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.

燃料电池离心压缩机转子多目标结构优化设计

针对车用燃料电池离心压缩机转子振动、强度和轻量化的结构设计问题,实现了多目标带约束的燃料电池空压机转子结构优化设计方法。针对某燃料电池离心空压机转子,基于不平衡力的谐响应分析获得转子样本的结构性能目标参数,运用神经网络程序建立有限元分析近似模型,以转子结构在150%设计转速范围内最大等效应力和挠度为目标、转子质量为约束,运用多目标灰狼算法程序进行了转子结构设计的多目标全局寻优。结果表明:描述性能目标与设计变量关系的神经网络近似模型准确度较高,与有限元计算所得性能目标的最大误差均小于8%,优化计算找到了压缩机转子在质量约束下的最优构形参数;优化后转子在前两阶临界转速附近的最大等效应力和最大挠度显著降低,转子的最大等效应力下降46.3%,最大挠度下降7.35%。

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BP神经网络和NSGA-Ⅱ的离心压气机机匣处理槽参数优化

为获取离心压气机机匣处理槽的最优结构参数,针对某型离心压气机机匣处理的槽参数展开了优化工作,通过已有模拟数据建立BP神经网络预测模型,利用遗传算法(NSGA-Ⅱ)对槽的结构参数进行了多目标寻优工作。结果表明:优化后的结构参数为开槽宽度4 mm,槽中心位置为靠近叶轮前缘距离导风轮中段1.5 mm处。经过模拟分析,优化值对应的槽处理结构位置相对靠近叶轮前缘,使低速区域相对前移,改善了主通道内的流动情况,喘振边界在高转速下明显向小流量偏移,进一步拓宽了压气机稳定工作范围。

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%.

燃料电池车用离心叶轮型线参数化及多工况优化

以65kW燃料电池动力系统的高速无油润滑离心空压机为优化对象,采用Bezier曲线对其叶片型线进行参数化解析,依据超拉丁抽样方法获得遗传算法优化所需的样本空间,在此基础上建立Kigring近似模型进行多工况优化.寻优及CFD(计算流体动力学)数值计算结果显示,常用工况点和额定工况点等熵效率及压比均得到提高,且常用工况点改善更为显著.这表明传统内燃机车用离心增压器设计及优化时不能兼顾多工况性能结论不适用燃料电池汽车,叶轮性能空气动力学解析同样证实该结论具有理论基础.与基于叶轮几何参数的优化结果对比显示,基于叶片型线参数化的优化可以更加显著地改善离心空压机性能,是一种更加全面和有效的离心叶轮优化方法.

级环境下离心压气机扩压器叶片气动优化设计

在级环境下采用人工神经网络和遗传算法在对设计工况下的离心压气机扩压器叶片型线进行了优化,并采用数值方法对优化前、后离心压气机级的气动性能进行了对比分析.结果表明:在设计工况下,优化后的叶片扩压器静压恢复系数提高了11.7%,总压损失系数减少了21.12%,离心压气机级绝热等熵效率提高1.64%,达到了86.01%;非设计工况下离心压气机的气动性能也有显著改善;优化后离心压气机级在设计转速下喘振裕度有所提高,阻塞裕度略有降低.

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 。

改进的遗传算法用于离心叶轮优化设计

为了防止遗传算法中过早收敛引起的算法失效 ,提出了一种改进的遗传算法 ,来研究离心叶轮的形状优化问题 .在计算过程中 ,增加了一个自适应算子 ,来不断调节个体变异概率 ,以保证搜索的全局性和种群的多样性 ,同时为了不引入过多的边界参数 ,采用B样条曲线对边界进行描述 .最后 ,对一个数学算例和某离心叶轮进行了计算 ,给出了最终的优化结果和收敛情况 .计算结果表明 ,改进的遗传算法能够很好地适用于各种应力约束和几何约束 ,并可得到形状优化的最优解 ,验证了该方法的合理性和正确性 .

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.

利用遗传算法进行离心压缩机整级优化设计

建立了离心压缩机整级的物理损失模型,编制用于离心压缩机整级性能参数优化的遗传算法程序,并对优化前后该离心压缩机整级性能进行了数值模拟分析,以证实损失模型的可靠性以及将CHC遗传算法引入离心压缩机级性能参数优化的可行性.结果表明:与优化前相比,优化后整级的性能得到了一定程度的提升,级内流动更加合理,消除了分离,减少了损失.

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。

基于多目标遗传算法的燃油泵叶轮优化设计

针对某型号燃油泵,采用CFD方法对其内部流场进行研究。运用SST k-ω计算模型和多重参考系技术,引入多目标遗传算法作为优化算法,并结合自适应权重方法,以出口流量和容积效率作为优化目标,对燃油泵叶轮的结构参数进行优化,解决了在优化迭代过程中单个优化目标出现负优化的现象。在设定的工况下,对比改进的优化方法的出口流量和容积效率,得知优化后的出口流量提升了3.90%,容积效率提高了0.53%。此种研究方法为汽车燃油泵的结构优化设计提供了较为合适的参考解决方案。

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 。

离心压缩机回流器叶片的优化设计

通过对回流器叶片参数化建模,使用CFD技术与人工神经网络以及遗传优化算法相结合的方法,对离心式压缩机基本级D-ARV回流器叶片型线进行了优化设计。优化后回流器叶片折转角变小,叶片厚度减小,叶片呈现三元结构。研究结果表明:优化后的回流器三元叶片有效减少了回流器流道内部的流动损失,提高了静压恢复系数并且改善了回流器流道内部的气流分布均匀性。三元回流器叶片在变工况条件下能显著提高离心式压缩机基本级的整级气动性能,整级多变效率η_(pol)在流量系数φ_1为0.026时提高了2.32%。

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.

多级离心压缩机级内叶轮参数的优化

选取叶轮入口相对速度最小为目标函数，采用外点惩罚函数法对叶轮结构参数进行优化，以使结构设计更加合理。