基于深度学习的涡轮叶片不稳定压力的简化阶模型
流体动力学
2025-08-25 v3
摘要
在跨音速涡轮级中，来自喷嘴导叶片的尾缘冲击与涡轮叶片之间的复杂相互作用产生不稳定壁面压力场，从而影响涡轮的气动性能和结构完整性。尽管冲击相关现象突出，但在亚音速区间也可能源于湍流相互作用引发不稳定压力波动。传统方法如不稳定雷诺平均Navier-Stokes方程（URANS）仿真准确且可靠，但计算成本高昂。为此，本文提出一种基于深度学习的简化阶模型（ROM），其构建于URANS仿真数据库之上，以预测涡轮叶片上不稳定压力场，计算成本显著降低。该模型集成变分自编码器（VAE）与门控循环单元（GRU），用于捕捉时序数据，克服了传统线性简化阶模型在捕捉非线性现象（如移动冲击）方面的局限性。目标是开发一种能够精确再现URANS仿真中不稳定压力场的简化阶模型，同时大幅降低计算成本。该模型应用于Turbine Aero-Thermal External Flows（TATEF2）项目配置，该配置是涡轮机械研究中的典型测试案例。通过机器学习质量指标和设计导向准则（包括不稳定压力场傅里叶变换中第一谐波的精度）评估模型性能。还分析了仿真数据库规模对模型精度的影响，考虑所需训练仿真数量以实现特定任务精度这一因素对于工业应用的可行性至关重要。
引用
@article{arxiv.2503.00013,
title = {Reduced order modeling of the unsteady pressure on turbine rotor blades using deep learning},
author = {Dominique Joachim and Salesses Lionel and Thomas Jean-François and Baert Lieven and Benamara Tariq and Mastrippolito Franck and Flament Theo},
journal= {arXiv preprint arXiv:2503.00013},
year = {2025}
}