近日，课题组在能源转换领域的重要研究成果以题为《A sensitivity-driven thermal boundary prognostics method for assembled turbine rotor systems》的论文发表在国际权威期刊《Energy Conversion and Management》上。周扬博士后为通讯作者，赵亚正博士为第一作者，江雨霖博士、周瑾教授、徐园平副教授、李朝峰教授分别位列第三至第六作者。南京航空航天大学和东北大学分别为第一、第二完成单位。

涡轮转子温度场准确预测是保证冷却策略可靠性及热弹耦合振动控制有效性的关键前提，其精度在很大程度上依赖于热边界条件的准确预示。现有热边界预示方法通常依赖大量试验数据，或基于理想化、均匀分布的边界条件假设。然而，对于结构复杂、热接触特性存在显著不确定性且传感器布置受限的装配式涡轮转子，上述条件在实际工程中难以满足，这极大制约了现有方法的工程适用性。此外，现有研究普遍缺乏对热边界条件影响程度的定量评估，导致参数识别效率低、收敛性差，且计算结果易陷入不符合物理规律的区间。

为了解决以上问题，该论文提出了一种基于灵敏度驱动的热边界预示方法。该方法融合数值计算、统计分析与迭代优化的优势，能够在稀疏试验数据条件下高效预示关键热边界参数。具体而言，首先采用有限元方法构建子结构温度场物理模型，并通过接触热阻对子结构温度场进行装配，获得装配式涡轮转子系统温度场模型。在此基础上，基于方差的灵敏度分析方法，开展不确定热边界条件的定量灵敏度分析，并采用白鲨优化算法对高敏感性参数进行高效预示。

为评估所提出方法的预测精度，在目标函数迭代曲线收敛后，将预测结果代入涡轮转子温度场模型，计算得到的温度数据与试验结果进行对比验证。结果显示，在工况1中，所有测点的最大和平均相对误差分别为2.5%和0.9%；在工况2中，最大和平均相对误差分别为2.4%和1.5%。可以发现，在两种不同工况下，各测点的相对误差均小于3%，表明该方法在稀疏数据条件下依然具备较高的预测精度和可靠性。

图1 涡轮转子的不确定热边界

图2 涡轮转子不确定边界对温度目标函数散点图

论文链接：https://www.sciencedirect.com/science/article/abs/pii/S0196890425006983

1-s2.0-S0196890425006983-main.pdf