CN106650125B - 一种离心压气机叶轮的优化方法和系统 - Google Patents
一种离心压气机叶轮的优化方法和系统 Download PDFInfo
- Publication number
- CN106650125B CN106650125B CN201611233049.7A CN201611233049A CN106650125B CN 106650125 B CN106650125 B CN 106650125B CN 201611233049 A CN201611233049 A CN 201611233049A CN 106650125 B CN106650125 B CN 106650125B
- Authority
- CN
- China
- Prior art keywords
- impeller
- value
- model
- factor
- determining
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Structures Of Non-Positive Displacement Pumps (AREA)
Abstract
本发明公开一种离心压气机叶轮的优化方法和系统,该发明首先选取叶轮因素参数和叶轮目标参数,采用试验设计法,根据所述叶轮因素参数确定叶轮因素值,根据所述叶轮因素值确定对应的叶轮目标参数的叶轮目标值,然后再根据多组所述叶轮因素值与对应的所述叶轮目标值建立代理模型,最后根据所述代理模型确定最优叶轮值。本发明采用试验设计法与代理模型相结合,减少优化设计计算的工作量,提高了优化效率,实现了全局最优分析,提高了系统的可靠性。
Description
技术领域
本发明涉及压气机技术领域,具体地,涉及一种离心压气机叶轮的优化方法和系统。
背景技术
在现代社会涡轮增压器发挥着越来越重要的作用,广泛应用于航空航天、能源、交通等重要部门,随着当代社会对动力装置的动力性能要求越来越高,节能环保观念的普及和技术的发展,涡轮增压器朝着高效率、小尺寸、重量轻、高压比、高运行范围、高可靠性方向发展是必然的趋势。
离心压气机叶轮是涡轮增压的重要组成部分,离心压气机叶轮的多工况性能直接影响到涡轮增压工作性能。
传统的离心压气机叶轮设计方法为:参照现有叶轮进行经验计算设计出叶轮;再将得到的叶轮进行数值计算性能分析,或者进行实验测试;对叶轮参数进行局部修改;再进行数值计算或实验,并与原始叶轮进行比较看性能是否提高,再次修改设计、仿真或者实验,如此循环,形成了设计-仿真-修改-设计的循环设计周期,这种局部修改方式的有效性依赖于设计人员的经验,对设计人员的技术水平要求非常高,得到的叶轮也只能实现局部相对较优,设计周期较长,效率低。此外,温度和变形对离心压气机气动性能产生重要影响,仅考虑流体或结构某单方面优化,将导致设计与实际脱节,严重影响压气机的工作性能。
针对上述传统的离心压气机叶轮设计方法中存在的不足,如何克服上述不足,是目前离心压气机叶轮优化设计急需解决的问题。
发明内容
本发明的目的是提供一种离心压气机叶轮的优化方法和系统,采用试验设计法与代理模型相结合,提高了优化效率,实现了全局最优分析。
为实现上述目的,本发明提供了一种离心压气机叶轮的优化方法,该方法包括以下步骤:
选取叶轮因素参数和叶轮目标参数;
采用试验设计法,根据所述叶轮因素参数确定叶轮因素值;
根据所述叶轮因素值确定对应的所述叶轮目标参数的叶轮目标值;
根据多组所述叶轮因素值与对应的所述叶轮目标值建立代理模型;
根据所述代理模型确定最优叶轮值。
可选的,所述采用试验设计法,根据所述叶轮因素参数确定叶轮因素值具体包括:
根据所述叶轮因素参数确定参数变化范围;
采用试验设计法,在所述参数变化范围内确定叶轮因素值。
可选的,所述根据所述叶轮因素值确定对应的所述叶轮目标参数的叶轮目标值具体包括:
根据所述叶轮因素值建立叶轮参数化模型;所述叶轮参数化模型为叶轮流体模型和叶轮结构模型;
采用流体动力学分析软件对所述叶轮流体模型进行流场与温度场耦合分析获得第一表面温度载荷和第一压力载荷;将所述第一表面温度载荷传递给所述叶轮结构模型后进行温度场分析获得第一实体温度载荷;根据所述第一压力载荷与所述第一实体温度载荷进行结构变形有限元分析确定第一结构变形数据;
将所述第一结构变形数据通过网格重生成技术传递给所述叶轮流体模型后再次进行流场与温度场耦合分析获得第二表面温度载荷和第二压力载荷;将所述第二表面温度载荷传递给所述叶轮结构模型后进行温度场分析获得第二实体温度载荷;根据所述第二压力载荷与所述第二实体温度载荷进行结构变形有限元分析确定第二结构变形数据;
判断第一结构变形数据与第二结构变形数据之差是否小于第一设定值,如果是,则确定对应的所述叶轮目标参数的叶轮目标值,如果否,则第一结构变形数据=第二结构变形数据,重新确定第二结构变形数据。
可选的,所述根据多组所述叶轮因素值与对应的所述叶轮目标值建立代理模型具体包括:
选取所述多组所述叶轮因素值与对应的所述叶轮目标值中的部分组数建立代理模型;
根据所述多组所述叶轮因素值与对应的所述叶轮目标值中剩余部分组数判断所述代理模型的精度是否已达第二设定值,如果是则确定最优叶轮值,否则重新确定叶轮因素值。
可选的,所述根据所述代理模型确定最优叶轮值具体包括:
在所述代理模型基础上建立优化数学模型;
采用优化算法,根据所述优化数学模型确定最优叶轮值;所述最优叶轮值包括叶轮因素最优值、叶轮目标最优值。
所述优化算法为遗传算法、粒子群算法、蚁群遗传算法中任意一种。
可选的,所述叶轮因素参数为叶片进口角、叶片出口角、叶顶间隙和叶片厚度、叶轮出口宽度、材料弹性模量、进口轮毂直径、进口叶片宽度、工作轮出口直径、叶片前缘倾角、叶片后弯角中任意两种或两种以上;
所述叶轮目标参数为效率、压比、应变、应力、固有频率中任意二种或两种以上;
所述试验设计法为正交设计方法、均匀设计方法、拉丁超立方设计方法中任意一种;
所述代理模型为克里金代理模型或多项式响应面代理模型。
本发明还提供了一种离心压气机叶轮的优化系统,该系统包括:
获取模块,用于选取叶轮因素参数和叶轮目标参数;
叶轮因素值确定模块,用于采用试验设计法,根据所述叶轮因素参数确定叶轮因素值;
叶轮目标值确定模块,用于根据所述叶轮因素值确定对应的所述叶轮目标参数的叶轮目标值;
代理模型建立模块,用于根据多组所述叶轮因素值与对应的所述叶轮目标值建立代理模型;
最优叶轮值确定模块,用于根据所述代理模型确定最优叶轮值。
可选的,所述叶轮因素值确定模块具体包括:
参数范围确定单元,用于根据所述叶轮因素参数确定参数变化范围;
叶轮因素值确定单元,用于采用试验设计法,在所述参数变化范围内确定叶轮因素值。
可选的,所述叶轮目标值确定模块具体包括:
参数化模型建立单元,用于根据所述叶轮因素值建立叶轮参数化模型;所述叶轮参数化模型为叶轮流体模型和叶轮结构模型;
第一结构变形数据确定单元,采用流体动力学分析软件对所述叶轮流体模型进行流场与温度场耦合分析获得第一表面温度载荷和第一压力载荷;将所述第一表面温度载荷传递给所述叶轮结构模型后进行温度场分析获得第一实体温度载荷;根据所述第一压力载荷与所述第一实体温度载荷进行结构变形有限元分析确定第一结构变形数据;
第二结构变形数据确定单元,将所述第一结构变形数据通过网格重生成技术传递给所述叶轮流体模型后再次进行流场与温度场耦合分析获得第二表面温度载荷和第二压力载荷;将所述第二表面温度载荷传递给所述叶轮结构模型后进行温度场分析获得第二实体温度载荷;根据所述第二压力载荷与所述第二实体温度载荷进行结构变形有限元分析确定第二结构变形数据;
第一判断单元,判断第一结构变形数据与第二结构变形数据之差是否小于第一设定值,如果是,则确定对应的所述叶轮目标参数的叶轮目标值,如果否,则第一结构变形数据=第二结构变形数据,重新确定第二结构变形数据。
可选的,所述代理模型建立模块具体包括:
代理模型建立单元,用于选取所述多组所述叶轮因素值与对应的所述叶轮目标值中的部分组数建立代理模型;
第二判断单元,根据所述多组所述叶轮因素值与对应的所述叶轮目标值中剩余部分组数判断所述代理模型精度是否已达第二设定值,如果是则确定最优叶轮值,否则重新确定叶轮因素值。
可选的,所述最优叶轮值确定模块具体包括:
优化数学模型建立单元,用于在所述代理模型基础上建立优化数学模型;
最优值确定单元,用于采用优化算法,根据所述优化数学模型确定最优叶轮值;所述最优叶轮值包括叶轮因素最优值、叶轮目标最优值;
所述优化算法为遗传算法、粒子群算法、蚁群遗传算法中任意一种。
可选的,所述叶轮因素参数为叶片进口角、叶片出口角、叶顶间隙和叶片厚度、叶轮出口宽度、材料弹性模量、进口轮毂直径、进口叶片宽度、工作轮出口直径、叶片前缘倾角、叶片后弯角中任意两种或两种以上;
所述叶轮目标参数为效率、压比、应变、应力、固有频率中任意二种或两种以上;
所述试验设计法为正交设计方法、均匀设计方法、拉丁超立方设计方法中任意一种;
所述代理模型为克里金代理模型或多项式响应面代理模型。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
1、本发明采用试验设计法确定叶轮因素值,根据叶轮因素值确定叶轮目标值,然后根据多组叶轮因素值与对应的叶轮目标值代理模型,实现了将试验设计法与代理模型相结合进行优化叶轮,从而减少了优化设计计算的工作量,提高了优化效率,实现了全局最优分析,提高了系统的可靠性。
2、本发明先进行流场与温度场耦合分析后再进行温度场分析,最后再进行结构分析,综合考虑热-流-固多物理场耦合影响,从而提高了优化设计的精度和工作性能。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的离心压气机叶轮的优化方法实施例一的流程图;
图2为本发明的离心压气机叶轮的优化系统实施例二的结构框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的目的是提供一种离心压气机叶轮的优化方法。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明离心压气机叶轮的优化方法实施例一的流程图,详见图1。
本发明的离心压气机叶轮的优化方法实施例一包括以下步骤:
步骤S1:选取叶轮因素参数和叶轮目标参数。
步骤S2:采用试验设计法,根据所述叶轮因素参数确定叶轮因素值。
步骤S3:根据所述叶轮因素值确定对应的所述叶轮目标参数的叶轮目标值。
步骤S4:根据多组所述叶轮因素值与对应的所述叶轮目标值建立代理模型。
步骤S5:根据所述代理模型确定最优叶轮值。
下面对各个步骤进行详细的介绍:
步骤S1:选取叶轮因素参数和叶轮目标参数。
所述叶轮因素参数为叶片进口角、叶片出口角、叶顶间隙和叶片厚度、叶轮出口宽度、材料弹性模量、进口轮毂直径、进口叶片宽度、工作轮出口直径、叶片前缘倾角、叶片后弯角任意两种或两种以上。
所述叶轮目标参数为效率、压比、应变、应力、固有频率中任意二种或两种以上。
步骤S2:采用试验设计法,根据所述叶轮因素参数确定叶轮因素值,其具体步骤包括:
步骤S21:根据所述叶轮因素参数确定参数变化范围。
不同的叶轮因素参数对应着不同的参数变化范围,其参数范围统一用[Xmin,Xmax]表示,其中X表示某一叶轮因素参数。
步骤S22:采用试验设计法,在所述参数变化范围内确定叶轮因素值;
所述试验设计法为正交设计方法、均匀设计方法、拉丁超立方设计方法中任意一种。
步骤S3:根据所述叶轮因素值确定对应的所述叶轮目标参数的叶轮目标值,其具体步骤包括:
步骤S31:根据所述叶轮因素值建立叶轮参数化模型。
所述叶轮参数化模型为叶轮流体模型和叶轮结构模型。
所述叶轮流体模型用于流场与温度场耦合分析,所述叶轮结构模型用于流场、温度场和结构场耦合分析。
步骤S32:采用流体动力学分析软件对所述叶轮流体模型进行流场与温度场耦合分析获得第一表面温度载荷和第一压力载荷;将所述第一表面温度载荷传递给所述叶轮结构模型后进行温度场分析获得第一实体温度载荷;根据所述第一压力载荷与所述第一实体温度载荷进行结构变形有限元分析确定第一结构变形数据。
步骤S33:将所述第一结构变形数据通过网格重生成技术传递给所述叶轮流体模型后再次进行流场与温度场耦合分析获得第二表面温度载荷和第二压力载荷;将所述第二表面温度载荷传递给所述叶轮结构模型后进行温度场分析获得第二实体温度载荷;根据所述第二压力载荷与所述第二实体温度载荷进行结构变形有限元分析确定第二结构变形数据。
步骤S34:判断第一结构变形数据与第二结构变形数据之差是否小于第一设定值,如果是,则确定对应的所述叶轮目标参数的叶轮目标值,如果否,则第一结构变形数据=第二结构变形数据,重新确定第二结构变形数据。
步骤S4:根据多组所述叶轮因素值与对应的所述叶轮目标值建立代理模型,其具体步骤包括:
步骤S41:选取所述多组所述叶轮因素值与对应的所述叶轮目标值建立样本数据库。
步骤S42:选取所述样本数据库中的部分组数建立代理模型。
所述代理模型为克里金代理模型或多项式响应面代理模型。
步骤S43:根据所述样本数据库中剩余部分组数判断所述代理模型的精度是否已达第二设定值,如果是则确定叶轮最优值,否则重新确定叶轮因素值。
步骤S5:根据所述代理模型确定最优叶轮值,其具体步骤包括:
步骤S51:在所述代理模型基础上建立优化数学模型;
步骤S52:根据所述优化数学模型采用优化算法确定最优叶轮值;所述最优叶轮值包括叶轮因素最优值、叶轮目标最优值。
所述优化算法为NSGA-II遗传算法、粒子群算法、蚁群遗传算法中任意一种。
本发明的离心压气机叶轮的优化系统实施例二的结构框图,参见图2所示,该系统包括获取模块100,叶轮因素值确定模块110,叶轮目标值确定模块120,代理模型建立模块130,最优叶轮值确定模块140。
获取模块100选取叶轮因素参数和叶轮目标参数。
所述叶轮因素参数为叶片进口角、叶片出口角、叶顶间隙和叶片厚度、叶轮出口宽度、材料弹性模量、进口轮毂直径、进口叶片宽度、工作轮出口直径、叶片前缘倾角、叶片后弯角中任意两种以上。所述叶轮目标参数为效率、压比、应变、应力、固有频率中任意二种以上。
叶轮因素值确定模块110采用试验设计法,根据所述叶轮因素参数确定叶轮因素值;所述叶轮因素值确定模块110具体包括参数范围确定单元和叶轮因素值确定单元。
所述参数范围确定单元根据所述叶轮因素参数确定参数变化范围,所述叶轮因素值确定单元采用试验设计法,在所述参数变化范围内确定叶轮因素值。
所述试验设计法为正交设计方法、均匀设计方法、拉丁超立方设计方法中任意一种。
叶轮目标值确定模块120根据所述叶轮因素值确定对应的所述叶轮目标参数的叶轮目标值;所述叶轮目标值确定模块120具体包括参数化模型建立单元,第一结构变形数据确定单元,第二结构变形数据确定单元,第一判断单元。
第一结构变形数据确定单元,采用流体动力学分析软件对所述叶轮流体模型进行流场与温度场耦合分析获得第一表面温度载荷和第一压力载荷;将所述第一表面温度载荷传递给所述叶轮结构模型后进行温度场分析获得第一实体温度载荷;根据所述第一压力载荷与所述第一实体温度载荷进行结构变形有限元分析确定第一结构变形数据。
第二结构变形数据确定单元,将所述第一结构变形数据通过网格重生成技术传递给所述叶轮流体模型后再次进行流场与温度场耦合分析获得第二表面温度载荷和第二压力载荷;将所述第二表面温度载荷传递给所述叶轮结构模型后进行温度场分析获得第二实体温度载荷;根据所述第二压力载荷与所述第二实体温度载荷进行结构变形有限元分析确定第二结构变形数据。
第一判断单元,判断第一结构变形数据与第二结构变形数据之差是否小于第一设定值,如果是,则确定对应的所述叶轮目标参数的叶轮目标值,如果否,则第一结构变形数据=第二结构变形数据,重新确定第二结构变形数据。
代理模型建立模块130根据多组所述叶轮因素值与对应的所述叶轮目标值建立代理模型;所述代理模型建立模块130具体包括代理模型建立单元,第二判断单元。
代理模型建立单元选取所述多组所述叶轮因素值与对应的所述叶轮目标值中的部分组数建立代理模型;所述代理模型为克里金代理模型或多项式响应面代理模型。
第二判断单元根据所述多组所述叶轮因素值与对应的所述叶轮目标值中剩余部分组数判断所述代理模型的精度是否已达第二设定值,如果是则确定叶轮最优值,否则重新确定叶轮因素值。
最优叶轮值确定模块140根据所述代理模型确定最优叶轮值;所述叶轮最优值包括叶轮因素最优值、叶轮目标最优值;所述最优叶轮值确定模块140具体包括优化数学模型建立单元,最优值确定单元。
优化数学模型建立单元在所述代理模型基础上建立优化数学模型。
最优值确定单元采用优化算法,根据所述优化数学模型确定叶轮最优值;所述叶轮最优值包括叶轮因素最优值、叶轮目标最优值。
具体例子一
本例安排20组试验样本数据,但本发明并不局限于该种试验设计安排。
选取叶片出口角β2、叶顶间隙e为叶轮因素,以热流固耦合作用下的效率η、应变ε为叶轮目标。
在某范围内通过拉丁超立方试验设计抽样方法确定叶轮因素值β2=bi,e=ci,其中,bi为第i个叶轮的叶片出口角β2的因素值,ci为第i个叶轮的叶顶间隙e的因素值,i=1…20。
根据所述叶轮因素值bi,ci在三维建模软件里建立第i个叶轮的叶轮流体模型和叶轮结构模型,首先对第i个叶轮的所述叶轮流体模型进行流场与温度场耦合分析,然后再对所述叶轮结构模型进行结构场与温度场耦合分析,最后在对所述的叶轮结构模型进行结构分析,判断相邻两次的叶轮结构变形数据是否小于第一设定值,如果大于或等于第一设定值,则重新确定叶轮结构变形数据,如果小于第一设定值,则确定输出第i个叶轮的叶轮目标值η=xi,ε=zi,其中,xi为第i个叶轮效率η的叶轮目标值,zi为第i个叶轮应变ε的叶轮目标值,i=1…20。
将以上20组叶轮因素值和20组叶轮目标值填入表1获得第一样本数据库,详见表1。
表1第一样本数据库
将第一数据库中的前15组叶轮因素值和前15组叶轮目标值建立克里金代理模型,其中克里金代理模型将叶轮目标和叶轮因素的非线性函数关系描述为回归模型和非参数随机函数可表示为:
y(x)=F(β,x)+z(x) (1)
其中,F(β,x)为回归模型,β为回归模型系数,z(x)为非参数部分随机函数,x为叶轮因素,y(x)为叶轮目标函数。
本案例中具体的叶轮目标与叶轮因素之间的具体关系可表示为:Y=F(β,X)+z(X),
其中,X为前15个样本叶轮因素值集合,即Y为前15个样本叶轮因素值对应的叶轮目标值集合,即
将第一样本数据库中的后5组样本数据的叶轮因素值代入到克里金代理模型后得到预测叶轮目标值,将该预测目标值与第一样本数据库中的后5组叶轮目标值进行对比判断克里金代理模型的精度是否已达到设定值,若精度已达第二设定值要求时,进行下一步;若精度为达设定值要求时,则返回后重新采用试验设计法确定叶轮因素值。
在克里金代理模型基础上确定优化数学模型:
其中,x为叶轮因素,η(x)为离心压气机效率;ε(x)为应变;β2为叶片出口角;e为叶顶间隙;bmin,bmax为叶片出口角的取值范围;cmin,cmax为叶顶间隙的取值范围。但本发明并不局限于该种多目标优化模型。
然后,采用遗传算法对优化数学模型进行寻优计算,便可得到叶轮因素最优值b21,c21和叶轮目标最优值z21,x21。
具体例子二
本例安排17组试验样本数据,但本发明并不局限于该种试验设计安排。
选取叶片进口角β1、叶片出口角β2、叶片包角θ为叶轮因素,以热流固耦合作用下的效率η、应变ε、压比π为叶轮目标。
在某范围内通过均匀试验设计抽样方法确定叶轮因素值β1=ei,β2=fi,θ=gi,其中,ei为第i个叶轮的叶片进口角β1的因素值,fi为第i个叶轮的叶片出口角β2的因素值,gi为第i个叶轮的叶片包角θ的因素值,i=1…17。
根据叶轮因素值ei,fi,gi在三维建模软件里建立第i个叶轮的叶轮流体模型和叶轮结构模型,首先对第i个叶轮的所述叶轮流体模型进行流场与温度场耦合分析,然后再对所述叶轮结构模型进行结构场与温度场耦合分析,最后在对所述的叶轮结构模型进行结构分析,判断相邻两次的叶轮结构变形数据是否小于第一设定值,如果大于或等于第一设定值,则重新确定叶轮结构变形数据,如果小于第一设定值,则确定输出第i个叶轮的叶轮目标值η=ui,ε=vi,π=wi,其中,ui为第i个叶轮效率η的目标值,vi为第i个叶轮应变ε的目标值,wi为第i个叶轮应变ε的目标值,i=1…17。
将以上17组叶轮因素值和17组叶轮目标值填入表2获得第二样本数据库,详见表2。
表2第二样本数据库
将第二样本数据库的前14组叶轮因素值和前14组叶轮目标值建立多项式响应面代理模型,其中多项式响应面代理模型为:
其中,xi,xj为叶轮因素值,取集合X中第r行的数值,y为叶轮目标,取集合Y中第r行的数值,r=1、2…14,k即为设计变量的个数,k=3,ξ0,ξi,ξij为系数。
X为前14个样本叶轮因素值集合,即Y为前14个样本叶轮因素值对应的叶轮目标值集合,即
将第二样本数据库中的后3组样本数据的叶轮因素值代入到多项式响应面代理模型后得到预测叶轮目标值,将该预测目标值与第二样本数据库中的后3组叶轮目标值进行对比判断多项式响应面代理模型的精度是否已达到设定值,若精度已达第二设定值要求时,进行下一步;若精度为达设定值要求时,则返回后重新采用试验设计法确定叶轮因素值。
在多项式响应面代理模型基础上确定优化数学模型:
其中,x为叶轮因素,η为离心压气机效率;π为压比;ε为应变;β1为叶片进口角;β2为叶片出口角;θ为叶片包角;γ1,γ2,γ3为权重分配系数,且γ1+γ2+γ3=1;ηmax,ηmin,εmax,εmin,πmax,πmin为叶轮目标的某范围内的最大值和最小值,emin,emax为叶片进口角β1的取值范围,fmin,fmax为叶片出口角β2的取值范围,gmin,gmax为叶片包角θ的取值范围。
最后,采用粒子群算法对优化数学模型进行寻优计算,便可得到叶轮因素最优值e18,f18,g18和叶轮目标最优值u18,v18,w18。
具体例子三
本例安排24组试验样本数据,但本发明并不局限于该种试验设计安排。
选取叶轮外径D2、叶轮出口宽度b2、叶顶间隙e、材料弹性模量E为叶轮因素,以热流固耦合作用下的固有频率f、压比π、应力σ、效率η为叶轮目标。在某范围内通过均匀试验设计抽样方法确定叶轮因素值D2=ai,b2=bi,e=ci,E=di,其中,ai为第i个叶轮的叶轮外径D2的因素值,bi为第i个叶轮的叶轮出口宽度b2的因素值,ci为第i个叶轮的叶顶间隙e的因素值,di为第i个叶轮的材料弹性模量E的因素值,其中i=1…24。
根据所述叶轮因素值ai,bi,ci,di在三维建模软件里建立第i个叶轮的叶轮流体模型和叶轮结构模型,首先对第i个叶轮的所述叶轮流体模型进行流场与温度场耦合分析,然后再对所述叶轮结构模型进行结构场与温度场耦合分析,最后在对所述的叶轮结构模型进行结构分析,判断相邻两次的叶轮结构变形数据是否小于第一设定值,如果大于或等于第一设定值,则重新确定叶轮结构变形数据,如果小于第一设定值,则确定输出第i个叶轮的叶轮目标值f=xi,π=yi,σ=zi,η=wi,其中,xi为第i个叶轮固有频率f的叶轮目标值,yi为第i个叶轮压比π的叶轮目标值,zi为第i个叶轮应变σ的叶轮目标值,wi为第i个叶轮效率η的叶轮目标值,i=1…24。
将以上24组叶轮因素值和24组叶轮目标值填入表3获得第三样本数据库,详见表3。
表3第三样本数据库
将第三数据库中的前18组叶轮因素值和前18组叶轮目标值建立克里金代理模型,其中克里金代理模型将叶轮目标和叶轮因素的非线性函数关系描述为回归模型和非参数随机函数可表示为:
y(x)=F(β,x)+z(x) (5)
其中,F(β,x)为回归模型,β为回归模型系数,z(x)为非参数部分随机函数,x为叶轮因素,y(x)为叶轮目标函数。
本案例中具体的叶轮目标与叶轮因素之间的具体关系可表示为:Y=F(β,X)+z(X),其中,X为前18个样本叶轮因素值集合,即Y为前18个样本叶轮因素值对应的叶轮目标值集合,即
将第三样本数据库中的后6组样本数据的叶轮因素值代入到克里金代理模型后得到预测叶轮目标值,将该预测目标值与第三样本数据库中的后6组叶轮目标值进行对比判断克里金代理模型的精度是否已达到设定值,若精度已达第二设定值要求时,进行下一步;若精度为达设定值要求时,则返回后重新采用试验设计法确定叶轮因素值。
在克里金代理模型基础上确定优化数学模型:
其中,x为目标因素,η为离心压气机效率;π为压比;σ为应变;f为固有频率;D2为叶轮外径、b2为叶轮出口宽度、e为叶顶间隙、E为材料弹性模量;γ1,γ2,γ3,γ4为权重分配系数,且γ1+γ2+γ3+γ4=1; fmax,fmin,πmax,πmin,σmax,σmin,ηmax,ηmin为叶轮目标的某范围内的最大值和最小值,amin,amax为叶轮外径D2的取值范围,bmin,bmax为叶轮出口宽度b2的取值范围,cmin,cmax为叶顶间隙e的取值范围,dmin,dmax为材料弹性模量E的取值范围。
最后,采用蚁群遗传算法对优化数学模型进行寻优计算,便可得到叶轮因素最优值a25,b25,c25,d25和叶轮目标最优值x25,y25,z25,w25。
本说明书实施例所述的内容仅仅是对发明构思的实现形式的列举,本发明的保护范围的不应当被视为仅限于实施例所陈述的具体形式,本发明的保护范围也及于本领域技术人员根据本发明构思所能够想到的等同技术手段。
Claims (8)
1.一种离心压气机叶轮的优化方法,其特征在于,包括以下步骤:
选取叶轮因素参数和叶轮目标参数;
采用试验设计法,根据所述叶轮因素参数确定叶轮因素值;
根据所述叶轮因素值确定对应的所述叶轮目标参数的叶轮目标值;
所述根据所述叶轮因素值确定对应的所述叶轮目标参数的叶轮目标值具体包括:
根据所述叶轮因素值建立叶轮参数化模型;所述叶轮参数化模型为叶轮流体模型和叶轮结构模型;
采用流体动力学分析软件对所述叶轮流体模型进行流场与温度场耦合分析获得第一表面温度载荷和第一压力载荷;将所述第一表面温度载荷传递给所述叶轮结构模型后进行温度场分析获得第一实体温度载荷;根据所述第一压力载荷与所述第一实体温度载荷进行结构变形有限元分析确定第一结构变形数据;
将所述第一结构变形数据通过网格重生成技术传递给所述叶轮流体模型后再次进行流场与温度场耦合分析获得第二表面温度载荷和第二压力载荷;将所述第二表面温度载荷传递给所述叶轮结构模型后进行温度场分析获得第二实体温度载荷;根据所述第二压力载荷与所述第二实体温度载荷进行结构变形有限元分析确定第二结构变形数据;
判断第一结构变形数据与第二结构变形数据之差是否小于第一设定值,如果是,则确定对应的所述叶轮目标参数的叶轮目标值,如果否,则将第二结构变形数据赋值给第一结构变形数据,重新确定第二结构变形数据;
根据多组所述叶轮因素值与对应的所述叶轮目标值建立代理模型;
根据所述代理模型确定最优叶轮值。
2.根据权利要求1所述的离心压气机叶轮的优化方法,其特征在于,所述采用试验设计法,根据所述叶轮因素参数确定叶轮因素值具体包括:
根据所述叶轮因素参数确定参数变化范围;
采用试验设计法,在所述参数变化范围内确定叶轮因素值。
3.根据权利要求1所述的离心压气机叶轮的优化方法,其特征在于,所述根据多组所述叶轮因素值与对应的所述叶轮目标值建立代理模型具体包括:
选取所述多组所述叶轮因素值与对应的所述叶轮目标值中的部分组数建立代理模型;
根据所述多组所述叶轮因素值与对应的所述叶轮目标值中剩余部分组数判断所述代理模型的精度是否已达第二设定值,如果是则确定最优叶轮值,否则重新确定叶轮因素值。
4.根据权利要求1所述的离心压气机叶轮的优化方法,其特征在于,所述根据所述代理模型确定最优叶轮值具体包括:
在所述代理模型基础上建立优化数学模型;
采用优化算法,根据所述优化数学模型确定最优叶轮值;所述最优叶轮值包括叶轮因素最优值、叶轮目标最优值。
5.根据权利要求1所述的离心压气机叶轮的优化方法,其特征在于,所述叶轮因素参数为叶片进口角、叶片出口角、叶顶间隙和叶片厚度、叶轮出口宽度、材料弹性模量、进口轮毂直径、进口叶片宽度、工作轮出口直径、叶片前缘倾角、叶片后弯角中任意两种或两种以上;
所述叶轮目标参数为效率、压比、应变、应力、固有频率中任意二种或两种以上;
所述试验设计法为正交设计方法、均匀设计方法、拉丁超立方设计方法中任意一种;
所述代理模型为克里金代理模型或多项式响应面代理模型。
6.一种离心压气机叶轮的优化系统,其特征在于,包括:
获取模块,用于选取叶轮因素参数和叶轮目标参数;
叶轮因素值确定模块,用于采用试验设计法,根据所述叶轮因素参数确定叶轮因素值;
叶轮目标值确定模块,用于根据所述叶轮因素值确定对应的所述叶轮目标参数的叶轮目标值;
所述叶轮目标值确定模块具体包括:
参数化模型建立单元,用于根据所述叶轮因素值建立叶轮参数化模型;所述叶轮参数化模型为叶轮流体模型和叶轮结构模型;
第一结构变形数据确定单元,采用流体动力学分析软件对所述叶轮流体模型进行流场与温度场耦合分析获得第一表面温度载荷和第一压力载荷;将所述第一表面温度载荷传递给所述叶轮结构模型后进行温度场分析获得第一实体温度载荷;根据所述第一压力载荷与所述第一实体温度载荷进行结构变形有限元分析确定第一结构变形数据;
第二结构变形数据确定单元,将所述第一结构变形数据通过网格重生成技术传递给所述叶轮流体模型后再次进行流场与温度场耦合分析获得第二表面温度载荷和第二压力载荷;将所述第二表面温度载荷传递给所述叶轮结构模型后进行温度场分析获得第二实体温度载荷;根据所述第二压力载荷与所述第二实体温度载荷进行结构变形有限元分析确定第二结构变形数据;
第一判断单元,判断第一结构变形数据与第二结构变形数据之差是否小于第一设定值,如果是,则确定对应的所述叶轮目标参数的叶轮目标值,如果否,则将第二结构变形数据赋值给第一结构变形数据,重新确定第二结构变形数据;
代理模型建立模块,用于根据多组所述叶轮因素值与对应的所述叶轮目标值建立代理模型;
最优叶轮值确定模块,用于根据所述代理模型确定最优叶轮值。
7.根据权利要求6所述的离心压气机叶轮的优化系统,其特征在于,所述代理模型建立模块具体包括:
代理模型建立单元,用于选取所述多组所述叶轮因素值与对应的所述叶轮目标值中的部分组数建立代理模型;
第二判断单元,根据所述多组所述叶轮因素值与对应的所述叶轮目标值中剩余部分组数判断所述代理模型精度是否已达第二设定值,如果是则确定最优叶轮值,否则重新确定叶轮因素值。
8.根据权利要求6所述的离心压气机叶轮的优化系统,其特征在于,所述最优叶轮值确定模块具体包括:
优化数学模型建立单元,用于在所述代理模型基础上建立优化数学模型;
最优值确定单元,用于采用优化算法,根据所述优化数学模型确定最优叶轮值;所述最优叶轮值包括叶轮因素最优值、叶轮目标最优值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611233049.7A CN106650125B (zh) | 2016-12-28 | 2016-12-28 | 一种离心压气机叶轮的优化方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611233049.7A CN106650125B (zh) | 2016-12-28 | 2016-12-28 | 一种离心压气机叶轮的优化方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106650125A CN106650125A (zh) | 2017-05-10 |
CN106650125B true CN106650125B (zh) | 2019-12-06 |
Family
ID=58832466
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611233049.7A Active CN106650125B (zh) | 2016-12-28 | 2016-12-28 | 一种离心压气机叶轮的优化方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106650125B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107679270A (zh) * | 2017-08-28 | 2018-02-09 | 西北工业大学 | 离心压气机优化设计方法及系统 |
CN107782267B (zh) * | 2017-09-29 | 2019-10-18 | 清华大学 | 基于rfid的旋转机械偏心检测方法及装置 |
CN109033661B (zh) * | 2018-08-06 | 2023-07-04 | 重庆通用工业(集团)有限责任公司 | 一种叶轮的设计方法 |
CN110175340B (zh) * | 2018-11-16 | 2023-06-02 | 湘潭大学 | 一种适用于不确定工况的离心压气机叶轮气动稳健优化设计方法 |
CN110110428A (zh) * | 2019-04-30 | 2019-08-09 | 哈尔滨工程大学 | 一种基于克里金模型优选与神经网络的压气机特性预测方法 |
CN111486116B (zh) * | 2020-04-15 | 2021-01-26 | 浙江上风高科专风实业有限公司 | 一种低比转速离心鼓风机三元流叶轮设计方法及系统 |
CN112134410B (zh) * | 2020-09-28 | 2021-10-12 | 揭阳市汇宝昌电器有限公司 | 一种永磁电机的稳态温度场模型的优化散热设计方法 |
CN113221404A (zh) * | 2021-04-30 | 2021-08-06 | 南京航空航天大学 | 多物理场耦合下压气机出口总压探针结构智能优化方法 |
CN117973270B (zh) * | 2024-04-01 | 2024-06-25 | 中国科学院高能物理研究所 | 一种基于自适应代理模型的氖透平气动优化方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102339351A (zh) * | 2011-10-24 | 2012-02-01 | 西安交通大学 | 离心压气机叶轮轮盘截面形状优化方法 |
CN105275868A (zh) * | 2015-10-29 | 2016-01-27 | 江苏大学 | 一种可提高离心泵效率的流道表面仿生处理方法 |
US9477798B1 (en) * | 2012-06-20 | 2016-10-25 | Synopsys, Inc. | Moving mesh system and method for finite element/finite volume simulations |
CN106227933A (zh) * | 2016-07-21 | 2016-12-14 | 江苏大学 | 一种修削离心泵叶轮盖板的优化设计方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10366534B2 (en) * | 2015-06-10 | 2019-07-30 | Microsoft Technology Licensing, Llc | Selective surface mesh regeneration for 3-dimensional renderings |
-
2016
- 2016-12-28 CN CN201611233049.7A patent/CN106650125B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102339351A (zh) * | 2011-10-24 | 2012-02-01 | 西安交通大学 | 离心压气机叶轮轮盘截面形状优化方法 |
US9477798B1 (en) * | 2012-06-20 | 2016-10-25 | Synopsys, Inc. | Moving mesh system and method for finite element/finite volume simulations |
CN105275868A (zh) * | 2015-10-29 | 2016-01-27 | 江苏大学 | 一种可提高离心泵效率的流道表面仿生处理方法 |
CN106227933A (zh) * | 2016-07-21 | 2016-12-14 | 江苏大学 | 一种修削离心泵叶轮盖板的优化设计方法 |
Non-Patent Citations (4)
Title |
---|
"Gasturbnlab:A mu lti di sciplinary problem solving environment for gas t urbine engine design on a net w ork of non-homogeneous machines";H oustis E N , Catlin A C;《Journal of Computational and Applied Mathematics》;20021231;全文 * |
"基于 Kriging 模型和遗传算法的泵叶轮两工况水力优化设计";王文杰等;《机械工程学报》;20150831;第 51 卷(第 15 期);全文 * |
"基于网格重生成的涡轮叶片变形传递方法";李立州等;《航空动力学报》;20080331;第23卷(第3期);全文 * |
"自由网格变形技术在涡轮叶片多学科设计优化过程中的应用";王婧超等;《飞行设计》;20060930(第3期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN106650125A (zh) | 2017-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106650125B (zh) | 一种离心压气机叶轮的优化方法和系统 | |
Pei et al. | Multiparameter optimization for the nonlinear performance improvement of centrifugal pumps using a multilayer neural network | |
CN110929357A (zh) | 一种高性能舰船燃机压气机气动设计方法 | |
CN110378016B (zh) | 一种针对泵轮可调式液力变矩器的多目标优化设计方法 | |
Li et al. | Multipoint and multiobjective optimization of a centrifugal compressor impeller based on genetic algorithm | |
KR20140096924A (ko) | 임펠러 형상 최적설계방법 | |
CN104463381A (zh) | 基于kpca与wlssvm的建筑能耗预测方法 | |
CN115544815B (zh) | 一种风扇模型的生成方法和装置 | |
CN106529072B (zh) | 基于多学科优化的高温高压离心泵叶轮综合设计方法 | |
CN113177271A (zh) | 改善大型立式离心泵性能与驼峰不稳定性的匹配优化方法 | |
CN112270139B (zh) | 基于母型库的燃料电池离心压缩机气动优化设计方法 | |
Sivashanmugam et al. | Aero-structural optimization of an axial turbine stage in three-dimensional flow | |
Meng et al. | Multiobjective optimization for the impeller of centrifugal fan based on response surface methodology with grey relational analysis method | |
CN110245408B (zh) | 一种汽轮机单圆弧压力面叶型设计方法 | |
Safari et al. | A novel combination of adaptive tools for turbomachinery airfoil shape optimization using a real-coded genetic algorithm | |
CN112632729A (zh) | 一种提升高斯尾流模型对风力机尾流场预测精度的方法 | |
Zhang et al. | A 3D inverse design based multidisciplinary optimization on the radial and mixed-inflow turbines for turbochargers | |
Zangeneh et al. | 3D multi-disciplinary inverse design based optimization of a centrifugal compressor impeller | |
CN116628854A (zh) | 一种翼型气动特性预测方法、系统、电子设备及存储介质 | |
CN109472389B (zh) | 一种中低比转速叶轮多工况智能优化方法 | |
CN106971023B (zh) | 基于超椭圆曲线的轮盘异型孔结构设计方法 | |
Niu et al. | New trust-region algorithm for nonlinear constrained optimization | |
CN115659529A (zh) | 综合考虑加工精度与气动性能的离心压气机叶轮再设计方法 | |
CN106096086B (zh) | 一种多点优化转化为多目标优化的方法 | |
Sun et al. | Optimization design of IGV profile in centrifugal compressor |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |