基于全局工况门控与局部边界调制的涡轮叶片图神经网络流热场预测方法与流程

本发明涉及航空发动机涡轮叶片气动热设计、计算流体力学仿真、人工智能代理模型和图神经网络，具体涉及一种面向航空发动机涡轮叶片流场、温度场、压力场、速度场、壁温场和冷却效率场快速预测的全局工况门控与局部边界调制图神经网络方法。

背景技术：

1、航空发动机涡轮叶片长期处于高温、高压、高转速和强三维流动环境中，其气动性能、冷却性能和热负荷分布直接影响发动机效率、寿命和安全裕度。涡轮叶片流热场不仅受进口总压、进口总温、出口压力、转速、膨胀比和主流质量流量等全局工况控制，还受气膜孔冷气压力、冷气温度、吹风比、密度比、壁面热边界、端壁二次流、叶尖间隙泄漏、尾迹混合和局部几何尺度等局部工况影响。传统高保真cfd仿真能够获得较准确的压力、温度、速度、密度、壁面热流和冷却效率分布，但几何建模、网格划分、求解迭代和后处理耗时较长，不适合大量设计方案快速筛选和优化迭代。

2、近年来，gnn能够直接处理非结构网格和复杂几何拓扑，将cfd网格节点作为图节点、网格连接关系作为图边，在节点和边上学习复杂流动传热映射。与卷积神经网络需要把三维叶片流场插值到规则网格不同，gnn能够保留非结构网格的局部连接关系和几何邻接关系，因而适用于气膜孔、叶尖间隙、端壁和尾迹等复杂区域的快速预测。

3、然而，现有gnn流热场预测方法通常将全局工况、局部边界条件、节点坐标和节点类型简单拼接为节点输入特征。这种处理方式存在明显不足：第一，全局工况与局部工况的物理作用范围不同，简单拼接会使模型难以区分进口总温等全域控制变量和气膜孔吹风比等局部控制变量；第二，将全局工况直接复制到所有节点，不能体现主流区、壁面区、气膜孔区、叶尖区、端壁区和尾迹区对全局工况的敏感性差异；第三，仅使用节点类型或边界 one-hot 编码难以反映不同进口条件、出口条件、冷气供给和转速组合下的整体流道状态；第四，气膜孔出口、叶尖泄漏、端壁二次流、尾迹混合和近壁热边界层等局部区域物理梯度强，若缺少区域自适应工况调制机制，容易产生局部温度、压力、速度或冷却效率预测误差；第五，在跨进口温度、跨出口压力、跨冷气流量或跨转速预测时，简单拼接式输入容易过拟合训练样本分布，导致跨工况泛化能力不足。

4、因此，需要提出一种面向涡轮叶片复杂流热边界的全局工况与局部工况协同编码方法，使gnn能够根据节点所在区域和边界状态，自适应融合全局工况和局部工况，并在消息传递过程中持续利用工况编码调制边消息与节点状态更新，从而提高涡轮叶片三维流热场预测精度和跨工况泛化能力。

技术实现思路

1、有鉴于此，本技术实施例提供一种基于全局工况门控与局部边界调制的涡轮叶片图神经网络流热场预测方法，以解决现有gnn预测涡轮叶片流热场时全局工况和局部边界条件简单拼接、工况作用范围不清、局部复杂区域预测误差大以及跨工况泛化能力不足的问题。

2、本技术实施例提供以下技术方案：一种基于全局工况门控与局部边界调制的涡轮叶片图神经网络流热场预测方法，包括：

3、获取涡轮叶片cfd网格数据，将所述网格数据转换为图结构数据，所述图结构数据包括节点和边，每个cfd网格节点对应一个图节点，网格节点之间的连接关系对应图边；

4、基于所述图结构数据，构建全局工况编码器，将作用于整个涡轮叶片流道的全局运行状态参数编码为全局工况潜在向量；

5、基于所述图结构数据，构建区域自适应局部工况编码器，针对不同涡轮叶片区域采用不同的局部工况编码模板，将作用于节点或局部边界的约束参数编码为各节点的局部工况潜在向量；

6、通过节点级门控融合网络，根据所述图结构数据中各节点的区域属性和基础特征计算融合权重，基于该融合权重，将所述全局工况潜在向量与所述局部工况潜在向量进行加权融合，得到各节点的融合工况编码；

7、将所述融合工况编码作为工况调制信号，在图神经网络的每一层消息传递过程中参与边消息的计算和节点状态更新，使工况信息持续调制各节点的信息传播；

8、经过多层工况调制的消息传递后，通过解码器输出各节点的流热场预测物理量。

9、根据本技术一种实施例，所述融合权重的计算方式为：

10、

11、

12、其中，为全局工况潜在向量，表示门控网络权重矩阵，表示门控网络偏置向量，为第i个节点的局部工况潜在向量，为第i个节点的基础特征，为第i个节点的门控融合权重，为第i个节点的融合工况编码，σ表示sigmoid激活函数，⊙表示逐元素乘法。

13、根据本技术一种实施例，每一层消息传递过程中所述边消息的计算方式为：

14、

15、其中，表示第k层中节点j向节点i传递的边消息，表示节点i在第k层的隐藏特征，表示节点j在第k层的隐藏特征，表示节点i与节点j之间的边特征，表示节点i的融合工况编码，表示节点j的融合工况编码，表示边消息更新函数。

16、根据本技术一种实施例，每一层消息传递过程中节点状态更新的具体方式为：

17、

18、其中，为节点i在第k+1层的隐藏特征，为节点i的邻居节点集合，表示节点i在第k层的隐藏特征，为节点状态更新函数，表示第k层中节点j向节点i传递的边消息，表示节点i的融合工况编码。

19、根据本技术一种实施例，所述区域自适应局部工况编码器包括多个针对不同涡轮叶片区域的专用编码模板，所述不同涡轮叶片区域至少包括以下一种或多种：主流进口区、出口区、叶片壁面区、气膜孔区、叶尖区、端壁区、尾迹区；不同区域的局部工况编码模板包含与该区域物理机制匹配的局部工况参数组合。

20、根据本技术一种实施例，所述气膜孔区的局部工况编码模板至少包括冷气总压、冷气总温、吹风比、密度比、孔径、孔倾角、复合角、孔型标识和孔出口下游距离中的一种或多种；所述叶尖区的局部工况编码模板至少包括叶尖间隙高度、叶尖泄漏通道标识、机匣距离和叶尖局部相对速度中的一种或多种；所述端壁区的局部工况编码模板至少包括端壁距离、端壁边界层标识、二次流影响区标识和端壁热边界条件中的一种或多种。

21、根据本技术一种实施例，所述全局运行状态参数至少包括主流进口总压、主流进口总温、出口静压、涡轮转速、涡轮膨胀比、主流质量流量、冷气总流量、马赫数和雷诺数中的一种或多种；所述作用于节点或局部边界的约束参数至少包括节点类型、壁面距离、区域标识、局部边界条件、局部热边界条件、局部冷却边界条件和局部几何尺度参数中的一种或多种。

22、根据本技术一种实施例，所述流热场预测物理量至少包括密度、静压、静温、速度分量、壁面温度和冷却效率中的一种或多种；所述解码器以各节点的融合工况编码和经过多层消息传递后的隐藏特征为输入，输出各节点的所述流热场预测物理量。

23、根据本技术一种实施例，还包括：构建包含多种全局工况与局部工况组合的训练样本集，用于对所述全局工况编码器、所述区域自适应局部工况编码器、所述节点级门控融合网络、所述图神经网络及所述解码器所构成的流热场预测模型进行训练；

24、其中，训练损失同时包括节点级流热场预测误差、全局工程物理量误差和局部复杂区域预测误差，所述局部复杂区域包括气膜孔出口、叶尖泄漏区、端壁二次流区、尾迹区和近壁区中的至少一种。

25、根据本技术一种实施例，还包括工程一致性校验步骤：预测完成后，对预测结果进行工程指标校验，所述工程指标至少包括出口质量流量、涡轮膨胀比、出口平均总温、壁温峰值和面积平均冷却效率中的一种或多种。

26、与现有技术相比，本说明书实施例采用的上述至少一个技术方案能够达到的有益效果至少包括：

27、第一、本发明将涡轮叶片预测中的全局工况和局部工况进行分层编码，避免了将进口、出口、冷气、壁面、叶尖和端壁等不同物理作用范围的参数简单混合输入导致的表达混淆。

28、第二、本发明通过节点级门控融合机制，使每个节点能够根据自身区域、边界类型和基础特征自动调整全局工况与局部工况的影响比例，能够体现主流区、壁面区、气膜孔区、叶尖区、端壁区和尾迹区的工况敏感性差异。

29、第三、本发明将融合工况编码引入 gnn 每一步消息传递，使边消息和节点状态更新受工况调制，而不是仅在输入阶段拼接工况参数，从而增强了模型对跨工况流热响应的表达能力。

30、第四、本发明设置区域自适应局部工况编码模板，对气膜孔、叶尖、端壁、壁面和尾迹等涡轮叶片关键区域采用更符合局部物理机制的编码参数，有助于降低局部强梯度区域预测误差。

31、第五、本发明通过跨工况训练损失和工程一致性校验，将节点流场误差、全局工程指标误差和局部复杂区域误差统一考虑，可提高质量流量、压比、出口温度、壁温峰值和冷却效率等工程指标预测可靠性。

32、第六、本发明可嵌入涡轮叶片参数化设计、自动化 cfd、代理模型优化和快速方案筛选流程，有助于缩短设计迭代周期，提高航空发动机涡轮叶片气动热设计效率。