壓氣機(jī)作為航空發(fā)動機(jī)的核心部件之一，對發(fā)動機(jī)的推重比、耗油率等關(guān)鍵性能參數(shù)產(chǎn)生決定性影響。當(dāng)前，隨著數(shù)字技術(shù)的迅速發(fā)展，通過對壓氣機(jī)進(jìn)行全周期的數(shù)字仿真，構(gòu)建其數(shù)字孿生模型，可以方便工程師清晰認(rèn)識到壓氣機(jī)工作狀態(tài)，并及時(shí)采取控制手段，減少由壓氣機(jī)失穩(wěn)帶來的巨大損失。數(shù)字孿生體能否實(shí)時(shí)準(zhǔn)確地反映和預(yù)測其壓氣機(jī)運(yùn)行狀態(tài)，取決于對內(nèi)部流場高效且精確的描述。然而，基于CFD的性能計(jì)算通常需要大量時(shí)間成本。因此，建立預(yù)測模型，實(shí)現(xiàn)壓氣機(jī)葉片通道流場特征的快速、準(zhǔn)確預(yù)測成為發(fā)動機(jī)領(lǐng)域研究的熱點(diǎn)問題，也是發(fā)動機(jī)數(shù)字孿生建模所需攻克的關(guān)鍵技術(shù)之一。
 

　　中國科學(xué)院工程熱物理研究所數(shù)字孿生研究中心在壓氣機(jī)流場預(yù)測方面開展了系列研究。借助深度學(xué)習(xí)強(qiáng)大的非線性特征提取能力，建立了深度注意力對稱神經(jīng)網(wǎng)絡(luò)模型(DASNN)對壓氣機(jī)不同徑向位置處流場進(jìn)行重構(gòu)。通過對壓氣機(jī)逐排建模，并對三維流場進(jìn)行切片處理，將復(fù)雜的三維建模問題轉(zhuǎn)化為較為簡單的二維流場預(yù)測，大大降低了神經(jīng)網(wǎng)絡(luò)模型的復(fù)雜度和數(shù)據(jù)要求。
 

　　DASNN網(wǎng)絡(luò)模型主要由視覺自注意力模塊(ViT)以及對稱卷積神經(jīng)網(wǎng)絡(luò)模塊(SCNN)兩部分組成。前者用于不同工況下不同徑向處葉片通道幾何特征提取，后者將ViT提取特征以及轉(zhuǎn)速、出口背壓等其它信息作為輸入，從而進(jìn)行流場預(yù)測。研究結(jié)果表明，采用該方法建立的壓氣機(jī)流場孿生模型可以對葉片排不同位置處的靜溫、靜壓以及馬赫數(shù)進(jìn)行準(zhǔn)確預(yù)測，且相對誤差不超過3%，初步實(shí)現(xiàn)研究目標(biāo)。中心研究人員將根據(jù)已有數(shù)據(jù)和建模方法開展進(jìn)一步的優(yōu)化工作，提升模型的預(yù)測性能和泛化能力。
 

　　以上研究得到了中國科學(xué)院國際合作研發(fā)項(xiàng)目“燃?xì)廨啓C(jī)壓氣機(jī)氣動穩(wěn)定性預(yù)測及控制技術(shù)合作研發(fā)”(項(xiàng)目編號117GJHZ2023043GC)的支持。該項(xiàng)目旨在結(jié)合人工智能技術(shù)，構(gòu)建多級壓氣機(jī)內(nèi)部流場孿生模型，幫助研究人員實(shí)時(shí)了解壓氣機(jī)運(yùn)行狀態(tài)。團(tuán)隊(duì)部分研究成果已發(fā)表在航空學(xué)報(bào)，并在第八屆數(shù)字孿生與智能制造服務(wù)學(xué)術(shù)會議上進(jìn)行了特邀報(bào)告分享。