基于代理模型与遗传算法的涡轮叶片防沉冷却协同优化方法

本发明公开了一种基于代理模型与遗传算法的涡轮叶片防沉冷却协同优化方法，该方法首先通过拉丁超立方抽样构建初始样本库，建立沉积量、换热系数与流阻系数的初始神经网络代理模型，进而驱动多目标遗传算法开展全局寻优。在防沉冷却协同优化过程中，将遗传算法迭代中后期产生的帕累托非支配解选择性地回馈至训练样本，以增强代理模型在关键区域的预测精度，并触发新一轮迭代寻优。通过该闭环迭代机制不断提升解的质量与模型可靠性，最终基于全部帕累托解集的综合评价再次排序，以确定最优防沉冷却结构方案。本发明实现了叶片防沉冷却结构的高效、高精度自动化设计。