TurboAgent：一个用于叶轮机械气动设计的LLM驱动自主多智能体框架

叶轮机械的气动设计是一个复杂且紧耦合的多阶段过程，涉及几何生成、性能预测、优化和高保真物理验证。现有的智能设计方法通常只关注单个阶段或依赖松耦合流水线，使得完全自主的端到端设计颇具挑战。为解决这一问题，本研究提出TurboAgent，一个由大语言模型（LLM）驱动的、面向叶轮机械气动设计与优化的自主多智能体框架。LLM作为任务规划与协调的核心，而各专业化智能体分别负责生成式设计、快速性能预测、多目标优化和基于物理的验证。该框架将传统的试错式设计转变为数据驱动的协同工作流，并保留高保真仿真用于最终验证。以跨音速单转子压气机进行验证。结果显示目标性能、生成设计与CFD仿真之间高度吻合。质量流量、总压比和等熵效率的决定系数均超过0.91，归一化RMSE低于8%。优化智能体进一步将等熵效率提升1.61%，总压比提升3.02%。在并行计算下，完整工作流可在约30分钟内执行完毕。这些结果表明，TurboAgent实现了从自然语言需求到最终设计生成的自主闭环设计过程，为叶轮机械气动设计提供了高效且可扩展的范式。