基于神经网络的燃烧室壁面冷效预测方法

现代重型燃气轮机燃烧室的研发过程中,产生了大量的数值模拟和试验数据。其中,燃烧室火焰筒采用了先进发散冷却技术。该技术中,壁面冷效受发散孔型、主流/冷气压损等参数影响,难以建立基于理论模型和经验关联式的方法进行回归预测。针对工业研发产生的壁面冷效数据集,该文提出了基于人工特征选择、小批量化和归一化的数据预处理技术,建立反向传播(back propagation, BP)神经网络和径向基核函数(radial basis function, RBF)神经网络2种优化的神经网络模型,并通过交叉验证与网格搜索对算法模型进行超参数寻优,最终实现燃烧室壁面冷效的高精度场重建和高精度预测,场重建精度达90%,预测精度达85%,满足了工业燃烧室设计迭代中的实际工程需求。