Определение аэродинамических характеристик компрессорных решеток путем обобщения экспериментальных данных с применением искусственной нейронной сети

Определение аэродинамических характеристик компрессорных решеток путем обобщения экспериментальных данных с применением искусственной нейронной сети

Исследована возможность применения искусственных нейронных сетей для решения задачи определения аэродинамических характеристик компрессорных решеток на основе набора данных продувок плоских решеток. Разработана соответствующая методика проектирования искусственной нейронной сети для определения аэро...

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Datum:2012
1. Verfasser: Мелашич, С.В.
Format: Artikel
Sprache:Russian
Veröffentlicht: Інститут технічної механіки НАН України і НКА України 2012
Schriftenreihe:Техническая механика
Online Zugang:http://dspace.nbuv.gov.ua/handle/123456789/88328
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
Назва журналу:Digital Library of Periodicals of National Academy of Sciences of Ukraine
Zitieren:Определение аэродинамических характеристик компрессорных решеток путем обобщения экспериментальных данных с применением искусственной нейронной сети / С.В. Мелашич // Техническая механика. — 2012. — № 3. — С. 45-49. — Бібліогр.: 7 назв. — рос.

Institution

Digital Library of Periodicals of National Academy of Sciences of Ukraine
id irk-123456789-88328
record_format dspace
spelling irk-123456789-883282015-11-12T03:02:44Z Определение аэродинамических характеристик компрессорных решеток путем обобщения экспериментальных данных с применением искусственной нейронной сети Мелашич, С.В. Исследована возможность применения искусственных нейронных сетей для решения задачи определения аэродинамических характеристик компрессорных решеток на основе набора данных продувок плоских решеток. Разработана соответствующая методика проектирования искусственной нейронной сети для определения аэродинамических характеристик решетки. Применяемый метод проектирования основан на модифицированной модели классического генетического алгоритма с обучением сети методом обратного распространения ошибки. Выполнена верификация разработанной методики с использованием имеющихся экспериментальных данных. Досліджено можливість застосування штучних нейронних мереж для розв’язання задачі визначення аеродинамічних характеристик компресорних решіток на основі набору даних продувок плоских решіток. Розроблено відповідну методику проектування штучної нейронної мережі для визначення аеродинамічних характеристик решітки. Метод проектування, що застосовується, оснований на модифікованій моделі класичного генетичного алгоритму з навчанням мережі методом зворотного розповсюдження похибки. Виконано верифікацію розробленої методики з використанням наявних експериментальних даних. The possibility of artificial neural networks application for the solution of the problem of compressor cascade aerodynamic characteristics prediction on the basis of the data set of two-dimensional cascades blowdown is considered. The appropriate technique of an artificial neural network design is developed for the cascade aerodynamic characteristics prediction. The applied design method is based on a modified model of a classical genetic algorithm with the network training by the method of an inverse propagation of an error. The verification of the developed technique is carried out using the available experimental data. 2012 Article Определение аэродинамических характеристик компрессорных решеток путем обобщения экспериментальных данных с применением искусственной нейронной сети / С.В. Мелашич // Техническая механика. — 2012. — № 3. — С. 45-49. — Бібліогр.: 7 назв. — рос. 1561-9184 http://dspace.nbuv.gov.ua/handle/123456789/88328 533.697:004.89 ru Техническая механика Інститут технічної механіки НАН України і НКА України
institution Digital Library of Periodicals of National Academy of Sciences of Ukraine
collection DSpace DC
language Russian
description Исследована возможность применения искусственных нейронных сетей для решения задачи определения аэродинамических характеристик компрессорных решеток на основе набора данных продувок плоских решеток. Разработана соответствующая методика проектирования искусственной нейронной сети для определения аэродинамических характеристик решетки. Применяемый метод проектирования основан на модифицированной модели классического генетического алгоритма с обучением сети методом обратного распространения ошибки. Выполнена верификация разработанной методики с использованием имеющихся экспериментальных данных.
format Article
author Мелашич, С.В.
spellingShingle Мелашич, С.В.
Определение аэродинамических характеристик компрессорных решеток путем обобщения экспериментальных данных с применением искусственной нейронной сети
Техническая механика
author_facet Мелашич, С.В.
author_sort Мелашич, С.В.
title Определение аэродинамических характеристик компрессорных решеток путем обобщения экспериментальных данных с применением искусственной нейронной сети
title_short Определение аэродинамических характеристик компрессорных решеток путем обобщения экспериментальных данных с применением искусственной нейронной сети
title_full Определение аэродинамических характеристик компрессорных решеток путем обобщения экспериментальных данных с применением искусственной нейронной сети
title_fullStr Определение аэродинамических характеристик компрессорных решеток путем обобщения экспериментальных данных с применением искусственной нейронной сети
title_full_unstemmed Определение аэродинамических характеристик компрессорных решеток путем обобщения экспериментальных данных с применением искусственной нейронной сети
title_sort определение аэродинамических характеристик компрессорных решеток путем обобщения экспериментальных данных с применением искусственной нейронной сети
publisher Інститут технічної механіки НАН України і НКА України
publishDate 2012
url http://dspace.nbuv.gov.ua/handle/123456789/88328
citation_txt Определение аэродинамических характеристик компрессорных решеток путем обобщения экспериментальных данных с применением искусственной нейронной сети / С.В. Мелашич // Техническая механика. — 2012. — № 3. — С. 45-49. — Бібліогр.: 7 назв. — рос.
series Техническая механика
work_keys_str_mv AT melašičsv opredelenieaérodinamičeskihharakteristikkompressornyhrešetokputemobobŝeniâéksperimentalʹnyhdannyhsprimeneniemiskusstvennojnejronnojseti
first_indexed 2025-07-06T16:05:16Z
last_indexed 2025-07-06T16:05:16Z
_version_ 1836914224617488384
fulltext УДК 533.697:004.89 С.В. МЕЛАШИЧ ОПРЕДЕЛЕНИЕ АЭРОДИНАМИЧЕСКИХ ХАРАКТЕРИСТИК КОМПРЕССОРНЫХ РЕШЕТОК ПУТЕМ ОБОБЩЕНИЯ ЭКСПЕРИМЕНТАЛЬНЫХ ДАННЫХ С ПРИМЕНЕНИЕМ ИСКУССТВЕННОЙ НЕЙРОННОЙ СЕТИ Исследована возможность применения искусственных нейронных сетей для решения задачи опреде- ления аэродинамических характеристик компрессорных решеток на основе набора данных продувок пло- ских решеток. Разработана соответствующая методика проектирования искусственной нейронной сети для определения аэродинамических характеристик решетки. Применяемый метод проектирования основан на модифицированной модели классического генетического алгоритма с обучением сети методом обратного распространения ошибки. Выполнена верификация разработанной методики с использованием имеющихся экспериментальных данных. Досліджено можливість застосування штучних нейронних мереж для розв’язання задачі визначення аеродинамічних характеристик компресорних решіток на основі набору даних продувок плоских решіток. Розроблено відповідну методику проектування штучної нейронної мережі для визначення аеродинамічних характеристик решітки. Метод проектування, що застосовується, оснований на модифікованій моделі кла- сичного генетичного алгоритму з навчанням мережі методом зворотного розповсюдження похибки. Вико- нано верифікацію розробленої методики з використанням наявних експериментальних даних. The possibility of artificial neural networks application for the solution of the problem of compressor cascade aerodynamic characteristics prediction on the basis of the data set of two-dimensional cascades blowdown is considered. The appropriate technique of an artificial neural network design is developed for the cascade aerodynamic characteristics prediction. The applied design method is based on a modified model of a classical genetic algorithm with the network training by the method of an inverse propagation of an error. The verification of the developed technique is carried out using the available experimental data. Введение. Достигнутый в настоящее время уровень развития численных методов позволяет использовать их в инженерной практике наряду с натур- ным экспериментом. Однако все же эксперимент играет основную роль в процессе определения характеристик проектируемых образцов. В связи с этим, актуальным является развитие соответствующего методического обес- печения, которое применяется для обобщения наборов экспериментальных данных и установления универсальных зависимостей. Для существенного упрощения процесса проектирования различных об- разцов техники, когда количество переменных проектирования и связей меж- ду ними, устанавливаемых с помощью экспериментальных исследований, достаточно велико, перспективным является использование искусственных нейронных сетей (ИНС) для обобщения экспериментальных данных и оценки характеристик объекта проектирования [1]. Целью настоящей работы являет- ся проектирование ИНС с последующим применением для решения задачи определения аэродинамических характеристик компрессорных решеток на основе имеющегося набора данных продувок плоских решеток. Постановка задачи проектирования ИНС. Каждый режим течения в решетке профилей характеризуется вектором  nggg ,...,, 21g   геометриче- ских параметров решетки и векторами  mr,...,2rr ,1r   и  khh ,...,, 2h1h   ре- жимных параметров потока. Вектор r  содержит набор граничных условий для потока, а вектор h  – набор параметров течения, определяющих аэроди- намические характеристики решетки. Выберем в качестве архитектуры ИНС многослойный персептрон [2]. При решении прямой задачи газодинамики компрессорных решеток входной  С.В. Мелашич, 2012 Техн. механика. – 2012. – № 3. 45 сигнал ИНС представляет собой вектор rg   , а выходной сигнал – вектор h  . Т.е. нейронную сеть можно определить как некоторую вектор-функцию мно- гих переменных  warg  ,,Net , где a  – вектор параметров, определяющих топологическое строение ИНС; w  – вектор весовых коэффициентов связей сети, зависящий от a  . Пусть задано обучающее множество E , каждый элемент которого пред- ставляет собой обучающий вектор для ИНС – совокупность заданного вход- ного и искомого выходного сигналов нейронной сети. Определим некоторым случайным образом на множестве E фиксированное подмножество E ~ , при- чем EE ~ , (1) где E – мощность множества E ;  – некоторая наперед заданная константа. Тогда задача обучения ИНС ставится как задача нахождения   EE Net ~ \ ,,,min hwarg w    , (2) где EE ~ \ – норма, определенная на множестве EE ~ \ . Задача определения топологического строения нейронной сети ставится как задача нахождения   Ea tNe ~,,,min hwarg    , (3) где  warg  ,,tNe a – ИНС, для которой решена задача (2) для соответст- вующего вектора  . В процессе решения задачи (3) среди множества всех возможных (в рам- ках заданной архитектуры) ИНС выбирается такая, которая в процессе обу- чения выполняет обобщение результатов из обучающего множества E , соот- ветствующее реальным физическим процессам, что выражается в корректной аппроксимации результатов на контрольном множестве E ~ . Решение задачи проектирования ИНС. В работах [3, 4] приведен ши- рокий набор экспериментальных данных, который позволяет построить мно- жество векторов, а также определить компоненты векторов-элементов данного множества: E  11r  ,M  ,   ,h  , (4) где – число Маха на входе в решетку; 1M 1 – угол входа потока в решетку;  – поворот потока в решетке;  – коэффициент потерь механической энер- гии в решетке. Вектор g  геометрических параметров решетки напрямую зависит от вы- бранного способа параметрического описания решеток профилей. В рамках настоящей работы, основываясь на геометрических характеристиках профи- лей, используемых в работах [3, 4], в качестве элементов вектора g  удобно выбрать:   ,,,bcg  , (5) 46 где c – относительная толщина профиля; b – густота решетки;  – изгиб профиля; – угол установки профиля в решетке.  Параметр из выражения (1) выберем равным 0,2.  Для решения задачи (3) – задачи проектирования ИНС, в настоящей ра- боте применяется генетический алгоритм на основе классической модели [5] с использованием однородного оператора кроссовера. Функция цели рассчи- тывается как          E j i iij E NetNet ~ ~,,, 1 2hw,a,rghwarg  . (6) Для обучения каждой ИНС, получаемой в результате генетических опе- раций, применяется метод обратного распространения ошибки [2]. При этом следует учитывать следующую особенность. Процесс обучения нейронной сети имеет смысл до тех пор, пока в процессе обучения минимизируется как погрешность сети, так и функция цели (6). Если уменьшение погрешности сети не приводит к уменьшению функции цели, процесс обучения останавли- вается. Основные результаты. В процессе проектирования и обучения ИНС использовались приведенные в работах [3, 4] результаты продувок 20 ком- прессорных решеток, каждая в среднем на 20 – 25 режимах. На рис. 1, 2 пред- ставлены полученные в результате обобщения экспериментальных данных зависимости коэффициента потерь полного давления  (рис. 1) и угла пово- рота потока (рис. 2) от числа Маха на входе в решетку для решетки № 1 при угле атаки . Видно, что обобщающая кривая (обозначенная сплошной линией) проходит через все экспериментальные точки (обозначен- ные маркерами). Данный результат подтверждает работоспособность постро- енной методики.  1M  52, Рис. 1 47 Рис. 2 С целью оценки применимости спроектированной ИНС к решению зада- чи определения аэродинамических характеристик компрессорных решеток данная нейронная сеть применена к расчету аэродинамических характеристик решетки при режимных параметрах течения, которые не использовались при обучении ИНС ни в обучающем, ни в контрольном множествах. Полученные в результате зависимости коэффициента потерь полного давления и угла по- ворота потока от числа Маха в решетке № 1 при входе потока под углом ата- ки представлены на рис. 3, 4 (обозначены сплошной линией). Расхож- дение с экспериментальными результатами, обозначенными на рисунках маркерами, находится в пределах точности существующих на сегодняшний день методик численного моделирования газовых течений в компрессорных решетках [6, 7]. При этом, скорость получения результатов с использованием нейронной сети в десятки раз превосходит скорость получения результатов с использованием методов численного моделирования. Основные временные затраты уходят на процесс проектирования и обучения нейронной сети, кото- рый выполняется один раз.  52, Рис. 3 48 Рис. 4 Выводы. В настоящей работе исследована возможность применения ИНС для решения задачи определения аэродинамических характеристик компрессорных решеток путем обобщения экспериментальных данных, в ка- честве которых используются результаты продувок плоских решеток. Разра- ботана соответствующая методика проектирования ИНС для определения аэродинамических характеристик решетки. В качестве архитектуры ИНС ис- пользован многослойный персептрон. Применяемый метод проектирования основан на модифицированной модели классического генетического алго- ритма с обучением сети методом обратного распространения ошибки. Вы- полнена верификация разработанной методики с использованием имеющихся экспериментальных данных. Точность результатов, полученных при решении данной задачи определения аэродинамических характеристик компрессорных решеток с использованием ИНС, находится в пределах точности существую- щих на сегодняшний день методик численного моделирования газовых тече- ний в компрессорных решетках. 1. Дорофеев Е. А. Применение искусственных нейронных сетей в задачах аэродинамического проектиро- вания и определения характеристик летательных аппаратов / Е. А. Дорофеев, Ю. Н. Свириденко // Труды ЦАГИ. – 2002. – Вып. № 2655. – С. 73 – 86. 2. Хайкин С. Нейронные сети. Полный курс / С. Хайкин. – М. : ООО «И. Д. Вильямс», 2006. – 1104 с. 3. Бунимович А. И. Сборник аэродинамических характеристик плоских компрессорных решеток / А. И. Бунимович, Г. С. Орлова. – Выпуск 1. – М. : ЦИАМ. – 1955. – 98 с. 4. Бунимович А. И. Сборник аэродинамических характеристик плоских компрессорных решеток / А. И. Бунимович, Г. С. Орлова. – Выпуск 2. – М. : ЦИАМ. – 1955. – 83 с. 5. Рутковская Д. Нейронные сети, генетические алгоритмы и нечеткие системы / Д. Рутковская, М. Пилиньский, Л. Рутковский. – М. : Горячая линия – Телеком, 2004. – 452 с. 6. Приходько А. А. Компьютерные технологии в аэродинамике и тепломассообмене / А. А. Приходько. – Киев : Наукова думка, 2003. – 382 с. 7. Кваша Ю. А. Численное моделирование плоского турбулентного течения газа в компрессорных решёт- ках / Ю. А. Кваша, С. В. Мелашич // Техническая механика. – 2007. – №2. – С. 67 – 73. Институт технической механики Получено 10.10.10, НАН Украины и НКА Украины, в окончательном варианте 10.10.10 Днепропетровск 49

Ähnliche Einträge