ТЕХНИЧЕСКАЯ МЕХАНИКА
ISSN 1561-9184 (печатная версия), ISSN 2616-6380 (електронная версия)

ГЛАВНАЯ    ПРО ЖУРНАЛ    РЕДКОЛЛЕГИЯ    АВТОРАМ    ТЕКУЩИЙ ВЫПУСК    АРХИВ    КОНТАКТЫ

УДК 533.697:004.89

Техническая механика, 2014, 1, 46 - 51

ПРИМЕНЕНИЕ ИСКУССТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ ДЛЯ РЕШЕНИЯ ОБРАТНОЙ ЗАДАЧИ ГАЗОДИНАМИКИ КОМПРЕССОРНЫХ РЕШЕТОК

Мелашич С. В.

      В настоящей работе представлено решение обратной задачи газодинамики компрессорных решеток с применением искусственных нейронных сетей (ИНС) путем обобщения экспериментальных данных, в качестве которых используются результаты продувок плоских решеток. На основе полученного решения разработана методика определения геометрических параметров решетки профилей по заданным параметрам потока на бесконечности перед и за решеткой. В данной методике используется ИНС, архитектура которой представляет собой многослойный персептрон, для расчета аэродинамических характеристик решетки профилей. Для проектирования ИНС применяется модифицированная модель классического генетического алгоритма. Обучение сети выполняется с использованием метода обратного распространения ошибки. Выполнена оценка эффективности разработанной методики путем решения обратной задачи газодинамики компрессорных решеток для заданных параметров течения и последующего определения аэродинамических характеристик решетки на основе численного моделирования турбулентного течения газа. Полученные результаты подтверждают работоспособность описанной в настоящей работе методики решения обратных задач газодинамики компрессорных решеток с применением ИНС для обобщения экспериментальных данных. Результаты настоящей работы могут быть использованы на этапе эскизного проектирования компрессорных венцов авиационных газотурбинных двигателей и различных энергоуста- новок. Их применение позволит автоматизировать и ускорить процесс проектирования, а также повысить энергетические характеристики выпускаемых образцов.

Компрессорная решетка, обратная задача газодинамики,аэродинамические характеристики, геометрические параметры решетки, искусственная нейронная сеть, проектирование искусственной нейронной сети, многослойный перцептрон.

1. Дорофеев Е. А. Применение искусственных нейронных сетей в задачах аэродинамического проекти- рования и определения характеристик летательных аппаратов / Е. А. Дорофеев, Ю. Н. Свириденко // Труды ЦАГИ. – 2002. – Вып. № 2655. – С. 73 – 86.

2. Бунимович А. И. Сборник аэродинамических характеристик плоских компрессорных решеток / А. И. Бунимович, Г. С. Орлова. – Выпуск 1. – М. : ЦИАМ, 1955. – 98 с.

3. Бунимович А. И. Сборник аэродинамических характеристик плоских компрессорных решеток / А. И. Бунимович, Г. С. Орлова. – Выпуск 2. – М. : ЦИАМ, 1955. – 83 с.

4. Комаров А. П. Аэродинамические характеристики 133 компрессорных решёток, составленных из профилей одного семейства (при малых скоростях набегающего потока) / А. П. Комаров. – Москва : ЦИАМ, 1955. – 79 с.

5. Beasley W. D. Experimental and theoretical low speed aerodynamic characteristics of the NACA 65 sub 1- 213, alpha equals 0.50, airfoil / W. D. Beasley, R. J. Mcghee // NASA TM X-3160. – 1975. – 74 p.

6. Zierke W. C. The measurement of boundary layers on a compressor blade in cascade / W. C. Zierke, S. Deutsch. – NASA CR 185118. – 1989. – 65 p.

7. Bo Song. Experimental and Numerical Investigations of Optimized High-Turning Supercritical Compressor Blades / Song Bo. – Dissertation submitted to the Faculty of the Virginia Polytechnic Institute and State University in partial fulfillment of the requirements for the degree of Doctor of Philosophy. – Blacksburg, Virginia, 2003. – 168 p.

8. Мелашич С. В. Определение аэродинамических характеристик компрессорных решеток путем обобщения экспериментальных данных с применением искусственной нейронной сети / С. В. Мелашич // Техническая механика. – 2012. – № 3. – C. 14 – 22.

9. Мелашич С. В. Способ параметрического описания профилей компрессорных решеток / С. В. Мелашич // Техническая механика. – 2012. – № 2. – С. 77 – 82.

10. Samareh J. A. Survey of Shape Parameterization Techniques for High-Fidelity Multidisciplinary Shape Optimization / J. A. Samaresh // AIAA Journal. – 2001. – Vol. 39, N. 5. – P. 877 – 884.

11. Song W. 2004 A Study of Shape Parameterisation Methods for Airfoil Optimization / W. Song, A. J. Keane // AIAA Paper 2004-4482. – 2004. – 8 p.

12. Sanz J. M. A Neural Network Aero Design System For Advanced Turbo-Engines / J. M. Sanz // NASA/CP- 1999-208757. – 1999. – 8 p.

13. Рутковская Д. Нейронные сети, генетические алгоритмы и нечеткие системы / Д. Рутковская, М. Пилиньский, Л. Рутковский. – М. : Горячая линия – Телеком, 2004. – 452 с.

14. Кваша Ю. А. Численное моделирование плоского турбулентного течения газа в компрессорных решётках / Ю. А. Кваша, С. В. Мелашич // Техническая механика. – 2007. – № 2. – С. 67 – 73.

15. Пилипенко В. В. Методика численного моделирования внутренних турбулентных течений газа / В. В. Пилипенко, С. В. Мелашич, Ю. А. Кваша // Техническая механика. – 2010. – № 4. – С. 22 – 33.

Copyright (©) 2014 Мелашич С. В.

Copyright © 2014-2018 Техническая механика