课题组研究成果《基于机器学习的涡轮叶片内部冷却结构优化设计:综述》发表于Energies期刊(IF:3.902)
发布时间:2026-11-18
点击次数:
- 发布时间:
- 2026-11-18
- 文章标题:
- 课题组研究成果《基于机器学习的涡轮叶片内部冷却结构优化设计:综述》发表于Energies期刊(IF:3.902)
- 摘要:
- 题目: Optimization Design of Internal Cooling Structures for Turbine Blades Based on Machine Learning: A Comprehensive Review 期刊: Energies,2026, 19(21), 5290 链接: https://doi.org/10.3390/en19215290 影响因子: 3.902 分区: 新锐期刊分区3区 内容简介:随着燃气轮机性能要求不断提高,涡轮叶片冷却结构优化设计已成为关键技术挑战。本文系统综述了机器学习方法在涡轮叶片冷却结构优化设计中的研究进展。首先回顾了涡轮叶片常见内部冷却方式,包括肋扰流冷却、针翅冷却和冲击冷却;其次详细分析了传统优化方法在叶片内部冷却结构优化设计中的应用与局限;在此基础上,全面综述了机器学习方法在内部冷却结构优化中的应用,涵盖人工神经网络、深度学习、生成对抗网络和物理信息神经网络等主流模型,以及遗传算法、非支配排序遗传算法、粒子群优化和模拟退火等主流优化算法;进一步讨论了数据增强技术、温度场重构、模型可解释性和优化结构演化规律等新兴研究方向。综述文献表明,机器学习方法能够显著提升冷却结构优化的效率与精度,可为下一代燃气轮机冷却设计提供有力支撑。
- 内容:
无




