近日，西安交通大学席光教授课题组成功将人工智能三维图像识别技术应用于离心压缩机的优化工作中，并与沈阳鼓风机集团股份有限公司合作完成了国际上首个完全三维离心叶轮的优化设计及试验验证工作。该全三维叶轮造型包括了自由曲面主叶片、非一致分流叶片以及非轴对称轮盘面，在人工智能技术的支持下，优化总控制参数的数量高达114个，实现了对离心叶轮流道气动型面更加全面地精细化控制。经试验验证，相较于原型叶轮，在设计转速下最高效率提升达3%以上，验证了新发展的优化设计方法具有重要的工程应用价值。该成果在《风机技术》报道后，引起行业业界强烈反响。
三维模型图
席光教授课题组根据离心压缩机内部流场具有非结构化、高度复杂、数据量巨大的特征，提出了采用基于点云识别的三维视觉理论框架体系进行流场数据的识别与处理。在新发展的优化设计系统中，应用计算机3D视觉领域的成果RandLA-Net构建了流场信息编码器RandLA-encoder，该方法采用随机采样（Random Samples,RS）结合扩张残差模块（DRB）提取点云中数据的信息，数据处理能力提升了2个数量级，使几十万点规模的点云学习成为可能，也为构建全三维、全工况、多参数、多目标的压缩机气动优化方法奠定了理论与技术基础。
实验装置图
课题组基于RandLA-encoder的ANN子模型训练框架建立的离心叶轮全三维优化平台，实现了包含自由曲面叶片、非一致分流叶片和非轴对称轮盘面的全三维离心叶轮自动化优化方案，总控制参数可达127个。本次的研究工作是国际上首次系统地完成具有全三维造型的离心叶轮的气动设计优化及试验验证工作，表明我国的研究团队已经有能力将更加灵活、鲁棒及上限更高的优化方法应用于工程实际，提高各种设计条件下产品的国际竞争力。