来源：期刊VIP网 时间：
作者：王源鹤;郭临稷;王嗣鹏;邬泽宇;罗翔;
单位：北京航空航天大学航空发动机研究院;中国航发四川燃气涡轮研究院;太行实验室;北京航空航天大学能源与动力工程学院;
摘要：为克服传统CFD计算时间及成本耗费大，难以在短时间内预测多种结构及工况的旋转盘腔换热参数的困难，本文提出了基于卷积神经网络（CNN）的一种数据驱动的旋转腔换热参数预测方法。基于雷诺平均N-S方程对轴向通流旋转盘腔进行数值模拟，分析旋转腔换热特性，确定影响换热的主要特征参数，建立预测模型实现对旋转腔换热参数的预测。结果显示，盘面高半径处换热受旋转引起的自然对流作用明显，低半径处以通流冲击和回流换热为主，罗斯比数Ro相同时盘面周向平均努塞尔数Nu分布规律相似，增大盘心间隙比G_c能够增加腔内换热，且在高转速、高半径处作用明显；盘罩平均努塞尔数■随旋转雷诺数Re_ω增加而增加，不同Re_ω下■随Ro增大先增加后减小，峰值均在Ro=1.5，增加G_c促进盘罩换热；卷积神经网络提取输入的工况及结构特征信息后对盘面及盘罩的换热参数进行预测，预测精度均高于90%。
关键词：空气系统;;旋转盘腔;;轴向通流;;换热特性;;卷积神经网络;;参数预测
基金资助：国家科技重大专项（Y2022-Ⅲ-0003-0012）~~
