评估的神经元网络优化工具:低比转速叶轮应用程序

文摘

这项工作提供了一个详细描述的流体动力学工业泵低比速离心叶轮的设计。的主要目标是保证一定价值的比转速数字设计流量,同时满足几何约束和工业可行性。设计过程依赖于现代优化技术如Artificial-Neural-Network-based方法(安)。叶轮几何参数化以允许几何变化在一个很大的设计空间。计算框架适合泵优化是基于一个完全粘滞三维数值解算器,用于叶轮分析。泵的性能预测得到了耦合的CFD分析一维相关工具,占其他组件的损失不包括在CFD领域。由于制造业和几何约束,两个不同的优化叶轮叶片3和5的方法已被开发,在效率方面所需的性能和吸水能力。配置都比的预测性能测量头和效率特性。

1。介绍

离心泵的优化配置是一个折中可靠性、低成本的制造业和气动效率高(葛[1])。即使可靠性仍然是最重要的因素,生产商正在推动效率的极限开发节能泵。此外,企业的核心竞争力需要设计过程中尽可能的简短。如今,指数增长的计算能力使得方法基于传统设计过程自动化,耦合优化方法计算流体动态代码(例如,Pierret和Van Den Braembussche [2),Ashihara和转到3),Goto et al。4),Pierret et al。5),博et al。6,7),凯西et al。8])。这些方法导致设计过程,比经验更依赖系统的方法。他们不太耗费时间比传统的方法,需要设计者不断完善组件几何。

在这种背景下,Termomeccanica筛S.p.A.和“塞尔吉奥Stecco”大学能源工程系佛罗伦萨开始联合研究项目泵的设计阶段,主要是基于CFD技术结合现代优化工具的使用。

本文中描述的工作处理的流体动力学设计和优化的离心叶轮低比转速泵。优化匹配的运动旨在设计点和最佳效率点规定的比转速数字,加上整体最小值的泵效率和良好的吸水能力。

叶轮的设计是使用一个内部参数化的工具(例如,博et al。9]),一个三维CFD代码,一个后处理工具,基于相关性。Sobol拟随机序列的数据是为了获得使用抽样的设计空间和输入来执行所需的计算作为训练集。人工神经网络(ANN),一种快速、可靠、和计算便宜的工具,是训练有素的CFD结果获得表面反应。

为了获得一个预测泵的性能,加上所有静态组件叶轮。这些国家,尤其是蜗壳,关键因素对低比转速离心泵的性能。流环境非常复杂,CFD的性能预测是一个挑战性的任务。此外,整个泵的CFD模拟是一个非常耗时的任务。由于这些原因,一个简单的一维模型基于相关性被用来解释对泵的影响。该方法是根据实验数据进行验证用于现有的数量比转速泵最好的效率。结果也被认为是代表新泵的设计较低比转速的数量。事实上,为了使生产成本尽可能低,要求新泵是所有其他组件,除了叶轮本身一样的泵。

两种不同的优化进行了针对获得3-blade 5-blade叶轮,在满足几何约束和工业可行性。多步的方法被认为是第一个,虽然全球方法用于第二个。优化后,叶轮制造,和预测性能验证了对实验数据的头和效率特性。

2。计算框架

2.1。叶片描述和参数化

三维叶轮几何参数的方式处理。直接设计过程,它是必要的参数化组件使用尽可能少的几何参数。为此,利用积分b样条曲线的几何性质,而曲线的形状可以控制使用一些控制点。一个三维圆柱坐标系统(参见图1)是面向设在对应泵轴和叶片用于描述和参数化。

参数化的输入工具下面的几何数据。(我)经向布局。中心和裹尸布子午轮廓的描述- - - - - -飞机由b样条曲线,而领导(LE)和落后(TE)边缘被three-control-point贝塞尔曲线(图2)。(2)叶片转动角 。叶片几何形状是由叠加飞机叶片间的部分。每个部分的弧线是参数化的转动角度沿子午横坐标。的角度,积极为逆时针旋转坐标系,方位桨叶角有关(见图3) 的使用角,而不是允许设计者方便地控制叶片载荷分布。(3)叶片厚度。为了分配一个正常厚度分布定义叶片轮廓。(iv)叠加法。叶片的堆积是由分配的价值在一个固定的每个部分对一个(通常是中心值)的引用。

2.2。计算网格

叶轮的计算域与结构化的椭圆离散单块H-grid分,总共580.861节点。为了保证足够的数值解析,选择网格敏感性分析的基础上。这里介绍非周期的网格都用于计算。消除周期性允许网格减少网格偏态,即使是级联拥有一个大型曲面或高错开角度和转折。少量子午通道,叶轮的下游,是为了抑制地区分离流的出口部分,这可能会影响收敛和很难评估组件的性能。的3 d视图叶轮和2 d子午流道网格数据4和5。

2.3。流解算器

多行的,多次拉丝,不可压缩单相版本的TRAFMS代码(Arnone [10,11],和Arnone Pacciani [12]),3 d解决最初发达佛罗伦萨大学的可压缩涡轮机械流,用于目前的工作。科林人工压缩性Chorin[的概念13)是用于处理呢不可压缩液体的方法。的时间导数的压力,由人工压缩性系数加权,添加到连续性方程以获得的三维不稳定配方Reynolds-Averaged n - s方程(跑)写在保守的曲线形式,body-fitted坐标系统。

方程的空间离散化是基于有限体积cell-centered方案。第二和四阶混合人工耗散模型,加上一个特征值缩放,为了尽量减少使用人工剪切层内扩散。使用显式方程在时间上先进的四级龙格-库塔计划,直到到达稳定状态的解决方案。为了降低计算成本,加快收敛到稳定的解决方案,四个计算技术是采用当地时间步进,隐式残平滑、多栅的完全近似存储(FAS)和网格细化。有几种湍流闭包,即代数Baldwin-Lomax模型(14),一个方程Spalart-Allmaras模型(15),two-equation Wilcox k -模型(16,17]。边界条件对固体墙壁(无滑动),在周期性边界,在进口(总压强和流量角度)和出口(静压中心)的计算域。流压在某种程度上是对物理在叶轮进口的压力,为了防止气蚀引起叶轮的口,这将使其无法执行计算和单相流体模型(例如,Arnone et al。18])。

最近的代码用于离心和混流泵组件的设计和优化(Arnone et al。19),博et al。9),Boncinelli et al。20.])。

2.4。后处理

舞台表演评估考虑流体动力学area-averaged数量在两个部分,第一个是上游的叶轮前缘和第二个叶轮后缘的下游。在图2,两个部分的位置说明,连同子午视图。主要分析了数量如下。(我)压力分布。叶片压力压力和吸力面报告为无量纲曲线横坐标的函数,在那里分别计算压力和吸力面。(2)顺翼展方向的分布。知识分布pitch-averaged总压强,静态压力,绝对和相对速度,绝对和相对流角度进行评估。(3)积分数量。全扬程、流量、静态压力,total-to-total效率,出口area-averaged经向和切向速度计算。(iv)叶片间和子午通道的观点。叶片间和子午通道视图是用于分析二次流。(v)抽吸能力。一个数值模型来解决空泡流直接需要一个两相流体模型,而且通常不稳定和nonaxisymmetric现象。这些需求还不适合日常工业设计应用程序由于其高计算成本。即使空化发展无法提供的细节,3 d计算仍然可以作为设计工具,《盗梦空间》和空化传统意义上的标准是为了比较吸水能力不同的几何图形。每次计算后,压力被人为地减少到5%的叶轮叶片表面静压低于当地蒸汽压()。相应的入口总压()被用来计算一个数值泵的操作条件(例如,博et al。9])。

为了评估泵特定速度,有必要所有泵组件模型。两种方法可以遵循:第一个是包括所有泵组件在CFD领域中,第二个由单独的CFD分析叶轮和使用相关方法的损失占其他组件。第一种方法计算成本高,因此不适合优化目的。第二个是更耗时,并且更适合使用在一个优化过程。出于这个原因,选择了后一种方法计算在这个工作泵的性能。额外损失相关的静态组件,在一个给定的流量,估计通过1 d代码:(我)泄漏(Stepanoff [21]),游隙(Gulich [22]),(2)管:进口和出口锥形扩散器,放电管(艾德尔'cik [23]),(3)圆形蜗壳(Van den Braembussche [24])。

2.5。人工神经网络

优化方法是基于人工神经网络(ann)的使用。人工神经网络用于建设的元模型中的每个约束和目标函数的优化。他们选择的主要原因之一:使用元模型允许并行执行计算,由此减少了活动的整体时间表(25]。使用前馈网络和两个隐藏层。基于培训而言,梯度反向传播方法。为了提高泛化能力,混合网络由多个训练神经网络(例如,使用26,27])。有效的杂交可以通过选择不同的体系结构,完成不同的训练集,在培训过程中不同的权重向量的初始化。网络的泛化能力是评估通过计算预测误差在一个独立的验证数据集。

3所示。泵的特点

泵的实验数据是可用的组成的一个入口锥形扩散,笼罩离心叶轮与叶片(图三6),一个圆形的蜗壳,锥形扩散器的一个渠道,而弯管。这项工作的主要目的是设计一个叶轮,可以加上相同的静态组件泵,为了获得一个新泵。有鉴于此,该方法的性能预测能力是评估通过比较计算和测量泵的特性在图7。实验数据包括效率和总压头和流量。关闭条件的流量范围跨越设计流量的150%。叶轮的性能计算与三维计算流体动力学解算器,那么损失的各种静态组件,估计1 d代码,添加了给水泵的特点。我们可以看到在图7,有必要解释所有的贡献为了获得一个可靠的预测泵的性能。

这项协议是相当不错的除了高流速的测量泵性能急剧恶化是可见的由于空化。向低流率,非定常流现象往往出现,它是不可能与稳态计算叶轮的方法。

4所示。设计和优化

新泵的设计的目标(我)比转速的数量在设计流量(DP)规定的转速,(2)整体最小值total-to-total泵的效率(),(3)良好的吸水能力()。

施加约束遵循可行性的工业需求。低比转速范围,叶轮流道出口高度()是一个关键参数,因为在传统的设计过程通常是制造太窄。因此叶轮应该尊重最低出口宽度(),一个最大的方位桨叶角,最低叶片厚度。2 d-blade概要文件中飞机是必要的,以确保一个容易脱模叶轮。叶轮累赘的需要一样泵,可以加上相同的进气导管和蜗壳。

选择的自由度是11叶轮的几何参数。这个选择进行了基于指定的目标达到(见表1)。Sobol拟随机序列的使用训练数据,以确保更好的覆盖设计空间和CFD计算的数量最小化。使用离线人工神经网络训练过程和表面生成一个响应。在当前应用程序中,验证样本集是一个随机的子集CFD计算的基础上执行Sobol序列;这个子集不包括在训练集。然后使用蒙特卡罗方法来选择一组最佳候选人与CFD计算验证从而允许设计师来选择最优的解决方案。

自工业的要求是设计一个2 d的叶片飞机,中心分配只模仿了three-control-point贝塞尔曲线(见图3)。第一点是桨叶角最后一点是TE桨叶角,第二个是位于一个中间经向叶片的协调。这个简单的分布类型允许没有任何拐点,此外,与泵的特点是强烈的径向发展,刃口曲线不是很有效的泵的性能。中心和裹尸布子午轮廓的形状与三度b样条曲线控制点(图82)。每个控制点的横坐标和纵坐标adimensionalized对轴向和径向子午通道的长度,分别。这个选择已经为了追求轻松塑造子午轮廓其他几何参数时,优化过程中,修改(例如,凯西et al。8])。只有第四个控制点的横坐标和纵坐标的第五个控制点,在中心和裹尸布被修改,因为他们的影响力在前面部分的叶片加载和发病率。

叶片部分,堆放在TE,有一个恒定的厚度在整个弧线,前缘与规定的曲线形状,后缘是在一个恒定的半径。

在当前应用程序中,叶片的数量不是一个自由度和只有两个配置研究了工业需求:3-blade叶轮和5-blade叶轮。5-blade叶轮的配置中,使用相同的约束的最小值和最大的方位角度的价值发展,减少循环流的概率在叶轮叶片通道和出口,尽管减少吸能力。

因此,从同一组参数,两个在设计点进行优化(DP)和两种不同的策略选择。3-blade叶轮的几何优化得到的多步分析。在每个步骤中,数量有限的参数是不同的,变异的范围逐步健全。5-blade叶轮,全球方法采用一步,和所涉及的所有参数优化过程与大范围的变化。一般来说,第一个方法的计算成本较低,但结果可以影响设计师的选择不同的子集的参数被认为是在每一个步骤。相反,全球方法的主要优势是,唯一的关键抉择的初始选择有关参数。所有参数的影响,然后研究在同一时间。参数的数量越高,越高数量的计算需要一个适当的神经网络的训练。因此,第二种方法需要更高数量的计算对第一个。尽管如此,这两个优化应用程序通过使用相同数量的计算资源,对工业设计的调度测试它们。 Each computed geometry required about 1.5 hours on a Xeon CPU X5650 at 2.67 GHz, so that a single optimization was obtained in 3 days on a 40-core cluster.

4.1。3-Blade叶轮优化

三步法被选为执行这种优化。自比速号码()是主要关心的,在第一步的子集参数(,,,)选择的基础上对总负责人(见表的影响1)。为了调整发病率不同的流速,和被认为是,总共6参数(见表2)。变体选择的范围尽可能大的工业可行性。

一旦是有针对性的,下一步的研究涉及的最大效率和增加吸入能力()。8参数涉及角子午流道轮廓(,,,),LE半径叶轮出口宽度和叶片进口角。的参数有很强的影响蜗壳,因此泵的性能。出于这个原因,它是包含在第二步的子集被认为是一个狭窄的范围的变化。

最后一步的优化涉及到6个参数,然而调查在第一步中,精致的偏差范围。事实上,这个子集的参数是最有效的获取目标特定的速度。计算各个步骤中执行的结果在图进行了总结8(一个),泵效率是策划针对特定的速度。即使三个不同的训练集如图8(一个),使用了一个独特的元模型。每一步后,相同的安实际上是接受再培训,使用一个额外的样本集。样本集的大小是676年,594年和150年三个步骤,分别为(共1420个样本,见下表3)。

4.2。5-Blade叶轮优化

在这种情况下,优化进行了在一个步骤中,和11个参数被允许在同一时间不同,覆盖尽可能宽的值的范围。的、效率和抽吸能力都在同一时间。优化云,由1757个样本(见表3),如图8 (b)通常,最优几何图形描述一个帕累托前沿。

4.3。结果

Two-response表面生成了3-blade 5-blade叶轮,分别。因此,两种不同的人工神经网络训练后的目标是获取两个不同数量的优化叶轮叶片。这两个优化云数据所示8(一个)和8 (b),效率是策划针对特定的速度。在这些神经网络优化几何图形最终建议的数据突出显示。这两个几何图形,称为OPT3 OPT5,分别与CFD计算和位correlation-based 1 d工具。性能预测的神经网络相比,那些获得的计算表4。可以看出,神经网络预测是在良好的协议与模拟。

预测的操作特征的两个优化几何图形与实验数据相比,在图9,计算流率从20%到170%的DP。与测量的协议被认为是非常适合3 -和5-blade情况下,尤其是获得更高层次的头与5-blade叶轮正确复制。一个例外是再次发现流率高于140%实验数据显示,典型的由于泵的汽蚀性能下降。它可以注意到在不同的流速测量特征开始下降3-blade和5-blade叶轮。这是由不同造成的在抽吸泵的两种情况。注意到过,同样的行为不能得到的计算基于单相流体模型。自设计点操作条件进行了优化,最大化的效率是目标之一,可以预期,设计点匹配的最佳效率点。这个事实可以验证的预测和测量操作特征。

图10显示area-averaged流量的知识分布在叶轮出口部分。3-blade和5-blade优化叶轮出口宽度的值接近最小值固定约束。这是因为低的价值倾向于减少循环叶轮流道内流区域的可能性。因为的叶轮泵应该加上相同的蜗壳泵,叶轮出口比较的结果三个几何图形。优化叶轮提供更高层次的径向速度在叶片出口;获得的速度剖面5-blade配置更均匀沿跨度分离倾向较低。优化的圆周速度水平大大不变的几何图形的泵,绝对流动角小于1°的高。这应该不会影响到蜗壳性能太多。

在叶片间的相对速度大小轮廓部分跨如图11在设计点的两个优化配置。循环流的3-blade叶轮提供了一个大的区域在压力面原始下游叶片前缘(图(11日))。由于限制强加的方位角度发展叶片,这是不可能避免这种再循环。再循环是抑制采用更高数量的叶片,叶片角发展问题上的约束是减轻(图11 (b))。在图12在叶轮叶片,无量纲静压分布报告相关的函数曲线横坐标为10%,50%,和90%的叶片。自泵进口管应该保持的吸水能力和泵进行了比较。这些数字所示的静态压力值减去后得到所需的添加水平的增压而防止气蚀产生执行计算。零压力的价值已经标注dash-dot线参考。这使得设计师找出哪些部分的叶片被寻找可能影响空化负的静态压力,忽视蒸汽压与进口总压(例如,Arnone et al。18),博et al。9])。压力分布的两个叶轮优化提出了更高层次的吸力和压力方面的压力几何中心之间的距离。这些叶片载荷分布得到的低价值流发生率(即。,大约2 - 3°)。这种压力分布的最前部叶片应该确保更好的吸水性能和低风险的空化《盗梦空间》()。

5。结论

摘要气动设计提出了一种低比转速泵的叶轮和详细描述。设计目标与设计点和最佳效率点规定的比转速数字()与保证值的泵效率和良好的吸水能力()。实现这些目标的主要目标是在定义几何约束下,反映了工业需求的可行性和较低的生产成本。由于这些原因,需要加上新的叶轮相同静态组件的一个已经存在的与比转速略高数量的泵。

这样一个过程开始的CFD分析泵叶轮的配置。泵的静态组件,如扩散管和螺旋,以及额外的损失贡献由于泄漏和偏差,通过获得1 d-prediction工具基于广泛使用的相关性。能力模型的预测性能进行比较与测量泵的计算特点,和一个相当不错的协议被发现在整个操作范围。

叶轮的气动设计是使用一个参数化的工具,它允许直接控制生产和结构约束和使人们有可能识别单一参数对叶轮气动性能的影响。总体设计过程利用神经元网络的方法是快速和强大的工具的优化泵的性能。两个配置3-blade (OPT3)和5-blade (OPT5)叶轮有额外的目标选择和优化获得良好的吸水能力()。

两个配置满足所需的特定的目标速度和效率,增加约0.6%,OPT3,和0.3%,OPT5,关于在DP所需的最小值。5-blade叶轮配置能够减轻叶轮通道内的流动循环,而不是倾向于坚持3-blade解决方案,由于限制叶片的叶轮出口宽度和角度发展。结果,提出优化方法对实验数据进行评估的水泵3-blade和5-blade叶轮。一个非常好的协议被发现之间的预测和测量操作特征演示该方法提供了一种经济、可靠的设计工具为工业的需要。

命名法

:	叶轮宽度(米)
:	绝对速度(米/秒)级
:	重力加速度(m / s2)
:	头(m)
:	经向横坐标(m)
:	叶轮转速(rpm)
:	比转速的数字,(转 )
:	压力(Pa)
:	进口总压对空化标准(Pa)
	体积流率(立方米/秒)
:	圆柱坐标。

希腊

:	流角,谭−1()(°)
:	金属角(°)
:	效率,
:	在子午面倾斜角(°)
:	密度(公斤/米3)
:	方位角(°)。

下标

1:	进口部分
2:	出口部分
:	圆周
:	叶片
:	中心
:	中间,子午
马克斯:	最大值
:	径向
裁判:	的参考价值
:	提示
:	总
:	蒸汽
:	轴向。

首字母缩略词

安:	人工神经网络
cep:	最佳效率点
CFD:	计算流体动力学
DP:	设计点
勒:	前缘
:	净压头,
OPT3:	优化3-blade叶轮
OPT5:	优化5-blade叶轮
TE:	后缘。

确认

作者想表达他们的感谢金融支持意大利Ministero戴尔'Istruzione,意大利e Ricerca (MIUR),根据研究项目PACOMAR没有。DM29847。他们也想表达自己的感激。安德里亚·施耐德佛罗伦萨大学的众多和富有成果的讨论人工神经网络的使用。

引用

1. “葛巴拉克利希南泵研发:过去、现在和未来——一个美国人的角度来看,“流体工程学报,ASME的事务,卷121,不。2、237 - 247年,1999页。视图:谷歌学术搜索
2. Pierret和r . a Van Den Braembussche”,涡轮机叶片设计使用n - s解算器和人工神经网络,”涡轮机械杂志,卷121,不。2、326 - 332年,1999页。视图:谷歌学术搜索
3. k . Ashihara和a . Goto”涡轮机叶片设计使用三维逆设计方法,计算流体动力学和优化算法,”ASME纸2001 - gt - 0358, 2001。视图:谷歌学术搜索
4. a . Goto m . Nohmi t .樱井,y Sogawa,“水动力泵基于三维CAD设计系统,计算流体动力学,和逆设计方法,”流体工程学报,ASME的事务,卷124,不。2、329 - 335年,2002页。视图:出版商的网站|谷歌学术搜索
5. s . Pierret r . Filomeno科埃略,h·加藤”多学科和多个操作点优化压缩机叶片的三维形状,”结构和多学科优化,33卷,不。1,第70 - 61页,2007。视图:出版商的网站|谷歌学术搜索
6. d·博a . Arnone m . Ermini, l . Baldassarre”分析和优化的跨音速离心压缩机叶轮使用实验的设计技术,”涡轮机械杂志,卷128,不。4、786 - 797年,2006页。视图:出版商的网站|谷歌学术搜索
7. d·博和m . Zangeneh”耦合的逆设计和多目标优化技术,多点涡轮机叶片的设计,“涡轮机械杂志,卷131,不。2,p。021014年,2009年。视图:谷歌学术搜索
8. m·凯西f . Gersbach c·罗宾逊,“径向压缩机叶轮的优化技术,”ASME纸gt2008 - 50561, 2008。视图:谷歌学术搜索
9. d·博a . Arnone美国Corradini, m . Bernacca“气动混流泵的设计阶段,ASME纸2003 - 3506年,2003年。视图:谷歌学术搜索
10. a . Arnone“粘性分析三维转子流使用多重网格方法,”涡轮机械杂志,卷116,不。3、435 - 445年,1994页。视图:谷歌学术搜索
11. a . Arnone“涡轮机n - s计算,多栅的方法”解决方案技术大规模CFD问题,w . g . Habashi Ed,约翰威利& Sons, 1995。视图:谷歌学术搜索
12. a . Arnone和r . Pacciani”三维粘性分析离心叶轮采用不可压缩n - s方程,”涡轮机械学报第一欧洲会议埃朗根,页181 - 195年,德国,1995年。视图:谷歌学术搜索
13. 科林A . j . Chorin”数值方法求解不可压缩粘性流动问题,“计算物理学杂志,卷2,不。1,12-26,1967页。视图:谷歌学术搜索
14. b s·鲍德温和h·洛马克斯,”薄层近似代数湍流分离流动模型,”张仁纸78 - 257年,1978年。视图:谷歌学术搜索
15. p . r . Spalart和s . r . Allmaras”一个方程湍流模型空气动力流,”说是法国宇航公司,没有。1,5 - 21日,1994页。视图:谷歌学术搜索
16. d·c·威尔科克斯湍流对CFD建模美国加州,起重集团加拿大第二版,1998年版。
17. d . c .威尔科克斯,”k -的配方ω湍流模型再现。”张仁杂志,46卷,不。11日,第2838 - 2823页,2008年。视图:出版商的网站|谷歌学术搜索
18. a . Arnone p . Boncinelli a . Capuani e·斯帕诺,c . Rebattet。”阿丽亚娜5 TPLOX诱导物设计策略来提高空泡性能,”诉讼的第四届国际研讨会空化(CAV的01)2001年6月,帕萨迪纳,加利福尼亚州,美国。视图:谷歌学术搜索
19. a . Arnone p . Boncinelli a . Munari和e·斯帕诺”,应用CFD技术的设计阿丽亚娜5涡轮泵”,张仁杂志,46卷,不。11日,第2838 - 2823页,2008年。视图:出版商的网站|谷歌学术搜索
20. p . Boncinelli r ., a Focacci et al .,“碗形扩散器对低比速泵:工业应用,”涡轮机械杂志,卷130,不。3,p。031013年,2008年。视图:谷歌学术搜索
21. a . j . Stepanoff离心式和轴流式泵Krieger出版社,第二版,1957年版。
22. j . f . Gulich离心泵施普林格,柏林,德国,2008年第1版。
23. 即艾德尔'cik,纪念品des pert de电荷版Eyrolles,第3版,1986年版。
24. r . a Van den Braembussche,”流和损失机制在离心泵泵体,“北约rto - en - avt - 143 - 12所示,2007年。视图:谷歌学术搜索
25. a . Cichocki和r . Unbehauen神经网络优化和信号处理约翰·威利& Sons,纽约,纽约,美国,1994年。
26. m·m·拉伊“使用人工神经网络三维气动设计,”张仁纸2002 - 0987年,2002年。视图:谷歌学术搜索
27. f . Rubechini施耐德,A . Arnone s .这套和f . Malavasi”设计策略改善17-stage汽轮机的效率,”ASME纸gt2009 - 60083, 2009。视图:谷歌学术搜索

版权

版权©2011 Matteo Checcucci等。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。