燃气轮机叶片退化预测模型

一种基于神经网络的高温叶片退化性能预测模型，预测速度较传统CFD方法提升多个数量级，并实现效率-应力多目标运行优化。

Dongbo, Shi · Guangqing, Liao · Meng, Yue · Di, Zhang · 谢永慧

Energy 2024

参数信息

R²（决定系数）

0.9

预测速度提升

10⁴ ×

效率最大提升

0.74 %

功率最大增加

2.13 MW

最大von Mises应力降低

43 MPa

技术优势

预测快四个数量级

用BP神经网络替代CFD仿真，预测速度提升10⁴个数量级，使实时退化评估成为可能。

精度达标

模型对特征参数的预测R²值大于0.9，满足工程精度要求。

兼顾效率与强度

采用遗传算法同时优化效率和最大von Mises应力，避免盲目提效导致叶片强度失效。

极端工况也适用

在积垢和腐蚀/磨损极端条件下，优化后效率、功率和应力改善显著，证明模型鲁棒。

应用场景

• 燃气轮机运维：运行人员实时获知叶片退化状态，优化设定参数，平衡效率与寿命。
• 实时健康监测：用神经网络高速预测代替CFD，实现叶片健康的在线评估与预警。
• 航空发动机叶片管理：预测航空发动机叶片退化，指导维修时机，避免过度维护或突发失效。