采用本征正交分解和长短期记忆网络模型的离心泵流场预测

TP391.9; 针对流体机械领域中瞬态流场预测的复杂性以及现有本征正交分解-径向基函数(POD-RBF)模型在时间依赖性预测方面的局限性,引入本征正交分解-长短期记忆网络(POD-LSTM)模型,以提升预测的准确性和效率.通过计算流体动力学(CFD)对二维圆柱绕流进行分析,比较了POD-RBF与POD-LSTM模型在瞬态流场预测性能上的差异.进一步将POD-LSTM模型应用于离心泵瞬态流场预测,详细分析了离心泵叶轮、蜗壳及密封装置的预测效果.计算结果表明:相较于POD-RBF模型,POD-LSTM模型在预测距离训练集较远时刻的流场时性能较优,预测精度较高,压力场的平均相对偏差仅为0.96％;...

Full description

Saved in:
Bibliographic Details
Published in西安交通大学学报 Vol. 58; no. 12; pp. 119 - 130
Main Authors 肖颖, 肖翔域, 段壮, 孙中国, 席光
Format Journal Article
LanguageChinese
Published 西安交通大学能源与动力工程学院,710049,西安 01.12.2024
Subjects
数字孪生
瞬态流场预测
centrifugal pump
离心泵
transient flow field prediction
digital twin
本征正交分解和长短期记忆网络
proper orthogonal decomposition and long short-term memory network
Online AccessGet full text
ISSN0253-987X
DOI10.7652/xjtuxb202412012

Cover

More Information
Summary:TP391.9; 针对流体机械领域中瞬态流场预测的复杂性以及现有本征正交分解-径向基函数(POD-RBF)模型在时间依赖性预测方面的局限性,引入本征正交分解-长短期记忆网络(POD-LSTM)模型,以提升预测的准确性和效率.通过计算流体动力学(CFD)对二维圆柱绕流进行分析,比较了POD-RBF与POD-LSTM模型在瞬态流场预测性能上的差异.进一步将POD-LSTM模型应用于离心泵瞬态流场预测,详细分析了离心泵叶轮、蜗壳及密封装置的预测效果.计算结果表明:相较于POD-RBF模型,POD-LSTM模型在预测距离训练集较远时刻的流场时性能较优,预测精度较高,压力场的平均相对偏差仅为0.96％;与传统CFD方法相比,POD-LSTM模型在预测离心泵压力场和y方向速度场时的平均相对偏差分别为0.06％、6.07％,计算时间仅为传统CFD方法的0.01％,显著降低了计算成本;POD-LSTM模型的预测结果与CFD模拟结果的一致度较高,验证了其在离心泵流场预测中的精准性.研究可为流体机械领域数字孪生体的构建提供新的技术路径.
ISSN:0253-987X
DOI:10.7652/xjtuxb202412012