Przestrzenne kształtowanie łopatki turbiny parowej z wykorzystaniem algorytmu hybrydowego i sieci neuronowej

W artykule przedstawiono metodę oraz wyniki optymalizacji sprawnościowej ołopatkowania przestrzennego dwóch ostatnich stopni mikroturbiny ORC9000 lOOkW z wykorzystatniem pakietu OPT_TURB oraz Matlab Toolbox - Neural Network. Wyznaczono funkcję celu z post-processingu obliczeń 3D części przepływowej przy użyciu programu FlowER - solwera modelu RANS. Funkcje celu zdefiniowano, jako sumę strat energii kinetycznej oraz energii wylotowej. Zaproponowano model sztucznej sieci neuronowej wytrenowanej przy użyciu algorytmu Lavenberga-Marquardta.

---

The paper presents the methods and results of optimization of two last stages of a microturbine ORC9000 lOOkW using a software package OPTI_TURB and Matlab Toolbox - Neural Network. Values of the minimised objective function, that is losses of kinetic energy and exit velocity are found in the first step from 3D RANS computation (from a FlowER code) of geometries changed during the direct process optimization. In the second step an indirect method is used. The applied neural network is trained over flow data with the help of Lavenberg - Marquardt backpropagation.