申请/专利权人：大连理工大学人工智能大连研究院;大连空天动力控制系统有限公司

申请日：2024-02-01

公开（公告）日：2024-04-26

公开（公告）号：CN117933088A

主分类号：G06F30/27

分类号：G06F30/27;G06F30/28;G06F30/17;G06F9/50;G06F9/54;G06N3/126;G06F113/08;G06F119/08;G06F119/14

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.14#实质审查的生效;2024.04.26#公开

摘要：本发明涉及一种基于并行混合差分进化算法的涡扇发动机模型求解方法，先利用DE对大范围的工况进行寻优，求解至发动机实际工作范围附近，减少了模型求解对初始条件选取的限制，同时融合N‑R，实现算法在实际工况附近能够快速收敛，提高模型求解效率，再利用CUDA并行DE算法，并行过程全权交由GPU执行，在单个Block中实现，进一步加快了模型求解速度。本发明针对涡扇发动机模型求解过程中初始点选取与实际工况偏离较大造成的迭代不收敛问题，可实现涡扇发动机模型的求解，有效扩宽发动机工作点求解范围，并行算法能在不牺牲精度的条件下取得时间效益，在工程应用中具有重要意义，具有较高的应用推广价值。

主权项：1.一种基于并行混合差分进化算法的涡扇发动机模型求解方法，其特征在于，包括如下步骤：S1.建立涡扇发动机部件级模型，按发动机的部件顺序，从进气道到尾喷管，逐一建立气体流动方程、热力过程方程及发动机共同工作方程；S2.设置DE参数，所述DE参数包括种群规模n、位置向量维度nj、最大迭代次数T、变异因子F、交叉概率因子Cr，种群初始化通过随机数生成；S3.并行DE在主机端分配GPU端全局内存，为每个种群申请一块内存存储模型参数；其中CUDA并行过程在单个Block中进行，优化求解的变量存储在共享内存当中，执行kernel前为种群个体分配Thread；S4.DE寻优前利用CUDA的随机数函数对种群进行初始化，每个种群向量表示所需要求解的发动机共同工作方程的变量，同时进行归一化处理；S5.判断并行DE是否达到最大迭代次数或是达到DE求解模型的收敛条件；S6.对串并行的涡扇发动机模型求解算法精度结果以及耗时进行分析，验证所提方法的有效性以及合理性。

全文数据：

权利要求：

百度查询： 大连理工大学人工智能大连研究院;大连空天动力控制系统有限公司 基于并行混合差分进化算法的涡扇发动机模型求解方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD