(19)中华 人民共和国 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 202111605555.5 (22)申请日 2021.12.25 (71)申请人 西北工业大 学 地址 710072 陕西省西安市友谊西路127号 (72)发明人 高丽敏　王浩浩　杨光　 (74)专利代理 机构 西北工业大 学专利中心 61204 代理人 刘新琼 (51)Int.Cl. G06F 30/28(2020.01) G06F 30/27(2020.01) G06F 30/15(2020.01) G06F 111/06(2020.01) G06F 111/10(2020.01) (54)发明名称 一种基于数据驱动 的压气机叶片鲁棒性设 计方法 (57)摘要 本发明涉及一种基于数据驱动的压气机叶 片的鲁棒性 设计优化方法， 采用中弧线叠加厚度 分布的方式来构造叶片， 使用NURBS 曲线对叶片 中弧线进行参数化。 使用4点3阶的数据驱动的非 嵌入式多项式混沌方法对稀疏的采样数据进行 不确定性量化， 并得到4个叶片配置模态。 采用拉 丁超立方方法对叶片设计空间进行采样， 在每个 叶片配置模态下利用采样集合来训练高斯过程 回归模型； 分别得到每个叶片配置模态处的GPR 代理模型。 训练结束后， 采用多目标优化算法 NSGA II， 以叶片总压损失系数的统计均值和标 准差为目标进行优化搜索； 由此 获得性能更优且 对输入不确定性的敏感性大大 降低的鲁棒性压 气机叶片。 权利要求书1页 说明书6页 附图3页 CN 114429090 A 2022.05.03 CN 114429090 A 1.一种基于数据驱动的压气机叶片鲁棒 性设计方法， 其特 征在于步骤如下： 步骤1： 采用NURBS曲线对叶片中弧线进行参数化； 将叶片厚度分布叠加到中弧线上来 构造叶片； 步骤2： 采用p阶DNIPC方法量化带有稀疏特征的不确定性输入参数对压气机叶片气动 性能的影响， 得到气动参数的统计均值与标准差； 步骤3： 采用拉丁超立方方法对叶片设计空间进行采样， 然后在步骤2中的每个 叶片配 置模态条件下进行CFD数值模拟； 在每 个叶片模态下， 训练GPR代理模型； 步骤4： 将步骤3中训练后的GPR模型来 替代CFD数值模拟； 步骤5： 确定压气机叶片气动性能目标函数， 采用NS GA II遗传算法进行多目标搜索， 得 到满足目标函数的一组Pareto前沿解 集。 2.根据权利要求1所述的一种基于数据驱动的压气机 叶片鲁棒性设计方法， 其特征在 于： 步骤2中的不确定量化过程为： 计算稀疏采样数据的前2p阶统计矩， 利用统计矩得到最 佳正交基函数； 正交基函数 的零点即为相对应的叶片配置模态； 对每个叶片配置模态进行 的数值模拟计算结果进行统计后处 理， 得到气动参数不确定量 化结果。 3.根据权利要求1所述的一种基于数据驱动的压气机 叶片鲁棒性设计方法， 其特征在 于： 步骤3中训练过程为： 基于平方指数核函数得到训练集和未知点的先验分布； 然后利用 训练点的先验信息得到未知点处的预测值。权　利　要　求　书 1/1 页 2 CN 114429090 A 2一种基于数据驱动的压气机叶片鲁棒性设计方 法 技术领域 [0001]本发明涉及 一种压气机叶片优化设计方法， 具体涉及一种能够基于数据驱动手段 量化稀疏不确定性输入影响的叶片鲁棒 性优化设计方法。 背景技术 [0002]先进的压气机叶片不仅要求高性能， 而且要求在 不确定因素的影响下具备高可靠 性。 不确定因素是不可避免的， 会导致叶片的几何型线或者工况点与初始设计发生偏离， 对 气动性能有着不可忽视的影响。 叶片鲁棒性优化设计能够消除不确定因素带来的负面影 响， 可同时提高气动性能和可靠性。 [0003]鲁棒性优化设计的核心是不确定性量化技术。 不确定量化的可靠性依赖于模型输 入参数的分布形式。 在实际工程中， 不确定输入数据通常是稀疏的， 无法准确地描述输入参 数的分布形式。 目前优化过程中均是对输入参数 的分布形式进行主观假设， 这会导致量化 结果产生较大误差。 通过基于数据驱动的不确定量化方法， 无需输入参数的分布形式， 而 是 通过采样数据的统计矩特 征来传播 概率信息， 可以避免主观性 假设和拟合 误差。 [0004]对于鲁棒性优化， 直接采用CFD模拟会面临计算量过大的困境。 训练高精度的代理 模型用以取代CFD模拟， 可以大大提高优化效率。 然而， 训练代理模型本身也需要大量的数 值模拟。 因此， 发展一种仅需要少量采样点的代理模型， 可以进一步提高优化效率， 推动鲁 棒性设计方法向工程实际应用的转 化。 发明内容 [0005]要解决的技 术问题 [0006]为了避免现有技术的不足之处， 本发明提出一种基于数据驱动的压气机叶片鲁棒 性设计方法， 把稀疏采样数据的统计矩用以传播输入不确定性的概率信息， 可避免主观性 假设和对分布形式的拟合 误差。 [0007]技术方案 [0008]一种基于数据驱动的压气机叶片鲁棒 性设计方法， 其特 征在于步骤如下： [0009]步骤1： 采用NURBS曲线对叶片中弧线进行参数化； 将叶片厚度分布叠加到中弧线 上来构造叶片； [0010]步骤2： 采用p阶DNIPC方法量化带有稀疏特征的不确定性输入参数对压气机叶片 气动性能的影响， 得到气动参数的统计均值与标准差； [0011]步骤3： 采用拉丁超立方方法对叶片设计空间进行采样， 然后在步骤2中的每个叶 片配置模态条件下进行CFD数值模拟； 在每 个叶片模态下， 训练GPR代理模型； [0012]步骤4： 将步骤3中训练后的GPR模型来 替代CFD数值模拟； [0013]步骤5： 确定压气机叶片气动性能目标函数， 采用NSGA  II遗传算法进行多目标搜 索， 得到满足目标函数的一组Pareto前沿解 集。 [0014]本发明进一步的技术方案： 步骤2中的不确定量化过程为： 计算稀疏采样数据的前说　明　书 1/6 页 3 CN 114429090 A 3