基于多岛遗传算法的离心压缩机叶轮结构优化研究

为保证离心压缩机的稳定运行,以水利工程离心压缩机使用的叶片钢叶轮为例,提出基于多岛遗传算法的离心压缩机叶轮结构优化方法.采用三阶Bezier曲线对叶轮叶片的进出口安放角以及叶片包角等参数进行设计;利用CFD软件构建叶轮的计算域以及模型,对叶轮结构模型进行相关条件假设和处理后,完成模型计算;定义重量最轻、扬程最大、水利效率最高为叶轮结构优化目标函数,结合等效应力、轴向变形约束条件,通过多岛遗传算法优化叶轮结构参数.试验结果满足叶轮结构优化的约束条件.

基于响应面法的风机过滤单元(FFU)离心叶轮优化设计

风机过滤单元(FFU)因负压密封、出风均匀、布置灵活和控制系统可靠等优点而成为洁净室末端使用最广泛的洁净装备,针对FFU运行效率高和能耗低的要求,对离心叶轮提出优化设计。首先对风机过滤单元(FFU)进行性能测试,得到FFU在不同转速情况下,体积风量随余压变化曲线。然后对FFU进行了CFD数值模拟,并将FFU模拟结果与测试结果进行对比,验证有限元模拟的可靠性。基于响应面实验设计方法,建立了以叶片数z、叶轮内径D1,叶片安装出口角β2a、叶片安装入口角β1a及叶片出口宽度b2为输入变量,以体积风量Q为响应变量的二次多项式拟合函数。以体积风量Q为优化目标,采用多岛遗传算法求解响应函数,得到离心叶轮结构的最优组合参数。结果表明:离心叶轮结构参数对FFU体积风量从大到小的影响顺序为:β2a>β2>z>β1a>D1;得到离心叶轮最优组合参数,优化后的离心叶轮结构参数使得FFU体积风量提高了11.4%。

基于PB-NSGA-Ⅲ算法的高速离心泵叶轮性能优化研究

为探索提高高速离心泵综合水力性能的方法,以IS-60-50-158型高速泵叶轮的几何模型为基础,对高速泵叶轮进行了多目标优化设计。首先,采用数值模拟方法对初始的高速泵进行了数值模拟,并确定了设计参数;然后,确定了优化变量并对优化变量均匀抽样,建立了叶轮几何参数组合与性能参数间的近似模型;最后,应用双指标的基于参考点非支配遗传算法(PB-NSGA-Ⅲ)求解并寻找出满足性能要求的几何参数组合,以优化高速泵叶轮模型,并对优化结果和高速泵的流场进行了对比分析。研究结果表明:将优化后的叶轮用于该高速泵,进行全流道数值模拟分析后,设计工况点的水力效率提高了2.22%;叶片头部的静压有所提高,最低静压区域面积减少。数值模拟结果与优化方法获得的性能参数有很好的一致性,证明该优化方法可快速、可靠地对高速泵叶轮进行多目标水力优化设计。

基于遗传算法的中低比转速离心泵优化设计

为了提高离心泵效率,建立了以损失极值为目标的优化模型.运用Matlab遗传算法优化工具箱对模型各参数进行全局寻优得到最佳的参数组合.通过泵各性能参数以及叶轮水力参数之间的相互制约设定约束条件.针对IS200/400-75/4泵进行优化,并且用Fluent软件进行整台泵流场的模拟对其性能预估.对优化前后的叶轮在设计工况下的流场进行了分析对比,得到离心泵扬程比优化前提高了3.85m,效率提高了2.9%.

基于遗传算法的离心泵叶轮参数化造型及优化设计

根据流面流动理论,通过坐标变换实现离心泵叶轮子午面及叶片结构的参数化造型.采用自适应策略等技术对遗传算法的遗传操作进行改进以提高算法搜索效率,并设计了多目标决策的适应值函数.采用CFD软件NUMECA对叶轮及压水室等主要过流部件内部流动进行三维定常计算,从而预测离心泵的水力性能.编写FORTRAN程序实现参数化、搜索算法及性能预测3部分的联合,开发出一种离心泵叶轮造型的自动优化方法.以离心泵的2个外特性参数效率和扬程作为优化目标,应用该方法对Dn1000型潜油泵及IS80-65-125型清水泵的叶轮结构进行多目标优化.优化后两泵的水力性能有了明显提高,在设计工况下扬程分别提高了0.21 m和1.70 m,效率分别提高了1.9%和2.3%.

混合遗传算法进行离心叶轮优化设计

利用自适应交叉遗传算法和生物生长算法的特点 ,提出一种新的优化方法———混合生物生长自适应交叉遗传算法。该方法既充分利用了遗传算法全局寻优和生物生长法快速收敛的优点 ,又弥补了遗传算法收敛速度过慢和生物生长法过分依赖结构初始形状的不足。为了验证优化方法的正确性和合理性 ,对某三维离心叶轮进行优化设计 ,结果表明 ,混合算法较单纯采用遗传算法收敛速度快 。

基于改进NSGA2算法的航空燃油泵叶轮优化设计

传统方法设计航空燃油泵受经验限制,需要反复试验改进,无法实现多目标同时优化。为消除传统设计方法的缺陷,设计一种改进NSGA2多目标遗传算法。将改进NSGA2算法用于某型燃油泵叶轮的优化设计,并将泵转速也增设为优化变量,结果表明在满足泵性能要求下可以减小泵尺寸,提高泵工作效率。与传统设计方法相比,采用改进NSGA2算法,可以缩短设计周期,降低设计成本,为泵设计提供了一种快捷有效的新方法。

遗传算法在离心泵优化设计中的应用

介绍和探讨了离心泵的遗传算法优化设计方法;首次采用遗传算法,对低比转速离心泵参数的优化设计方法进行了研究,建立了中低比转速离心泵叶轮参数优化设计的数学模型,将多目标优化设计转化为单目标优化设计问题.对一台低比转速离心泵的叶轮进行了优化设计,经过多次选择、交叉和变异等遗传操作和大量计算,得出了参数优化设计结果,并与传统方法设计的泵作了比较.结果表明,采用遗传算法优化设计的叶轮,其泵效率有所提高,并消除了扬程曲线的驼峰现象;与传统设计方法相比,遗传算法优化设计具有思想简单、易于实现、应用效果显著等优点,因此更合理、更严谨.

离心压缩机叶轮的形状优化设计

提出一种新的优化方法研究离心叶轮的形状优化问题 ,即在遗传算法中加入自适应算子调节个体变异概率 ,来保证搜索的全局性和种群的多样性。并在寻优过程中加入生物生长来加快其寻优速度。最后 ,采用遗传算法和改进的遗传算法 -生物生长法两种方法 ,对叶轮进行优化设计。计算结果表明改进的遗传算法 -生物生长法 ,在较少的优化时间得到最优解。

遗传算法结合改进前向神经网络进行叶轮设计

为加速遗传算法的进化过程和缩短其进化周期,探讨了将遗传算法融合神经网络进行离心叶轮形状优化设计的方法,即应用神经网格替代有限元法来完成结构优化设计中的静应力分析任务.同时,提出一种改进的前向反馈神经网络(BP算法),在训练过程中,学习率和动量项依据输出的均方差自适应调整,来加快网络训练速度和改善收敛性.采用混合神经网络的遗传算法对某离心压缩机叶轮进行优化设计,结果表明优化设计时间可缩短至单纯采用遗传算法的几十分之一,同时也验证了该方法的有效性和可行的.

遗传算法在离心泵叶轮设计中的应用

基于对旋转机械叶片参数化描述、叶栅流道网格参数化生成、流场数值模拟方法以及寻优算法的全局搜索性能四方面的研究,利用Blade Gen旋转机械叶片专业设计软件,对离心泵叶轮的叶型骨线、子午流面进行了参数化描述,并在Blade Gen中生成离心泵叶轮模型.利用Turbo Grid的高质量旋转机械六面体网格生成算法,对离心泵叶轮叶栅流道的网格进行拓扑计算及参数化控制,增大了后续流场分析的稳定性以及收敛速度.利用CFX的session文件,实现对CFX的后台参数化调用,建立了CFX环境下的完全自动化仿真分析过程.以Matlab为主控程序的方式,高效地整合了Blade Gen、Turbo Grid、CFX软件,建立了可扩展性好、鲁棒性强的离心泵叶片优化系统.

遗传算法在离心压气机叶轮结构优化中的应用

利用遗传算法对离心压气机叶轮的结构进行优化设计。通过叶轮三元流动的准正交面法计算得到离心压气机叶轮的增压比。以离心压气机叶轮增压比作为遗传算法优化设计的目标函数进行计算 ,获得最佳的离心压气机叶轮的结构设计参数。分析计算结果和流动曲线 。

离心叶轮叶片载荷分布优化设计

以某离心风机为研究对象,基于三元反问题设计方法,将离心叶轮的轮盘、轮盖侧叶片载荷分布及叶片尾缘倾斜作为设计参数,利用响应面法与多目标遗传算法组合优化的方法进行优化设计,将翼型叶片优化为三元单板型叶片。数值模拟结果表明:优化叶轮相较于原始叶轮在设计工况下的全压效率提高了1.3%,在全工况范围内,叶片出口非工作面靠近轮盖侧的流动分离现象也得到了明显的改善,全压效率均有明显提高。

基于遗传算法的叶轮的优化设计

分别以提高离心泵的效率、轴功率有极值和以叶轮入口的优化为目标建立优化模型。考虑到泵的各性能参数以及叶轮水力参数之间相互影响相互制约的关系,根据实际需求挑选出三个模型的最佳调和解,以期建立最佳数学模型。运用MATLAB遗传算法对模型各参数进行优化并得到最优解。并且运用FLUENT软件模拟叶轮流场并且预估计离心泵的性能,验证了在MATLAB环境下可以有效地解决用遗传算法求解函数的优化问题,为小流量冲压焊接离心泵叶片的选择提供了方法和依据。

RBF神经网络与遗传算法的离心泵优化设计

针对学习速度较慢且收敛性差的优化算法,提出用学习速度快且逼近能力强的径向基神经网络与遗传算法相结合的设计方法提高离心泵叶轮的效率.通过拉丁超立方试验设计方法对叶片出口安放角、出口宽度及包角进行设计.选取效率及扬程最优为优化目标,建立影响因素与优化目标之间的代理模型,运用遗传算法对模型进行寻优,得到最优的叶片参数.取优化后的叶片参数进行CFX数值模拟计算,优化后的叶轮在相同工况下效率与扬程分别提高了3.87%和4.25%,且优化后叶轮内部流场更均匀,水利损失较小,可对泵性能的提高提供有效参考.

基于神经网络和遗传算法的高海拔柴油机离心压气机叶轮优化

针对柴油机离心压气机在高海拔地区使用时性能下降的问题,采用人工神经网络与遗传算法相结合的方法,对压气机叶片前缘掠角及分流叶片周向位置进行优化设计,分析优化后叶轮的高海拔特性。结果表明:压气机主叶片及分流叶片前缘前掠6.27°、分流叶片与主叶片吸力面夹角12.09°对压气机高海拔性能的提升最为显著;海拔5 500 m时压比、效率及流量范围分别提高4.16%、2.63%及6.58%,平原及海拔3 500 m时的性能也同样得到改善。

基于Kriging模型的离心叶轮结构优化设计

研究了以减重为目标的航空发动机离心叶轮结构优化问题,将Kriging模型与遗传算法相结合,应用拉丁方试验设计和有限元分析生成初始样本数据,利用初始样本数据建立离心叶轮重量和最大应力等状态参数的Kriging模型,运用遗传算法对该Kriging模型在设计空间进行全局寻优,利用有限元分析方法计算近似最优设计点的状态参数,并以此更新已有的设计样本数据,不断提高Kriging模型的近似精度。计算结果表明,基于Kriging模型-遗传算法的离心叶轮结构优化设计方法不仅可以获得良好的优化结果,比直接用遗传算法寻优减少了大量计算时间,提高了设计效率,同多项式模型-遗传算法相比也有效率优势。

改进离散型遗传算法在离心泵性能优化中的应用

针对离心泵性能优化中设计参数多且优化周期长的问题,提出了适用于离散变量优化的改进遗传算法.以泵效率为优化目标,选取叶轮6个设计参数,采用拉丁超立方设计方法创建90组设计样本,用响应面模型对泵效率和设计参数进行拟合.通过改进的离散型遗传算法对其进行寻优,得到叶轮最优设计参数组合.结果表明:响应面模型能够准确反映效率和叶轮设计参数之间的关系,设计工况下预测值与数值模拟的偏差为0.82%;优化后泵效率在0.6Qd,1.0Qd和1.4Qd下的增幅分别为7.05%,5.98%和1.90%,且输入功率显著降低;优化后叶轮和蜗壳内部的流动损失面积明显减小,整体流动损失显著降低.参数敏感性分析表明:叶片出口安放角、叶轮出口直径、叶轮出口宽度和叶片包角对泵性能的影响较大.

基于BP人工神经网络的离心压气机叶轮多目标优化设计方法

利用Concept NREC软件建立离心压气机叶轮设计样本库,借助BP(back propagation)人工神经网络建立样本库中各设计参数与压气机性能之间的关系,接下来以多目标遗传算法寻找Pareto解,从而获得离心压气机叶轮最佳设计参数.将该方法应用于Krain叶轮设计工况,所得叶轮的效率、压比较Krain叶轮原型分别提高1.4%和10.9%.通过对人工神经网络模型可靠性的讨论、多目标优化模型的主成分分析和所设计叶轮性能的CFD验证,证明了所构建的目标函数与所获得的Pareto解集的合理性,说明本方法可以有效应用于在离心压气机设计、选型.

基于克里金元模型的离心泵水力性能多目标优化

提出了拉丁超立方抽样、CFD数值模拟和克里金插值等方法,以离心泵叶轮轴面形状参数为设计变量,离心泵性能参数效率和必须汽蚀余量为优化目标,构建设计变量与优化目标之间的函数关系.并选取测试点进行CFD仿真,检验建立的近似模型预测精度,结果表明克里金预测值和CFD仿真值相符合.采用二代非劣分类遗传算法(NSGA II)在设计域上求解离心泵性能多目标优化问题,并得出其Pareto最优解集.采用映射法从最优解集中挑选出一个折中解,试制出与设计变量相对应的样机泵,并进行试验验证.试验结果表明克里金预测值和试验测试值比较一致.