本发明属于燃气轮机，具体涉及一种燃烧室燃烧稳定性的快速优化方法。
背景技术：
1、在燃气轮机燃烧室、工业锅炉、火箭发动机中经常会发生不稳定燃烧现象，也称为振荡燃烧。不稳定燃烧会导致燃烧室甚至整个燃烧系统剧烈振动，发生巨大的噪声，严重时有可能对部件造成破坏，极大地影响机组的燃烧效率。引起燃烧室不稳定燃烧的因素有很多，主要可概括为三种类型，分别是燃烧系统的固有不稳定性、声场—流场不稳定性及系统间耦合引起的不稳定性。其根本原因是声振与放热脉动耦合，当放热脉动和燃烧压力脉动处于-90°到90°的相位差时，热释放的波动会加强压力的振荡；处于90°到270°的相位差时则减弱，即rayleigh准则。自燃烧室发明和使用以来，其内部的不稳定燃烧问题一直是设计制造的研究重点。因此如何使燃烧室在一定的热负荷下实现更稳定的点火燃烧性能，需要更先进的设计制造技术。
2、对燃烧室进行优化设计主要包括实验和模拟两方面。通过实验可以直接观察燃烧室内的流动和燃烧过程，提供实际的工作条件和数据，以便于对燃烧室的稳定性和可靠性进行验证，为后续的优化提供实际性能和效果的对比。然而实验存在成本高、周期长等问题，往往无法全面了解燃烧室内复杂流动和化学反应过程。随着计算机技术的迅速发展，计算流体力学（cfd）和低维模拟方法已经是传统设计的重要手段之一。数值模拟可以在更短的时间内提供大量的数据，并对燃烧室的各个参数进行灵活调整和分析。然而，高精度的cfd仿真需要消耗大量的计算资源，而传统燃烧室的设计研发方法中，即便获得大量的不同工况运行数据，也只能得到单个设计参数和优化目标之间的关系，难以同时得到众多设计参数在合理范围内的最优组合，且需要成千上万次迭代计算，计算资源浪费严重。
3、贝叶斯优化框架是一个迭代过程，主要由概率代理模型、采集函数以及辅助优化器组成。具体步骤包括：通过已有样本构建高精度代理模型；使用辅助优化器及采集函数进行辅助优化，寻找代理模型最优解集并进行试验验证，循环迭代，直至满足预期设计需求。
4、针对现有技术计算成本高、设计周期长、计算资源浪费严重的问题，本发明提出一种燃烧室燃烧稳定性的快速优化方法。
技术实现思路
1、本发明的目的在于提供一种燃烧室燃烧稳定性的快速优化方法，以带有钝体稳燃的燃烧室为研究对象，提供以较少次数cfd仿真进行燃烧室燃烧稳定性优化的方法。
2、为实现上述目的，本发明提供了一种燃烧室燃烧稳定性的快速优化方法，包括以下步骤：
3、s1、根据燃烧室燃烧稳定性的设计需求确定多维设计变量和目标性能参数，确定概率代理模型、采集函数和辅助优化算法；
4、s2、确定步骤s1中多维设计变量的范围，作为输入设计参数，构建设计参数样本空间；
5、s3、采用随机空间填充方法对步骤s2中确定的设计参数样本空间进行样本抽取，构建设计参数样本点集；
6、s4、对步骤s3中样本点集执行cfd分析，得到目标性能参数，并与设计参数构成初始设计数据集；
7、s5、判断当前设计数据集中的目标性能参数是否满足预期优化目标需求；
8、若判断为是，则取满足预期优化目标的样本点作为优化设计点，结束优化过程，得到优化方案；
9、s6、若步骤s5中的判断为否，则根据步骤s1中确定的概率代理模型类型，以步骤s3中的设计参数样本点集为输入数据，以步骤s4中的目标性能参数为输出数据构建代理模型，并计算步骤s1中确定的采集函数；
10、s7、采用步骤s1中确定的辅助优化算法，计算步骤s6中概率代理模型上的采集函数并使之最大化，判断算法是否收敛；
11、若判断为否，则增加辅助优化算法迭代次数，重新计算概率代理模型上的采集函数并使之最大化，直至算法收敛；
12、s8、若步骤s7中判断为是，则输出步骤s6中采集函数最大评估点，作为新样本设计点；
13、s9、对步骤s8中的新样本设计点执行cfd分析，将获得的新设计数据加入步骤s4中的初始设计数据集构成新设计数据集，并返回步骤s5；
14、s10、执行步骤s5-s9迭代过程，直至新设计数据集中的目标性能参数满足预期优化目标需求，结束优化过程，得到优化设计方案。
15、优选的，步骤s1中，多维设计变量为燃烧室系统的边界条件和燃料物性参数，多维设计变量包括进口总温、进口总压、燃料注射位置和液体燃料雾化平均粒径。
16、优选的，步骤s1中，概率代理模型的类型为kriging模型、随机森林模型、神经网络模型、响应面模型中的一种；采集函数为最优值函数、期望提升函数、概率提升函数中的一种。
17、优选的，步骤s1中，辅助优化算法为遗传算法、粒子群算法、局部搜索算法中的一种。
18、优选的，步骤s4中，初始设计数据集包括进口总温、燃料注射位置、液体燃料雾化平均粒径和脉动压力均方根值。
19、优选的，脉动压力均方根值的计算公式如下，
20、；
21、其中，为压力的时间序列数据，为平均压力，是压力数据长度。
22、优选的，步骤s6中，使用步骤s1中确定的概率代理模型预测步骤s1中确定的采集函数的数值。
23、优选的，步骤s7中，执行步骤s1中确定的辅助优化算法，以至少一个采集函数优化目标进行辅助优化，并判断算法是否收敛。
24、本发明的有益效果：
25、1、本发明以燃烧室为研究对象，提供以较少次数cfd仿真进行燃烧室燃烧稳定性优化的方法；贝叶斯优化方法的特性符合燃烧室优化设计问题减少计算成本的需求，在少量样本点集的基础上，基于贝叶斯优化原理以总体较少的cfd仿真次数实现燃烧室燃烧稳定性能的优化，具有较高的精度；
26、2、本发明采用的贝叶斯优化的迭代过程可以在优化目标达到预期优化需求时停止，可以根据设计需求控制优化效果，解决现有燃烧室燃烧稳定性设计方法中试验次数多，设计周期长，计算成本高的问题的效果；
27、3、本发明中的采集函数用于迭代过程中选择脉动压力均方根值，从而保证选择的样本设计点快速趋近设计空间中的预期优化目标，达到指导燃烧室性能参数优化的目的。
28、下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
1.一种燃烧室燃烧稳定性的快速优化方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种燃烧室燃烧稳定性的快速优化方法，其特征在于：步骤s1中，多维设计变量为燃烧室系统的边界条件和燃料物性参数，多维设计变量包括进口总温、进口总压、燃料注射位置和液体燃料雾化平均粒径。
3.根据权利要求2所述的一种燃烧室燃烧稳定性的快速优化方法，其特征在于：步骤s1中，概率代理模型的类型为kriging模型、随机森林模型、神经网络模型、响应面模型中的一种；采集函数为最优值函数、期望提升函数、概率提升函数中的一种。
4.根据权利要求3所述的一种燃烧室燃烧稳定性的快速优化方法，其特征在于：步骤s1中，辅助优化算法为遗传算法、粒子群算法、局部搜索算法中的一种。
5.根据权利要求4所述的一种燃烧室燃烧稳定性的快速优化方法，其特征在于：步骤s4中，初始设计数据集包括进口总温、燃料注射位置、液体燃料雾化平均粒径和脉动压力均方根值。
6.根据权利要求5所述的一种燃烧室燃烧稳定性的快速优化方法，其特征在于：脉动压力均方根值的计算公式如下，
7.根据权利要求6所述的一种燃烧室燃烧稳定性的快速优化方法，其特征在于：步骤s6中，使用步骤s1中确定的概率代理模型预测步骤s1中确定的采集函数的数值。
8.根据权利要求7所述的一种燃烧室燃烧稳定性的快速优化方法，其特征在于：步骤s7中，执行步骤s1中确定的辅助优化算法，以至少一个采集函数优化目标进行辅助优化，并判断算法是否收敛。
