|
|||||
|
|
| 数据驱动的潮流能水轮机叶片翼型性能保真替代计算模型对比研究 | |
| 作者姓名： | 胡振辉 袁鹏 司先才 刘永辉 王树杰 周迎 |
| 作者单位： | 1.中国海洋大学工程学院,青岛 266100; 2.青岛市海洋可再生能源重点实验室,青岛 266100 |
| 基金项目： | 国家重点研发计划（2018YFB1501903）; 山东省重点研发计划（2019GGX103012） |
| 摘 要： | 在对翼型Bezier-PARSEC参数化软件FanOpt的应用方式改进后建立数据集,以翼型升阻比特性为目标,分别利用支持向量回归（SVR）、决策树、随机森林回归、全连接神经网络、一维卷积神经网络等机器学习模型进行拟合,训练模型比较拟合精度。结果表明,全连接神经网络、一维卷积神经网络作为替代计算模型在测试集上对升阻比的预测准确率可达97.86%,但相比于一维卷积神经网络,全连接神经网络在处理这种结构不复杂的数据集时更有优势。 |
| 关 键 词： | 潮流能 叶片 机器学习 水轮机翼型 参数化 神经网络 |
| 收稿时间： | 2021-05-31 |
| 点击此处可从《太阳能学报》浏览原始摘要信息 | |
| 点击此处可从《太阳能学报》下载全文 | |