(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210736989.7 (22)申请日 2022.06.27 (71)申请人 西安交通大 学 地址 710049 陕西省西安市咸宁西路28号 (72)发明人 张荻　王崇宇　朱光亚　谢永慧　 (74)专利代理 机构 西安通大专利代理有限责任 公司 6120 0 专利代理师 李鹏威 (51)Int.Cl. G06F 30/17(2020.01) G06F 30/20(2020.01) G06F 111/06(2020.01) G06F 111/08(2020.01) G06F 111/10(2020.01) (54)发明名称 一种自适应的燃气轮 机轮盘型线优化方法 (57)摘要 本发明公开了一种自适应的燃气轮机轮盘 型线优化方法， 属于系统设计优化应用领域； 其 首先根据系统设计的要求， 提取设计变量， 确定 目标变量， 建立系统的高精度模 型和低精度近似 模型， 并初始化； 其次基于区间缩减策略， 从已知 点中采样出新点， 并计算新点的低精度模型的目 标函数值； 接着训练一个高斯过程回归模型， 用 于学习高精度模 型和低精度模型之间的误差， 并 用此模型预测新点的目标函数误差； 然后根据建 立的低精度接受模型， 以一定概率接受低精度模 型的结果， 减少优化过程对高精度模型的依赖； 最后基于M etropoli s‑Hastings算 法下的能量下 降法， 进一步优化采样结果， 通过迭代过程完成 最终的优化。 权利要求书3页 说明书6页 附图2页 CN 115034016 A 2022.09.09 CN 115034016 A 1.一种自适应的燃气轮机轮 盘型线优化方法， 其特 征在于， 包括以下步骤： 1)根据燃气轮机轮盘形状参数选取设计变量和优化目标变量， 建立系统设计的高精度 模型和低精度模型； 2)从设计空间中 随机生成N 组设计初值X0i， 利用高精度 模型和低 精度模型分别计算这N 组初值下的目标函数值； 3)基于区间缩减策略从设计空间中产 生新的设计变量值Xnew， 计算Xnew的低精度模型的 目标函数值； 4)计算已知的高精度模型和低精度模型之间目标函数值的误差ε， 利用高斯过程回归 学习误差； 5)利用步骤4)训练的高斯过程回归 模型预测新误差的期望 μ和方差σ2； 6)引入高精度模型和低精度模型的接受准则， 以一定概率接受低精度模型计算的Xnew 的目标函数值； 7)利用基于Metropolis ‑Hastings算法的能量下降法， 迭代优化结果， 然后更新能量下 降法的参数T； 8)判断迭代条件和收敛 条件， 完成优化。 2.根据权利要求1所述的一种自适应的燃气轮机轮盘型线优化方法， 其特征在于， 步骤 1)的具体实现方法如下： 101)确定燃气轮机叶轮形状设计过程中的设计变量X及个数w， 并确定设计变量空间S 的区间， 选取优化目标y； 102)根据实际问题， 建立研究系统的高精度模型fH:X→y， 以及低精度模型fL:X→y。 3.根据权利要求2所述的一种自适应的基于 高斯过程 回归的优化方法， 其特征在于， 步 骤2)的具体实现方法如下： 201)随机生成一个0～1区间内的随机数r； 202)对每一个设计变量xl， 对应设计空间S内的区间[al,bl]， 通过公式1计算得到初始 设计变量值x0l； 其中， 公式1： 式中， 下标0l表示第l个初始设计 变量； 203)重复步骤201)和步骤202)， 直到选出N组初始设计变量的值X0i， 下标0i表示第i组 初始设计 变量； 204)基于公式2分别计算高精度模型和低精度模型的初始目标函数值； 其中， 公式2： 式中， yHi和yLi分别表示初值的高精度模型结果和低精度 模型结果。 4.根据权利要求3所述的一种自适应的燃气轮机轮盘型线优化方法， 其特征在于， 步骤 3)的具体实现方法如下： 301)设当前迭代轮次为itter， 总迭代次数为count， 区间缩减系数为k， 根据公式3和公 式4产生新点；权　利　要　求　书 1/3 页 2 CN 115034016 A 2公式3： 公式4： 式中， r表示0～1之间的随机数； xnew和xold分别表示新点和上一个采样点； bold和aold分 别表示xold对应的设计 变量取值区间的上 下界； 302)对每一个设计 变量重复步骤3 01)的过程， 得到新的设计 变量值Xnew； 303)计算Xnew的低精度模型的目标函数值fL(Xnew)。 5.根据权利要求4所述的一种自适应的燃气轮机轮盘型线优化方法， 其特征在于， 步骤 4)的具体实现方法如下： 401)基于公式5计算高精度模型和低精度模型的结果 误差； 其中， 公式5： εi＝yHi‑yLi； 式中， εi表示每一个初始设计变量的值在两种模型计算结果 下的误差； 402)基于公式6和公式7优化高斯过程回归的对数极大似然估计函数； 其中， 公式6： C(Xn,Xm)＝K(Xn,Xm)+β‑1δnm； 公式7： 式中， C表示变量Xn和Xm的协方差； K表示核函数， K＝L(Xn,Xm, θ )表示高斯过程回归的核 函数， θ是核函数的参数； β‑1表示方差； p( ε|θ )表示极大似然估计的函数； ε＝( ε1, ε2,…, εN) 表示初始的N个误差， CN是由公式3计算得到的N ×N的协方差矩阵， n,m＝1,. ..,N。 6.根据权利要求5所述的一种自适应的燃气轮机轮盘型线优化方法， 其特征在于， 步骤 5)的具体实现方法如下： 501)基于公式8计算联合协方差矩阵； 其中， 公式8： 式中， K表 示K(Xn,XN+1),n＝1,...,N； c＝K(XN+1,XN+1)+ β‑1； 502)基于公式9计算加入新 点Xnew之后估计的误差期望和方差； 其中， 公式9： 式中， c＝K(XN+1,XN+1)+β‑1。 7.根据权利要求6所述的一种自适应的燃气轮机轮盘型线优化方法， 其特征在于， 步骤 6)的具体实现方法如下： 601)基于公式10计算接受低精度模型准则的上 下限； 其中， 公式10： 式中， fL(Xnew)表示新点Xnew的低精 度模型的目标函数值； κ 取1,2,3； Ecur表示上一个迭代过程得到的系统设计 变量的函数值；权　利　要　求　书 2/3 页 3 CN 115034016 A 3