基于BP神经网络的立式离心泵导叶与蜗壳优化设计

立式离心泵是大型灌溉和长距离调水工程的核心动力装备,单机配套功率能够达到40 MW级。为了降低立式离心泵的运行能耗,以效率指标为优化目标,基于BP(反向传播)神经网络模型与多岛遗传算法对其多个过流部件进行优化设计。考虑到各过流部件的匹配性,采用Plackett-Burman试验设计从导叶与蜗壳的10个设计参数中筛选出优化设计变量。运用最优拉丁超立方采样方法设计了106组方案,并搭建了立式离心泵自动数值模拟优化平台。基于BP神经网络模型构建了优化设计变量和优化目标之间的高精度非线性关系,最终通过多岛遗传算法得到导叶与蜗壳的最优参数组合。研究结果表明,运用SST k-ω湍流模型能够准确地预测立式离心泵的性能参数;BP神经网络是映射泵设计参数和性能参数间内在联系的有效方法;优化后模型设计工况下效率达到90.21%,较原始模型提高了3.61个百分点;优化后的导叶与蜗壳对立式离心泵设计工况和小流量工况下的性能影响更为显著;优化后导叶与其他过流部件匹配性提高,导叶与蜗壳内部流动特性得到明显改善。