文献

J-GLOBAL ID：202202222302224304   整理番号：22A0923139

教師つき学習アプローチを用いたガスタービン冷却性能の高速予測と感度解析【JST・京大機械翻訳】

Fast prediction and sensitivity analysis of gas turbine cooling performance using supervised learning approaches

著者 (6件)： Wang Qi (School of Mechanical Engineering, Shanghai Jiao Tong University, Shanghai, 200240, China) ,  Wang Qi (State Key Laboratory of Aerodynamics, Mianyang, Sichuan, 621000, China) ,  Yang Li (School of Mechanical Engineering, Shanghai Jiao Tong University, Shanghai, 200240, China) ,  Yang Li (State Key Laboratory of Aerodynamics, Mianyang, Sichuan, 621000, China) ,  Huang Kang (State Key Laboratory of Aerodynamics, Mianyang, Sichuan, 621000, China) ,  Huang Kang (China Aerodynamics Research and Development Center, Mianyang, Sichuan, 621000, China)
資料名： Energy  (Energy)
巻： 246  ページ： Null  発行年： 2022年 
JST資料番号： H0631A  ISSN： 0360-5442  CODEN： ENEYDS  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： タービン冷却性能のための高速予測ツールは,反復設計プロセスと総合的応答解析と感度解析をサポートするために,数十年間,産業によって要求されてきた。本研究は,ガスタービンブレードの設計のための包括的に評価された深層学習ベースのデータモデリングツールを確立することを目指した。形状はリブ付きチャネルとフィルム冷却孔を有する空冷翼であり,広範囲の幾何学的パラメータ内で大域的に変形した。任意の範囲形状および境界条件の下で,内部熱伝達係数および外部断熱膜冷却有効性の分布をモデル化するために,条件付遺伝的アルゴリズムを構築した。一連の単一点試験,応答解析,および感度解析を訓練モデルを用いて行い,計算流体力学結果と比較し,モデル性能を包括的に評価した。結果は,モデルが冷却性能分布の正確な予測を提供し,また合理的な応答と感度を得る能力を有することを示した。本研究は,複雑な熱伝達問題をモデル化するための深層学習アプローチの使用の成功事例であった。実用化のために,提案モデルは,設計負荷を減らす設計者の援助として役立つことができた。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 熱伝達 ,  熱伝達率 ,  *ガスタービン ,  *感度解析 ,  境界条件 ,  モデリング ,  *教師つき学習 ,  空気冷却 ,  モデル ,  *タービン ,  計算流体力学 ,  遺伝的アルゴリズム
準シソーラス用語： 冷却孔 ,  ガスタービン翼 ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (4件)： ガスタービン ,  高速予測 ,  感度解析 ,  教師付き学習

分類 (2件)： ガスタービン  (PB02040Y) ,  内燃機関発電  (NB03050O)

タイトルに関連する用語 (5件)： 教師つき学習 ,  ガスタービン ,  冷却性能 ,  予測 ,  感度解析