您的位置: 专家智库 > >

郭振东

作品数:15 被引量:36H指数:3
供职机构:西安交通大学能源与动力工程学院更多>>
发文基金:国家自然科学基金国家教育部博士点基金国家科技重大专项更多>>
相关领域:动力工程及工程热物理航空宇航科学技术理学更多>>

文献类型

  • 15篇中文期刊文章

领域

  • 7篇动力工程及工...
  • 4篇航空宇航科学...
  • 4篇理学

主题

  • 4篇端壁
  • 4篇展弦比
  • 4篇知识挖掘
  • 4篇气动
  • 4篇非轴对称端壁
  • 3篇数据挖掘
  • 3篇全局优化
  • 3篇涡轮
  • 2篇代理
  • 2篇代理模型
  • 2篇叶片
  • 2篇优化算法
  • 2篇气动优化
  • 2篇气膜
  • 2篇气膜冷却
  • 2篇全局优化算法
  • 2篇热性能
  • 2篇换热
  • 2篇换热性能
  • 2篇KRIGIN...

机构

  • 15篇西安交通大学
  • 2篇中国航发沈阳...
  • 1篇东方汽轮机有...
  • 1篇重庆通用工业...

作者

  • 15篇李军
  • 15篇宋立明
  • 15篇郭振东
  • 9篇丰镇平
  • 2篇宋英杰
  • 1篇梁崇治
  • 1篇孙皓
  • 1篇陈红梅
  • 1篇李国君
  • 1篇聂俊

传媒

  • 5篇工程热物理学...
  • 5篇西安交通大学...
  • 3篇推进技术
  • 1篇力学学报
  • 1篇航空发动机

年份

  • 1篇2024
  • 4篇2023
  • 2篇2019
  • 1篇2018
  • 3篇2016
  • 3篇2015
  • 1篇2013
15 条 记 录,以下是 1-10
排序方式:
采用动态交互作用分析的叶轮机械优化算法研究
2023年
针对当前基于代理模型的优化算法因遭遇“维度灾难”而难以开展叶轮机械高维优化的难题,提出了自适应厘清变量间关系的动态聚合全局优化算法。该算法能在不消耗额外样本的条件下获取设计变量间的交互信息,并基于该信息一方面将高维问题分解为多个低维问题,实现高维问题的高效优化,另一方面为后续知识挖掘提供信息基础。在完成典型30维函数算例测试后,利用所提出的算法完成了包含28个设计变量的Rotor 37叶栅气动优化与设计空间知识挖掘。结果表明,优化后,Rotor 37叶栅设计工况效率相对参考设计提高了1.69%,且变工况性能相对参考设计亦有不同程度提高。在获得最优解的同时,所提出的算法还厘清了Rotor 37叶栅设计空间各变量间交互作用关系。进一步,结合算法所揭示的变量交互作用进行知识挖掘与CFD验证,证明对分离线附近型线进行微调可有效降低激波与边界层相互作用,从而提高跨声速叶栅的气动性能。由此,所提出的算法在求解高维大资源叶轮机械优化设计问题上的适用性和有效性得到验证。
汪祺能宋立明郭振东李军丰镇平
关键词:叶轮机械轴流压气机知识挖掘
凹槽状叶顶气膜孔优化设计与知识挖掘被引量:11
2019年
为改善叶顶气膜冷却效果,基于全局优化算法,引入数据挖掘技术,建立了凹槽状叶顶气膜孔优化设计与数据挖掘框架。以叶顶的平均气膜有效度为优化目标和以冷气流量为约束条件,对GE_E3动叶叶顶的气膜孔进行优化设计。优化后叶顶的平均气膜有效度提高了3.7倍。流动结构与冷却分析表明,优化后气膜孔的分布得到了改善,孔径的改变使得冷气流量分布更为合理,从而增加了叶顶前缘的气膜覆盖面积,增强了主流对冷气的压制效应,喷射冷气更加贴近壁面,叶顶的平均气膜有效度显著提高。同时通过对设计空间进行知识挖掘,探究设计空间信息,结果表明叶顶前缘气膜孔对叶顶气膜冷却影响显著,增大叶顶前缘气膜孔孔径,将前缘气膜孔向前缘移动,减小中部气膜孔间距,可有效改善叶顶气膜冷却效果。
李琛玺郭振东宋立明李军丰镇平
关键词:气膜冷却全局优化算法知识挖掘
显著变量识别与高温叶片多学科设计优化方法被引量:2
2016年
针对高温叶片气热多学科优化设计问题中设计变量过多造成的维数灾难问题,提出了基于数据挖掘技术的显著变量识别方法。采用显著变量识别方法剔除了对高温叶片Mark II气热性能影响小的设计变量,使设计变量个数从36个减少为15个。通过耦合共轭换热分析方法、三维叶片及冷却系统参数化方法以及自适应多目标差分进化算法,建立了高温叶片多学科多目标设计优化系统。基于显著变量识别方法获得的设计变量,完成了Mark II型叶片的气热性能多学科设计优化。优化获得了9个Pareto解,典型Pareto解的气热分析结果表明,优化后叶片的气热性能明显优于原始叶片,验证了基于数据挖掘技术的高温叶片多学科设计方法的有效性。
宋英杰郭振东宋立明李军丰镇平
关键词:数据挖掘
排汽缸全局气动优化及设计知识挖掘方法被引量:4
2015年
为了提高排汽缸的气动性能,探索排汽缸的设计规律,耦合基于子元模型的全局优化算法、三阶贝塞尔曲线的三维排汽缸参数化方法、RANS(Reynolds-Averaged Navier-Stokes)方程求解方法与基于总变差分析的数据挖掘技术,提出了健壮高效的排汽缸设计优化与知识挖掘方法。在考虑末级叶片和排汽缸之间相互作用的基础上,选取静压恢复系数最大为目标函数,对低压排汽缸进行了设计优化与知识挖掘。优化得到的排汽缸静压恢复系数从0.165提高到了0.516。采用基于总变差分析的数据挖掘技术并结合排汽缸气动性能分析,阐明了设计变量与目标函数之间的相互影响机制。研究结果表明:扩压器出口宽度、排汽缸外缸宽度、外导流环高度和外导流环出口角度对排汽缸气动性能有显著影响。所建立的排汽缸优化设计方法和知识挖掘技术为高性能排汽缸设计提供了工具。
祝培源郭振东陈红梅宋立明李军
关键词:排汽缸知识挖掘
高温叶片换热性能不确定性量化被引量:2
2015年
结合共轭换热分析方法和基于拉丁超立方采样与Kriging近似模型的蒙特卡罗方法,提出了高温叶片换热性能不确定性量化方法。在量化主流进口总压、总温、湍流强度以及冷气进口总压四个运行参数的不确定性的基础上,对高温叶片MarkII进行了换热性能不确定性量化。分析了不确定性工况参数对叶片最高温度和最大温度梯度两个关键随机输出参数的影响,并通过设定最高温度和最大温度梯度的临界值,进行了可靠性分析。计算结果表明,不确定性参数可导致叶片最高温度增加42.3 K,最大温度梯度增加2.20 K·mm^(-1);最高温度下和最大温度梯度下的可靠度分别为94.2%和97.0%;主流进口总温不确定性对叶片换热性能和寿命影响最大。
宋英杰聂俊郭振东宋立明李军丰镇平
关键词:蒙特卡罗模拟
融合多源数据挖掘信息的非轴对称端壁/叶身联合成型设计空间知识挖掘
2024年
为厘清联合成型设计空间各造型方法对涡轮叶栅性能提升的贡献,将基于总变差分析的全局敏感性分析方法与平行坐标系及直方图、散点图等可视化技术相结合,提出了将多源数据挖掘信息进行融合的设计空间知识挖掘框架,并利用该框架对某小展弦比叶栅端壁/叶身联合成型设计空间进行知识挖掘。结果表明:叶栅气动损失增减对基元型线微调十分敏感;非轴对称端壁所带来的损失减少量与型线微调接近,但设计空间内不同非轴对称端壁样本性能波动较小,导致其重要性被全局敏感性分析方法低估;虽然单独采用弯叶片难以整体降低小展弦比叶栅损失,但将弯、型线微调和非轴对称端壁造型相结合可获得“1+1+1>3”的性能增益;在端壁/叶身联合成型设计空间内,将基元型线朝着后加载方向微调,并采用喉部附近下凹较深的非轴对称端壁造型及反弯叶片设计,可获得气动损失较小的叶栅设计。研究结果明晰了端壁/叶身联合成型设计空间优化解特征,可为类似小展弦比叶栅设计优化提供借鉴。
郭振东王杰陈云蒋首民宋立明李军
关键词:数据挖掘
小展弦比调节级三维多目标气动优化设计
2013年
大功率汽轮机调节级动叶是典型小展弦比叶片。动叶通道内上下通道涡交汇,流动呈现强烈的三维特性,其设计优化本质上是一个三维优化问题。结合自适应多目标差分进化算法、基于能量法的三维叶片造型方法和RANS方程求解技术,发展了轴流式叶栅三维多目标气动优化设计方法。利用该方法,完成了某典型大功率汽轮机调节级多目标气动优化设计。优化后小展弦比调节级气动性能明显提高,表明该方法具有良好的优化性能和应用前景。
宋立明郭振东李军丰镇平
关键词:调节级多目标
基于Kriging的不确定性量化及鲁棒性优化的研究被引量:1
2019年
基于Kriging代理模型,提出了适用于多维、不同概率分布的不确定性量化方法。耦合自适应多目标差分进化算法和RANS方程求解技术,建立了鲁棒性优化设计框架。在数值验证基础上,考虑进口雷诺数和倒角半径的不确定性,以综合换热性能的均值最大、方差最小为目标,完成了内冷通道三角形涡发生器强化换热鲁棒性优化设计。最优设计的平均综合换热性能提升超过11.5%,且性能对不确定性变量的敏感度显著降低。最后,通过流场分析揭示了最优设计换热性能提升的主要原因。
陶志郭振东李琛玺宋立明李军丰镇平
非轴对称端壁设计的高负荷涡轮气热性能研究进展被引量:3
2018年
非轴对称端壁设计因能够有效地减少涡轮叶栅的二次流损失和提高气动性能而在高负荷涡轮设计中得到应用。简要回顾了涡轮叶栅二次流模型和非轴对称端壁造型方法,重点综述了非轴对称端壁设计的高负荷涡轮气动性能研究进展和抑制端壁二次流的作用机制,介绍了非轴对称端壁设计的高负荷涡轮端壁气热耦合作用的冷却特性研究进展,总结了高负荷涡轮非轴对称端壁设计技术的应用成果,展望了非轴对称端壁设计在高负荷涡轮的高效气动和冷却布局应用方面需要深入研究的内容。
李军宋立明宋立明郭振东
关键词:非轴对称端壁试验测量数值模拟
融合相似性原理的涡轮叶型流场预测方法研究
2023年
计算流体力学(CFD)方法是涡轮叶片等设计阶段性能评估的重要手段.然而,基于CFD的数值仿真方法通常比较耗时,难以满足涡轮叶型设计阶段快速迭代的需求.为实现快速性能评估并克服纯数据驱动预测模型泛化能力不足的问题,受到物理增强的机器学习思路的启发,将相似性原理与深度学习模型相结合,提出了一种泛化能力强的涡轮叶型流场预测新方法.以涡轮叶片表面等熵马赫数分布预测为例,提出采用相似性原理对叶型几何变量和气动参数进行归一化,进而在归一化参数空间构建训练样本集与深度学习预测模型,由此建立统一的流场预测模型,对几何尺寸、边界条件差异较大的叶型气动性能进行评估.在完成模型训练后,对归一化条件下不同工况/不同形状叶型的流场、真实环境下不同工况/不同尺寸叶型的流场以及GE-E3低压涡轮不同截面叶型的流场进行预测,结果表明预测结果的分布曲线与CFD评估结果吻合良好,平均相对误差在1.0%左右,由此验证了所提出的融合相似性原理的流场预测模型的精度与泛化能力.
郭振东成辉陈云蒋首民宋立明李军丰镇平
关键词:气动分析
共2页<12>
聚类工具0