基于不同压气机特性曲线预测方法的燃气轮机建模研究

为了提高燃气轮机模型的整体仿真精度,利用最小二乘法、BP神经网络法和XGboost算法对燃气轮机压气机特性曲线进行拟合。以某双轴燃气轮机为研究对象,将3种压气机特性曲线拟合结果应用到燃气轮机的整体仿真中。结果表明:在压气机特性曲线预测中,XGboost和BP神经网络对压气机特性曲线的拟合精度最高,最小二乘法的拟合精度相对较低;在燃气轮机的整体仿真中,3种方法对燃机截面参数的计算都能够达到很好的精度。其中基于XGboost算法的燃气轮机仿真模型对燃机截面参数的计算精度最高,最高平均相对误差仅为1.15%。压气机特性曲线的拟合精度直接影响燃气轮机截面参数的计算误差,利用XGboost算法和BP神经网络法对压气机特性曲线拟合能够为提高燃气轮机模型精度提供参考。

基于免疫算法的压气机特性曲线预测方法研究

针对压气机特性曲线预测精度较低、边界工况点处泛化能力较差的问题,提出基于免疫算法(IA)的BP神经网络预测模型和SVR预测模型。同时,为研究人工神经网络在压气机特性曲线预测中的应用,分别采用极限学习机、RBF、MEA-BP、IA-BP以及IA-SVR神经网络对某型燃气轮机压气机的性能关系进行模拟,分析5种神经网络模型在压气机特性曲线预测的优劣程度。结果表明:IA-BP神经网络模型收敛速度快,精度高,相对误差百分比更小,预测结果有更好的泛化能力,且适用于非设计工况条件下压气机特性曲线预测;IA-SVR模型的平均相对误差更小。免疫算法优化的模型可以提高拟合和预测的准确性,有利于燃气轮机组的建模与仿真。

压气机特性曲线精确分步拟合方法研究

针对压气机特性曲线分步拟合中坐标变换方法不明确的问题,提出先对压比进行坐标变换,坐标变换中的参数对折合转速进行拟合,之后折合流量或效率分两步对压比和折合转速进行拟合的改进方法。用多个指标对拟合结果进行了评估,给出了拟合阶次的选取方法。实例说明了改进方法的有效性,进一步说明了拟合中坐标变换的意义,以及第二步系数拟合中牛顿插值法和最小二乘法的适用情形。

基于MEA-BP神经网络的压气机特性曲线预测

针对燃气轮机建模过程中压气机特性曲线的预测在非设计工况条件下精度较低和泛化能力较差的问题,提出了一种基于思维进化算法(MEA)的BP神经网络预测模型。该模型融合了MEA全局寻优的能力,在神经网络的权值和阈值范围内,通过MEA的"趋同"和"异化"操作,得到全局最优解并将其应用于BP神经网络的初始值,进而通过迭代得到最优输出预测曲线。预测结果表明:与独立的BP神经网络相比,MEA-BP神经网络的预测结果具有更好的精度和泛化能力,相对误差也降低了很多。可见,该方法适用于压气机特性曲线的预测,有助于压气机的实际运行分析,为燃气轮机的整体建模打下了较好的基础。

某航空汽油机增压器特性的模拟研究

针对某航空汽油机的增压设计需求,进行了其机械增压器内气体流动的CFD模拟分析,得到了不同转速下该机械增压器的压比、流量和等熵效率等增压器特性参数,获得了不同转速下的压气机特性曲线以及流场分布结果,为该汽油机增压器的匹配和设计提供了数据支撑。