【行業(yè)動(dòng)態(tài)】格拉茨理工大學(xué)借助AI解鎖航空發(fā)動(dòng)機(jī)優(yōu)化潛力

導(dǎo)讀：歐洲委員會(huì)在“Flightpath2050”戰(zhàn)略中為航空業(yè)制定了減排、降燃油消耗與能源消耗的發(fā)展框架，高效發(fā)動(dòng)機(jī)成為關(guān)鍵突破口。在ARIADNE項(xiàng)目中，格拉茨理工大學(xué)（TUGraz）的跨學(xué)科團(tuán)隊(duì)研發(fā)出AI支持的創(chuàng)新模型，為更快實(shí)現(xiàn)發(fā)動(dòng)機(jī)效率提升奠定基礎(chǔ)——該模型融合渦輪中間導(dǎo)管的多年流場(chǎng)數(shù)據(jù)與人工智能、機(jī)器學(xué)習(xí)技術(shù)，能快速且高效地測(cè)試各類幾何參數(shù)變化對(duì)效率的影響。

渦輪中間導(dǎo)管：被忽視的優(yōu)化富礦

“渦輪中間導(dǎo)管是航空發(fā)動(dòng)機(jī)的核心部件，”格拉茨理工大學(xué)熱力渦輪機(jī)械與機(jī)器動(dòng)力學(xué)研究所項(xiàng)目負(fù)責(zé)人沃爾夫?qū)ど４模╓olfgang Sanz）表示，“它負(fù)責(zé)引導(dǎo)氣流在轉(zhuǎn)速不同的高壓渦輪與低壓渦輪之間流動(dòng)。但這類中間導(dǎo)管重量較大，因此需要在保證高效率的前提下，盡可能做到更短、更小、更輕，這一領(lǐng)域仍存在巨大優(yōu)化空間。”

基于與知名航空發(fā)動(dòng)機(jī)制造商的合作研究，該研究所已積累了龐大的測(cè)量數(shù)據(jù)與流場(chǎng)模擬數(shù)據(jù)庫(kù)。為充分利用這些信息優(yōu)化部件及整機(jī)性能，沃爾夫?qū)ど４呐c博士生瑪麗安·施塔格爾（Marian Staggl），聯(lián)合該校軟件工程與人工智能研究所弗朗茨·沃塔瓦（Franz Wotawa）的研究團(tuán)隊(duì)及兩家企業(yè)合作伙伴，共同探索了三種AI支持的技術(shù)路徑。

降階模型脫穎而出，計(jì)算效率呈數(shù)量級(jí)提升

在三種技術(shù)路徑中，降階模型（Reduced Order Models）表現(xiàn)最為突出。該模型通過(guò)挖掘數(shù)據(jù)中的相似性，僅提取最關(guān)鍵的共性特征進(jìn)行模擬，大幅加速了計(jì)算過(guò)程——其運(yùn)算速度較完整流場(chǎng)模擬快數(shù)個(gè)數(shù)量級(jí)。盡管在精度上存在一定損失，但結(jié)合模擬技術(shù)后，能夠有效預(yù)測(cè)趨勢(shì)并識(shí)別優(yōu)化潛力。此外，這款自主研發(fā)的模型還具備顯著優(yōu)勢(shì)：當(dāng)渦輪中間導(dǎo)管長(zhǎng)度等參數(shù)發(fā)生變化時(shí)，可快速捕捉效率波動(dòng)。

相比之下，替代模型（Surrogate Models）存在一定局限性，其主要依賴現(xiàn)有數(shù)據(jù)的插值計(jì)算，在已驗(yàn)證流場(chǎng)數(shù)據(jù)范圍外，由于數(shù)據(jù)庫(kù)規(guī)模不足，結(jié)果準(zhǔn)確性難以保障。項(xiàng)目團(tuán)隊(duì)還對(duì)物理知情神經(jīng)網(wǎng)絡(luò)（PINNs）進(jìn)行了研究，這類模型嘗試將物理微分方程融入神經(jīng)網(wǎng)絡(luò)，但目前仍需進(jìn)一步優(yōu)化才能投入實(shí)際應(yīng)用。

下一步?jīng)_刺三維模擬，開(kāi)放數(shù)據(jù)賦能行業(yè)

目前，該降階模型僅實(shí)現(xiàn)了渦輪中間導(dǎo)管的二維建模，研究團(tuán)隊(duì)已規(guī)劃后續(xù)發(fā)展方向。項(xiàng)目中構(gòu)建的渦輪導(dǎo)管大型數(shù)據(jù)庫(kù)與降階模型將通過(guò)線上平臺(tái)向其他研究團(tuán)隊(duì)開(kāi)放，助力行業(yè)共同研發(fā)類似的三維模擬模型。對(duì)于沃爾夫?qū)ど４亩裕瑱C(jī)器學(xué)習(xí)技術(shù)的應(yīng)用已帶來(lái)全新啟發(fā)：“從機(jī)器學(xué)習(xí)的結(jié)果中，我們發(fā)現(xiàn)了許多此前從未設(shè)想過(guò)的參數(shù)關(guān)聯(lián)與變化趨勢(shì)。”

此次研究不僅為航空發(fā)動(dòng)機(jī)效率優(yōu)化提供了高效工具，也為AI與航空動(dòng)力工程的深度融合開(kāi)辟了新路徑，有望加速歐洲航空業(yè)“Flightpath2050”戰(zhàn)略目標(biāo)的實(shí)現(xiàn)。

原創(chuàng)文章，轉(zhuǎn)載請(qǐng)注明來(lái)自@兩機(jī)動(dòng)力控制

（歡迎加小編微信號(hào)：gtc6000；QQ群：603094810；資料都存在QQ群文件夾中）

免責(zé)聲明：本公眾號(hào)所載內(nèi)容為本公眾號(hào)原創(chuàng)或網(wǎng)絡(luò)轉(zhuǎn)載，轉(zhuǎn)載內(nèi)容版權(quán)歸原作者所有。如涉及作品內(nèi)容、版權(quán)或其他問(wèn)題，請(qǐng)跟我們聯(lián)系！轉(zhuǎn)載內(nèi)容為作者個(gè)人觀點(diǎn)，并不代表本公眾號(hào)贊同其觀點(diǎn)和對(duì)其真實(shí)性負(fù)責(zé)。本公眾號(hào)擁有對(duì)此聲明的最終解釋