空间的方式积累数据。这一点在IGT各个部件的设计过程中尤为突出，导致潜在的效率未能实现。为了克服上述挑战，我们展示了一个概率反向设计机器学习框架（PMI），以执行显式的反向设计。PMI无需过多昂贵的迭代即可显式地计算出设计，并克服了与不适定反向问题相关的挑战。在这项工作中，该框架将在三维涡轮叶片的反向气动设计中得到演示。
引用
@article{arxiv.2108.10163,
title = {Inverse Aerodynamic Design of Gas Turbine Blades using Probabilistic Machine Learning},
author = {Sayan Ghosh and Govinda A. Padmanabha and Cheng Peng and Steven Atkinson and Valeria Andreoli and Piyush Pandita and Thomas Vandeputte and Nicholas Zabaras and Liping Wang},
journal= {arXiv preprint arXiv:2108.10163},
year = {2021}
}