机械工程学报

作者：李存晰, 宋立明, 郭振东, 李军

单位：西安交通大学叶轮机械研究所 西安 710049

关键词：知识迁移,贝叶斯优化,多保真度代理模型,涡轮气动形状优化；

基金：国家自然科学基金(52306048)和国家科技重大专项(2019-II-0008-0028)资助项目。

为实现涡轮叶栅气动形状的高效优化，基于人工智能领域知识迁移理念，开展基于知识迁移的高效涡轮叶栅智能气动优化方法研究。首先，搭建叶型变分自动编码器模型，利用其解码器实现气动形状参数化；其次，为提高已完成任务样本重参数化精度，提出基于样本加权的模型重训练策略，并设计出基于梯度信息的叶型重参数化算法，将已完成任务样本编码至目标任务空间；然后，实现基于多保真度模型的贝叶斯迁移优化算法，以有效利用迁移源任务信息加速目标任务优化进程；最后，搭建智能涡轮叶栅气动迁移优化框架。通过在GE-E3低压涡轮算例中开展叶型设计优化表明，在计算成本相同的情况，知识迁移策略所获得的最优解相对参考设计总压损失减少0.66%，相对无知识迁移策略所获得的最优解总压损失减少0.18%；而在获得相似性能优化解的情况下，知识迁移策略所需计算成本相对传统无知识迁移方法降低50%以上。由此验证了所提出框架的性能优势。

来源：2025年第4期

《机械工程学报》期刊编辑部

查看机械工程学报杂志2025年第4期