CN106777526B - 基于遗传算法的高温高压离心式叶轮多学科优化方法 - Google Patents
基于遗传算法的高温高压离心式叶轮多学科优化方法 Download PDFInfo
- Publication number
- CN106777526B CN106777526B CN201611050738.4A CN201611050738A CN106777526B CN 106777526 B CN106777526 B CN 106777526B CN 201611050738 A CN201611050738 A CN 201611050738A CN 106777526 B CN106777526 B CN 106777526B
- Authority
- CN
- China
- Prior art keywords
- impeller
- module
- design
- blade
- temperature
- 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
Images
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/086—Learning methods using evolutionary algorithms, e.g. genetic algorithms or genetic programming
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Biophysics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Structures Of Non-Positive Displacement Pumps (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Physiology (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Evolutionary Biology (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Molecular Biology (AREA)
Abstract
本发明涉及离心泵的优化设计,公开了一种基于遗传算法优化的高温高压的极限工况下运行的离心式叶轮的多学科设计方法。本发明将高温高压离心式叶轮的优化流程模块化,模块一为基于遗传算法的水力设计模块,模块二为基于CFD技术的CFD计算模块,模块三为基于二次遗传优化的流固热耦合计算模块,模块四是系统优化模块,其中水力设计模块、CFD计算模块、流固热耦合模块顺次相连,前一个模块的计算结果作为后一个模块计算的初始条件,并将CFD计算模块和流固热耦合模块计算结果作为系统优化模块的输入,分析两个模块相互作用产生的协调效应获得系统整体最优解。
Description
技术领域
本发明涉及离心泵的优化设计,具体是一种基于遗传算法优化的高温高压的极限工况下运行的离心式叶轮的多学科设计方法。
背景技术
近年来一些大型高温高压多级离心泵在世界各国都向大容量、高转速、高效率、可靠性、低噪声及自动化等方向发展。目前高温高压多级离心泵的需求量越来越大,然而国内对大型工业用泵的研制难以取得突破,大部分依赖于进口。高温高压离心泵的设计涉及到流体力学、材料力学、结构力学和热力学等多个学科,比如消防泵、超超锅炉给水泵、核电站上充泵都属于高温高压多级离心泵。传统的设计方法往往对每个子系统(学科)单独优化,企图将几个最优的子系统组合成一个也是最优的大系统。这种设计方法忽视工程系统内部各子系统间的相互关系,从而不能满足工程技术发展的需要。一方面,结构、动力、控制等学科的理论不断完善,计算能力的飞速发展使得设计人员能够建立更复杂的数学模型、分析更详细的构形、提高分析结果的精度,比如采用有限元法进行结构分析,利用计算流体力学进行流场分析等等,但上述进步基本上是发生在特定的学科或子系统的范围内,并没有为总体设计带来什么直接的益处。与各学科或子系统理论蓬勃发展形成强烈对比的是,长期以来,泵类流体机械的设计总体设计方法的发展一直停滞不前,其理论落后、方法陈旧,虽然这些理论和方法在过去数十年发挥了极其重要的作用,为我国泵行业的发展做出了巨大的贡献,但是它们忽视工程系统中各学科之间的耦合效应、不能充分利用学科的发展成果、与工程设计组织形式不一致。本发明主要是基于遗传优化算法提供一种基于流体力学、材料力学、结构力学和热力学四个学科的高温高压泵叶轮的水力设计方法,通过采用先进的CFD技术和有限元分析技术以及建立的多学科优化的数学模型对高温高压离心泵的叶轮进行设计与优化。
发明内容
本发明的目的:提供一种基于流体力学、材料力学、结构力学和热力学四个学科的高温高压泵叶轮的水力设计方法,通过对设计方案的多学科评估,在保证泵的水力性能优于设计指标的情况下,使泵的安全特性最佳。
为实现上述目的,基于遗传算法对高温高压离心式叶轮进行优化,本离心式叶轮主要工作在高温高压的极限工况下,其由前盖板、叶片和后盖板三部分组成,其特征在于,将高温高压离心式叶轮的优化流程模块化,模块一为基于遗传算法的水力设计模块,模块二为基于CFD技术的CFD计算模块,模块三为基于二次遗传优化的流固热耦合计算模块,模块四是系统优化模块,其中水力设计模块、CFD计算模块、流固热耦合模块顺次相连,前一个模块的计算结果作为后一个模块计算的初始条件,并将CFD计算模块和流固热耦合模块计算结果作为系统优化模块的输入,分析两个模块相互作用产生的协调效应获得系统整体最优解,包括以下设计步骤:
步骤1:结合多工况水力设计方法、低气蚀、不等扬程水力设计方法设计叶轮的结构参数,设定高温高压离心式叶轮结构参数的约束范围,包括设计参数Ⅰ叶轮出口直径D2、设计参数Ⅱ叶轮叶片包角设计参数Ⅲ叶片进口安放角β1、设计参数Ⅳ叶片出口安放角β2、设计参数Ⅴ叶轮出口宽度b2五个系统变量x1、x2、x3、x4、x5,每个系统变量对应7种设计方案;
步骤2:基于遗传算法的杂交、自然选择以及突变的思想,首先将对每个系统变量进行编码,每一个系统变量对应7种设计方案,每个方案分别用3位无符号二进制整数来表示,公式如下:
然后,将五个系统变量均任取一个对应的设计方案,组成表现型X,然后将表现型X转换为15位无符号二进制数,就形成了个体的基因型;
如X=(x1,x2,x3,x4,x5)=(2,3,1,6,5),所对应的编码为010011001110101;
步骤3:建立高温高压离心式叶轮的初始种群,任取种群规模为8,每个个体可通过随机方法产生,如(011101101011,101011011100,011100111001,111001011101,010101001011,100011011110,010101111001,101001011001),遗传算法中以个体适应度的大小来评定各个个体的优劣程度,从而决定其遗传机会的大小,而在高温高压离心式叶轮的设计中以求函数最大值为优化目标,可通过CFD计算结果直接利用效率的目标函数值作为个体的适应度,然后进行选择运算,然后进行交叉运算,然后进行变异运算,以水力性能为优化目标,对新一代群体进行优胜略汰的评价选择,对群体再进行一轮选择、交叉、变异运算之后可得到新一代的8个最优群体,然后进入步骤4;
步骤4:采用商业CFD模拟软件将步骤3中选出的8种最优方案进行热流场的计算分析,得到的计算结果,进入步骤5;
步骤5:对该离心式叶轮和轴结构进行三维建模,采用有限元分析软件对叶轮及轴系结构进行基于有限元的热力学分析,并将步骤4中的热流场计算结果中的流固接触面的压力信息导入并施加在叶轮结构上,分析叶轮的应力应变分布情况并进行综合评估,遴选出4种最优方案;当高温工况下叶片变形超过设计要求时,叶片厚度增加原叶片厚度的0.08至0.15倍,当叶片变形远优于要求规定的变形量时,叶片厚度减小原叶片厚度的0.05至0.09倍;将4种最优方案叶片厚度进行调整后,重新进入步骤4进行泵的热流场计算,直至优化厚度后叶片最大变形超过设计要求指标的8%,然后进入步骤5;
步骤6:将最终4种最优方案的泵水力性能、叶轮结构的有限元安全特性、泵气蚀性能三方面进行综合评估,考虑的指标重要性依次是:叶轮结构的有限元安全特性>泵气蚀性能>泵水力性能,并构建高温高压离心泵系统多学科优化目标函数的数学模型,得到1种最优方案。
步骤1中,首先给出高温高压离心泵的初始解,包含叶轮的进出口直径、叶片包角、叶片出口宽度、叶片进出口安放角、叶片厚度,系统变量的初始条件由以下约束确定:
D1=(0.51~0.87)·D2
β2=(1.12~1.32)·β1;
z=4~7;
式中:
D2—叶轮出口直径,mm;
Q—泵流量,m3/h;
n—泵转速;
D1—叶轮进口直径,mm;
b2—叶片出口宽度,mm;
β1—叶片进口安放角,o;
β2—叶片出口安放角,o;
z—叶轮叶片数;
步骤3中,所述选择运算,是把当前群体中适应度较高的个体按某种规则或模型遗传到下一代群体中,要求适应度较高的个体将有更多的机会遗传到下一代群体中;
所述交叉运算,是遗传算法中产生新个体的操作过程,它以某一概率相互交换某两个个体之间的部分染色体;
所述变异运算,是对个体的某一个或某一些基因座上的基因值按某一较小的概率进行改变,它也是产生新个体的一种操作方法。
步骤6中,所述多学科优化目标函数的数学模型由以下公式确定:
其中,F(X)是多学科评价指数,f(xi)代表第i学科的评价指数,f(xi0)代表第i学科的技术要求指数。
本发明的有益效果:
本发明能在保证泵的水力性能、气蚀性能、可多工况运行的情况下,使泵的安全特性最佳,更可靠。
附图说明
图1是本发明一个实施例的叶轮简图;a-轴面图,b-平面图;
图2是叶轮的平面投影简图;
图3是本发明多学科优化设计的流程图;
附图标记说明:
1-前盖板,2-叶片,3-后盖板,叶轮出口直径D1,叶轮出口直径D2,叶轮出口半径R1,叶轮出口半径R2,叶轮包角Φ,叶片进口安放角β1,叶片出口安放角β2,叶轮出口宽度b2。
具体实施方式
图1和图2是本发明一个实施例的叶轮及其几何参数表示的简图,图3是本发明多学科优化设计的流程图,基于遗传算法对高温高压离心式叶轮进行优化,本离心式叶轮主要工作在高温高压的极限工况下,其由前盖板、叶片和后盖板三部分组成,其特征在于,将高温高压离心式叶轮的优化流程模块化,模块一为基于遗传算法的的水力设计模块,模块二为基于CFD技术的CFD计算模块,模块三为基于二次遗传优化的的流固热耦合计算模块,模块四是系统优化模块,其中水力设计模块、CFD计算模块、流固热耦合模块顺次相连,前一个模块的计算结果作为后一个模块计算的初始条件,并将CFD计算模块和流固热耦合模块计算结果作为系统优化模块的输入,分析两个模块相互作用产生的协调效应获得系统整体最优解,包括以下设计步骤:
步骤1:结合多工况水力设计方法、低气蚀、不等扬程水力设计方法设计叶轮的结构参数,设定高温高压离心式叶轮结构参数的约束范围,包括设计参数(一)叶轮出口直径D2、设计参数(二)叶轮叶片包角Φ、设计参数(三)叶片进口安放角β1、设计参数(四)叶片出口安放角β2、设计参数(五)叶轮出口宽度b2五个系统变量,每个系统变量对应7种设计方案;
步骤2:基于遗传算法的杂交、自然选择以及突变的思想,首先将对每个系统变量进行编码,每一个系统变量对应7种设计方案,每个方案分别用3位无符号二进制整数来表示,公式如下:
然后,将五个系统变量均任取一个对应的设计方案,组成表现型X,然后将表现型X转换为15位无符号二进制数,就形成了个体的基因型;
如X=(x1,x2,x3,x4,x5)=(2,3,1,6,5),所对应的编码为010011001110101;
步骤3:建立高温高压离心式叶轮的初始种群,任取种群规模为8,每个个体可通过随机方法产生,如(011101101011,101011011100,011100111001,111001011101,010101001011,100011011110,010101111001,101001011001),遗传算法中以个体适应度的大小来评定各个个体的优劣程度,从而决定其遗传机会的大小,而在高温高压离心式叶轮的设计中以求函数最大值为优化目标,可通过CFD计算结果直接利用效率的目标函数值作为个体的适应度,然后进行选择运算,然后进行交叉运算,然后进行变异运算,以水力性能为优化目标,对新一代群体进行优胜略汰的评价选择,对群体再进行一轮选择、交叉、变异运算之后可得到新一代的8个最优群体,然后进入步骤4;
步骤4:采用商业CFD模拟软件将步骤3中选出的8种最优方案进行热流场的计算分析,得到的计算结果,进入步骤5;
步骤5:对该离心式叶轮和轴结构进行三维建模,采用有限元分析软件对叶轮及轴系结构进行基于有限元的热力学分析,并将步骤4中的热流场计算结果中的流固接触面的压力信息导入并施加在叶轮结构上,分析叶轮的应力应变分布情况并进行综合评估,遴选出4种最优方案;当高温工况下叶片变形超过设计要求时,叶片厚度增加原叶片厚度的0.08至0.15倍,当叶片变形远优于要求规定的变形量时,叶片厚度减小原叶片厚度的0.05至0.09倍;将4种最优方案叶片厚度进行调整后,重新进入步骤4进行泵的热流场计算,直至优化厚度后叶片最大变形超过设计要求指标的8%,然后进入步骤5;
步骤6:将最终4种最优方案的泵水力性能、叶轮结构的有限元安全特性、泵气蚀性能三方面进行综合评估,考虑的指标重要性依次是:叶轮结构的有限元安全特性>泵气蚀性能>泵水力性能,并构建高温高压离心泵系统多学科优化目标函数的数学模型,得到1种最优方案。
步骤1中,首先给出高温高压离心泵的初始解,包含叶轮的进出口直径、叶片包角、叶片出口宽度、叶片进出口安放角、叶片厚度,系统变量的初始条件由以下约束确定:
D1=(0.51~0.87)·D2;
β2=(1.12~1.32)·β1;
z=4~7;
步骤6中,所述多学科优化目标函数的数学模型由以下公式确定:
其中,F(X)是多学科评价指数,f(xi)代表第i学科的评价指数,f(xi0)代表第i学科的技术要求指数。
Claims (4)
1.基于遗传算法的高温高压离心式叶轮多学科优化方法,所述离心式叶轮由前盖板、叶片和后盖板三部分组成,其特征在于,将高温高压离心式叶轮的优化流程模块化,
模块一为基于遗传算法的水力设计模块,
模块二为基于CFD技术的CFD计算模块,
模块三为基于二次遗传优化的流固热耦合计算模块,
模块四是系统优化模块,
其中水力设计模块、CFD计算模块、流固热耦合模块顺次相连,前一个模块的计算结果作为后一个模块计算的初始条件,并将CFD计算模块和流固热耦合模块计算结果作为系统优化模块的输入,分析两个模块相互作用产生的协调效应获得系统整体最优解,包括以下设计步骤:
步骤1:结合多工况水力设计方法、低气蚀、不等扬程水力设计方法设计叶轮的结构参数,设定高温高压离心式叶轮结构参数的约束范围,包括设计参数Ⅰ叶轮出口直径D2、设计参数Ⅱ叶轮叶片包角设计参数Ⅲ叶片进口安放角β1、设计参数Ⅳ叶片出口安放角β2、设计参数Ⅴ叶轮出口宽度b2五个系统变量x1、x2、x3、x4、x5,每个系统变量对应7种设计方案;
步骤2:基于遗传算法的杂交、自然选择以及突变的思想,首先将对每个系统变量进行编码,每一个系统变量对应7种设计方案,每个方案分别用3位无符号二进制整数来表示,公式如下:
然后,将五个系统变量均任取一个对应的设计方案,组成表现型X,然后将表现型X转换为15位无符号二进制数,就形成了个体的基因型;
步骤3:建立高温高压离心式叶轮的初始种群,任取种群规模为8,每个个体可通过随机方法产生,遗传算法中以个体适应度的大小来评定各个个体的优劣程度,从而决定其遗传机会的大小,而在高温高压离心式叶轮的设计中以求函数最大值为优化目标,可通过CFD计算结果直接利用效率的目标函数值作为个体的适应度,然后进行选择运算,然后进行交叉运算,然后进行变异运算,以水力性能为优化目标,对新一代群体进行优胜略汰的评价选择,对群体再进行一轮选择、交叉、变异运算之后可得到新一代的8个最优群体,然后进入步骤4;
步骤4:采用商业CFD模拟软件将步骤3中选出的8种最优方案进行热流场的计算分析,得到的计算结果,进入步骤5;
步骤5:对该离心式叶轮和轴结构进行三维建模,采用有限元分析软件对叶轮及轴系结构进行基于有限元的热力学分析,并将步骤4中的热流场计算结果中的流固接触面的压力信息导入并施加在叶轮结构上,分析叶轮的应力应变分布情况并进行综合评估,遴选出4种最优方案;当高温工况下叶片变形超过设计要求时,叶片厚度增加原叶片厚度的0.08至0.15倍,当叶片变形远优于要求规定的变形量时,叶片厚度减小原叶片厚度的0.05至0.09倍;将4种最优方案叶片厚度进行调整后,重新进入步骤4进行泵的热流场计算,直至优化厚度后叶片最大变形超过设计要求指标的8%,然后进入步骤5;
步骤6:将最终4种最优方案的泵水力性能、叶轮结构的有限元安全特性、泵气蚀性能三方面进行综合评估,考虑的指标重要性依次是:叶轮结构的有限元安全特性>泵气蚀性能>泵水力性能,并构建高温高压离心泵系统多学科优化目标函数的数学模型,得到1种最优方案。
3.根据权利要求1中所述的基于遗传算法的高温高压离心式叶轮多学科优化方法,其特征在于:步骤3中,所述选择运算,是把当前群体中适应度较高的个体按某种规则或模型遗传到下一代群体中,要求适应度较高的个体将有更多的机会遗传到下一代群体中;
所述交叉运算,是遗传算法中产生新个体的操作过程,它以某一概率相互交换某两个个体之间的部分染色体;
所述变异运算,是对个体的某一个或某一些基因座上的基因值按某一较小的概率进行改变,它也是产生新个体的一种操作方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611050738.4A CN106777526B (zh) | 2016-11-25 | 2016-11-25 | 基于遗传算法的高温高压离心式叶轮多学科优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611050738.4A CN106777526B (zh) | 2016-11-25 | 2016-11-25 | 基于遗传算法的高温高压离心式叶轮多学科优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106777526A CN106777526A (zh) | 2017-05-31 |
CN106777526B true CN106777526B (zh) | 2020-05-01 |
Family
ID=58910603
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611050738.4A Active CN106777526B (zh) | 2016-11-25 | 2016-11-25 | 基于遗传算法的高温高压离心式叶轮多学科优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106777526B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107882771B (zh) * | 2017-10-18 | 2020-06-26 | 江苏大学 | 一种射流式自吸离心泵的优化设计方法 |
CN108897953A (zh) * | 2018-06-28 | 2018-11-27 | 东汉新能源汽车技术有限公司 | 前盖板优化设计方法及装置 |
CN109446546A (zh) * | 2018-09-10 | 2019-03-08 | 江苏大学 | 一种海水淡化增压多级泵叶轮智能优化方法 |
CN109209602B (zh) * | 2018-10-30 | 2020-04-21 | 山东云内动力有限责任公司 | 一种基于cfd的柴油机冷却水泵优化方法 |
CN109783957B (zh) * | 2019-01-23 | 2022-07-01 | 华侨大学 | 一种用于高温泵设计的多变量多目标并行优化方法 |
CN110969538A (zh) * | 2019-12-20 | 2020-04-07 | 哈尔滨工业大学 | 一种基于遗传算法的大型高速回转装备叶片装配方法 |
CN112380794B (zh) * | 2020-12-08 | 2022-11-08 | 中北大学 | 一种航空涡轮发动机叶片的多学科并行协作优化设计方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102207101A (zh) * | 2011-05-18 | 2011-10-05 | 大连理工大学 | 一种基于cfd的核主泵模化设计方法及设计百万千瓦级核主泵叶轮 |
CN102248215A (zh) * | 2011-07-01 | 2011-11-23 | 黑龙江科技学院 | 离心式叶轮加工中使用的振动抑制装置 |
CN105201901A (zh) * | 2015-10-19 | 2015-12-30 | 江苏大学 | 基于流固耦合计算的离心泵叶轮水力及结构设计方法 |
CN105298909A (zh) * | 2015-10-16 | 2016-02-03 | 江苏大学 | 一种低磨损离心式渣浆泵水力设计方法 |
CN105805044A (zh) * | 2016-04-25 | 2016-07-27 | 江苏大学 | 一种核主泵带长短叶片的对数螺旋线导叶及其设计方法 |
CN105971931A (zh) * | 2016-06-07 | 2016-09-28 | 江苏大学 | 一种离心式叶轮分流叶片的设计方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2686221A1 (en) * | 2007-05-02 | 2008-11-13 | Portola Pharmaceuticals, Inc. | [4-(6-fluoro-7-methylamino-2,4-dioxo-1,4-dihydro-2h-quinazolin-3-yl)-phenyl]-5-chloro-thiophen-2-yl-sulfonylurea salts, forms and methods related thereto |
KR20110090394A (ko) * | 2010-02-03 | 2011-08-10 | 삼성전자주식회사 | 마이크로어레이 반응 장치 및 이를 이용하는 방법 |
-
2016
- 2016-11-25 CN CN201611050738.4A patent/CN106777526B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102207101A (zh) * | 2011-05-18 | 2011-10-05 | 大连理工大学 | 一种基于cfd的核主泵模化设计方法及设计百万千瓦级核主泵叶轮 |
CN102248215A (zh) * | 2011-07-01 | 2011-11-23 | 黑龙江科技学院 | 离心式叶轮加工中使用的振动抑制装置 |
CN105298909A (zh) * | 2015-10-16 | 2016-02-03 | 江苏大学 | 一种低磨损离心式渣浆泵水力设计方法 |
CN105201901A (zh) * | 2015-10-19 | 2015-12-30 | 江苏大学 | 基于流固耦合计算的离心泵叶轮水力及结构设计方法 |
CN105805044A (zh) * | 2016-04-25 | 2016-07-27 | 江苏大学 | 一种核主泵带长短叶片的对数螺旋线导叶及其设计方法 |
CN105971931A (zh) * | 2016-06-07 | 2016-09-28 | 江苏大学 | 一种离心式叶轮分流叶片的设计方法 |
Non-Patent Citations (2)
Title |
---|
《基于不等扬程的离心式长轴泵的优化设计与试验》;朱荣生 等;《农业工程学报》;20150331;第31卷(第5期);第38-44页 * |
《采用遗传算法的离心叶轮多目标自动优化设计》;刘小民 等;《西安交通大学学报》;20100110;第44卷(第1期);第31-35页 * |
Also Published As
Publication number | Publication date |
---|---|
CN106777526A (zh) | 2017-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106777526B (zh) | 基于遗传算法的高温高压离心式叶轮多学科优化方法 | |
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 | |
CN106874542A (zh) | 一种液力透平叶轮多工况多目标优化设计方法 | |
Gao et al. | Multi-objective optimization design of bidirectional flow passage components using RSM and NSGA II: A case study of inlet/outlet diffusion segment in pumped storage power station | |
CN102242868B (zh) | 一种工业装置蒸汽管网优化运行方法 | |
Mrope et al. | A review on computational fluid dynamics applications in the design and optimization of crossflow hydro turbines | |
CN113361047B (zh) | 面向多层感知结构的叶轮高维优化及选型方法 | |
CN104595924B (zh) | 建立锅炉燃烧过程模型的方法和装置 | |
Rong et al. | Improving the hydraulic performance of a high-speed submersible axial flow pump based on CFD technology | |
CN107066686B (zh) | 一种基于遗传算法的轴流泵叶轮水力优化设计方法 | |
Qin et al. | Optimization for a steam turbine stage efficiency using a genetic algorithm | |
EP1881155A1 (en) | Apparatus for designing turbines and turbine blades | |
CN110245408B (zh) | 一种汽轮机单圆弧压力面叶型设计方法 | |
CN115481510B (zh) | 基于改进nsga-ⅱ算法的径向压气机叶片多工况优化方法及装置 | |
Amjadimanesh et al. | Numerical Study of Blade Number Effect on the Performance of 3D FC Centrifugal Fan | |
Wang et al. | Multiobjective optimization design and experimental study of desulfurization dust removal centrifugal pump based on immune particle swarm algorithm | |
CN106599392B (zh) | 重金属轴流泵的多学科优化设计方法 | |
Škerlavaj et al. | Optimization of a single-stage double-suction centrifugal pump | |
CN114065621A (zh) | 一种基于遗传算法的压气机特性方程系数拟合方法 | |
CN111486114B (zh) | 一种具有流线曲率中盘的叶轮的设计方法及设计系统 | |
CN109783957B (zh) | 一种用于高温泵设计的多变量多目标并行优化方法 | |
CN111734674B (zh) | 一种基于遗传算法的离心泵多工况节能优化方法 | |
JP2003106298A (ja) | ターボ形流体機械の設計方法及び設計システム | |
CN113807015A (zh) | 压缩空气储能系统参数优化方法、装置、设备及存储介质 | |
Amjadimanesh et al. | Effect of blade type on a 3D FC centrifugal fan |
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 |