一种基于info-GAN的燃气轮机透平叶根轮槽型线优化方法

本发明属于透平叶根轮槽型线优化领域，具体涉及一种基于info-gan的燃气轮机透平叶根轮槽型线优化方法。

背景技术：

1、叶片是燃气轮机、航空发动机等透平机械的核心部件，需要长期工作在复杂的环境中，是透平机械最易损坏的部件。而叶根-轮槽结构作为燃机叶片与轮盘的连接部分，是叶片旋转过程中离心力载荷的主要承载部分。故叶根-轮槽结构的安全可靠性对燃气轮机的正常稳定运行起到至关重要的作用。因此，通过对叶根-轮槽结构开展优化设计，提升其结构的强度与可靠性，对保障燃气轮机机组安全稳定运行具有重要的工程意义。

2、然而由于燃气轮机叶根轮槽区域结构复杂，几何控制参数多，且针对叶根轮槽区域的优化设计与计算的计算成本高，目前针对燃气轮机透平叶根轮槽的优化设计研究极为有限。以往的优化方式往往依赖于工程经验并需要大量的人工参与，优化周期长而且优化设计具有较大的局限性。

技术实现思路

1、本发明的目的在于：为了实现燃气轮机透平叶根轮槽的高效、自动化优化，提供了一种基于info-gan的燃气轮机透平叶根轮槽型线优化方法。

2、本发明采用如下技术方案来实现的：

3、一种基于info-gan的燃气轮机透平叶根轮槽型线优化方法，包括：

4、该方法通过对燃气轮机透平叶根轮槽区域建立型线模型，并通过info-gan方法，基于型线图像建立生成对抗网络，用于预测不同叶根轮槽型线造型的性能参数，并基于该型线模型，结合优化算法，建立基于info-gan的燃气轮机透平叶根轮槽型线优化模型，实现燃气轮机透平叶根轮槽的高效、自动化优化。

5、本发明进一步的改进在于，该方法的具体实现方法如下：

6、1)燃气轮机透平叶根轮槽型线的参数化模型搭建

7、针对完整的燃气轮机透平叶片，选取其叶根轮槽的部分，并截取其型线，采用参数化建模的方法，对型线进行重建，共使用n个型线几何参数ri建立燃气轮机透平叶根轮槽型线参数化模型，其中，i＝1，2，3……，n；完成重建后，依照实际的燃气轮机透平叶片的情况，对各个型线几何参数的取值范围和相互关系进行约束；

8、2)样本采样、模型重建与计算

9、针对步骤1)中的燃气轮机透平叶根轮槽型线参数化模型，采用拉丁超立方抽样方法，对n个型线几何参数ri在相互关系和取值范围的约束下，进行随机抽样，生成n个样本，用kj表示，其中，j＝1，2，3……，n；通过随机抽样生成的叶根轮槽的型线参数，对整体燃气轮机透平叶片进行重建，并进行有限元分析，得到影响叶根轮槽安全稳定性的重要应力场数据；

10、3)整理数据，建立数据集

11、针对步骤2)所得到的重要应力场数据，建立燃气轮机透平叶根轮槽性能评价指数p，并建立燃气轮机透平叶根轮槽型线图像和叶根轮槽性能评价指数p即标签之间对应的数据集，将数据集分为训练和验证部分，以供训练模型使用；

12、4)搭建并训练info-gan生成对抗网络模型

13、使用步骤3)所得的数据集，训练info-gan生成对抗网络模型，实现对通过任意几何参数ri生成的燃气轮机透平叶根轮槽型线，准确预测其叶根轮槽性能评价指数p；

14、5)使用优化算法进行优化

15、设定叶根轮槽性能评价指数p为优化目标，结合燃气轮机叶片实际情况，通过设置步骤2)中的几何参数取值范围作为约束条件，不断生成新的燃气轮机透平叶根轮槽型线图像，并通过info-gan生成对抗网络模型返回评价指数p值，进而采用优化算法进行寻优；当满足设定的优化目标或者迭代次数达到最大时结束。

16、本发明进一步的改进在于，步骤1)的具体实现方式如下：

17、101)、对完整的燃气轮机透平叶片-轮槽模型进行cae强度仿真分析，获得其应力应变物理场分部，分析其在工作载荷和工作温度环境下，叶根轮槽区域的应力应变危险和集中区域；

18、102)、将待优化的燃气轮机透平叶片-轮槽完整模型的叶根轮槽型线单独提取，以应力应变危险区域为优先，确认n个型线几何变量参数ri以及若干个固定参数，使得通过n个型线几何变量参数和若干固定参数即可完整构造燃气轮机透平叶根轮槽型线的参数化模型，并且保证n个型线几何变量参数相互独立，且能基本覆盖所有叶根轮槽的应力应变危险区域；

19、103)、根据燃气轮机叶片的实际情况以及能够接受的优化范围，确定不同参数的上下界范围，以及确定叶根轮槽的约束区域，最终的燃气轮机透平叶根轮槽参数采用以下形式表示：

20、rtb＝[r1,r2,r3,...,rn]

21、di,min≤ri≤di,max

22、f(rtb)∈a

23、其中：rtb表示叶根轮槽几何变量参数矩阵，di，min和di，max分别表示每一个变量参数ri的可优化范围下界和上界，a表示叶根轮槽的约束条件及范围。

24、本发明进一步的改进在于，步骤2)的具体实现方式如下：

25、201)、基于步骤1)所建立的叶根轮槽几何变量参数矩阵rtb，通过拉丁超立方抽样方法，在n个型线几何变量参数ri的上下界di，min和di，max范围内，进行随机抽样，抽取n个rtb样本；

26、202)、通过n个样本，使用代码自动绘制对应的n个燃气轮机透平叶根轮槽二维型线图，并通过cae仿真软件的自开发命令流，批量生成对应的三维数值分析计算模型，对n个燃气轮机透平叶根轮槽的对应模型进行批量强度仿真计算；

27、203)、批量存储强度仿真所得的应力场结果，并与每个叶根轮槽型线图像一一对应，以供后续的数据整理使用。

28、本发明进一步的改进在于，步骤3)的具体实现方式如下：

29、301)、根据步骤2)中所计算得到的应力场结果，并依据步骤1)中原始模型仿真得到的应力最大和集中区域，确认m个应力较大区域范围的最大应力值，作为应力场的特征应力值，分别用σ1,σ2,σ3...σm表示，依据其应力相对值的大小和其位置的重要程度，给每个特征应力值确定权数k1,k2,k3...km，并建立燃气轮机透平叶根轮槽性能评价指数p，如下式所示：

30、

31、其中，porigin是原始模型的性能评价指数，ki,origin，σi,origin是原始模型的每个特征应力值和其对应的权数；

32、302)、基于步骤2)中的202)操作，给n个样本创建一个二维型线图，并给该型线图赋予对应的叶根轮槽性能评价指数p，作为每个样本的标签；将n个样本的图像和标签整理成生成对抗网络模型指定的输入格式，并按照指定比例划分为训练集、验证集。

33、本发明进一步的改进在于，步骤4)的具体实现方式如下：

34、info-gan生成对抗网络模型由gan模型演变而来，由生成器g、分类器q和判别器d组成，其中，生成器g和判别器d均由独立的卷积神经网络组成，生成器g的输入由随机噪声z和隐含编码c组成，隐含编码c通过卷积神经网络预测输出生成样本g(z)，并与真实样本x一同导入判别器d中，由判别器d对样本真假进行判断；判别器d与分类器q使用同一个卷积神经网络，其中判别器d输出样本真假的判断，而分类器q则用卷积神经网络预测生成样本g(z)的隐含编码c，并输出预测值c'；若生成器输入的隐含编码c能对生成样本产生明确影响，即二者相关性高，q的输出c'则应尽可能和隐含编码c一致；为提升隐含编码c与生成样本间的相关程度，使隐含编码的某一维度能够与生成样本的某些语义信息进行对应，info-gan将两者之间的互信息最大化；

35、infogan在损失函数中体现了互信息的引入，对原始gan的损失函数添加一个正则项λi(c,g(z,c))，其中λ是超参数，提出了一种针对原始损失函数的正则化函数，训练的目标函数如下所示：

36、

37、其中：表示gan模型的目标函数；

38、生成器g的目标是生成能欺骗判别器d的假样本，损失函数如下式所示：

39、

40、判别器d的目标与原始gan一致，同样是对真假样本做出判断，把真的样本判断为真，把假的样本判断为假，损失函数如下所示：

41、

42、对于生成器g和辅助网络q的联合网络，为使隐含编码c和输出g(z,c)具有很强的关联，损失函数如下所示：

43、linfo＝maxli(g,q)＝maxi(c；g(z,c))

44、具体的，首先将叶根轮槽型线的二维黑白像素图像的矩阵数据作为隐含编码c输入，并通过生成器g的卷积神经网络得到预测的叶根轮槽性能评价指数p值，作为生成样本g(z)，并将叶根轮槽型线的仿真计算所得p值作为真实样本x共同导入判别器d中进行判断和预测，预测将返回接近真实叶根轮槽型线图像矩阵的预测数据；经过反复的训练与验证，最终实现对于随机一个给定的、满足rtb的参数化的叶根轮槽型线图，返回一个足够接近其对应真实模型仿真计算所得p值的预测值p'。

45、本发明进一步的改进在于，步骤5)的具体实现方式如下：

46、501)、将叶根轮槽几何变量参数矩阵rtb作为优化变量参数，在每一个优化变量的可优化下界和上界范围内，选定遗传算法建立优化计算模型进行优化；通过步骤2)中所建立的代码模型，自动绘制对应的燃气轮机透平叶根轮槽二维型线图，并将型线图导入步骤4)中训练得到的生成对抗网络模型中，通过生成对抗网络返回的叶根轮槽性能评价指数p值，导回优化算法的目标参数中，以此进行优化计算；

47、502)、通过优化算法计算，直到优化至收敛后，将叶根轮槽性能评价指数p值最优对应的叶根轮槽型线进行模型重建，即可得到优化后的燃气轮机透平叶片模型。

48、本发明进一步的改进在于，步骤5)中，优化算法采用模式搜索或遗传算法。

49、本发明至少具有如下有益的技术效果：

50、与传统的方法相比，本发明提供的一种基于info-gan的燃气轮机透平叶根轮槽型线优化方法，可以实现对指定燃气轮机透平叶片，实现从实际叶片模型，到叶根轮槽型线，通过优化方法计算后，返回优化后的叶根轮槽型线，并进一步进行叶片重建。可以准确、灵活、快速地获取满足工程需要的优化后燃气轮机透平叶片。

51、进一步，本发明在infogan的生成模型中，真实的标签作为特征的一部分，以输入生成网络和判别网络用于训练，为生成和判别行为做出更好的指导，可以解决常规生成对抗网络训练困难、对超参数高度敏感等缺点。

52、进一步，本发明以真实标签的取值范围作为约束条件，采用包括但不限于遗传算法、模式搜索算法、各类仿生优化算法等方法进行寻优，可以获取在满足设置的真实标签取值范围之内的优化叶根轮槽型线形状。

53、进一步，本发明采用对叶根轮槽型线区域进行直接优化的方法，极大提高了发明的适用性。该发明优化过程中所获得的所有叶根轮槽型线，在进行指定的尺寸等比缩放后，不仅限于原始的燃气轮机叶片，而是可以套用到任何一个燃气轮机透平叶片，甚至于套用到重型汽轮机、航空发动机等更广泛的透平机械领域中使用。

54、进一步，本发明实施过程中将得到大量燃气轮机透平叶根轮槽型线图和其对应的叶根轮槽性能评价指数p的数据，可以构建完善的燃气轮机透平叶根轮槽型线数据库，为燃机叶片设计领域提供重要数据和造型参考。

55、进一步，本发明所建立的生成对抗网络模型在多次的实施过程中，将积累大量原始数据，其功能不仅限于实现优化目的，还能实现对任意目标燃气轮机透平叶根轮槽造型的优劣程度评级预测。

56、综上所述，本发明提供了一种高效、稳定、优化效果显著的燃气轮机透平叶根轮槽型线优化方法。广泛适合应用于多种透平叶片叶根轮槽的设计优化。