CN110114770A - 用于模拟涡轮机盘上叶片分布的方法 - Google Patents
用于模拟涡轮机盘上叶片分布的方法 Download PDFInfo
- Publication number
- CN110114770A CN110114770A CN201780080916.4A CN201780080916A CN110114770A CN 110114770 A CN110114770 A CN 110114770A CN 201780080916 A CN201780080916 A CN 201780080916A CN 110114770 A CN110114770 A CN 110114770A
- Authority
- CN
- China
- Prior art keywords
- distribution
- blade
- neighborhood
- impeller
- wheel
- 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.)
- Granted
Links
Classifications
-
- 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
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
- F01D—NON-POSITIVE DISPLACEMENT MACHINES OR ENGINES, e.g. STEAM TURBINES
- F01D5/00—Blades; Blade-carrying members; Heating, heat-insulating, cooling or antivibration means on the blades or the members
- F01D5/02—Blade-carrying members, e.g. rotors
- F01D5/027—Arrangements for balancing
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
- F04D—NON-POSITIVE-DISPLACEMENT PUMPS
- F04D29/00—Details, component parts, or accessories
- F04D29/66—Combating cavitation, whirls, noise, vibration or the like; Balancing
- F04D29/661—Combating cavitation, whirls, noise, vibration or the like; Balancing especially adapted for elastic fluid pumps
- F04D29/662—Balancing of rotors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/18—Manufacturability analysis or optimisation for manufacturability
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mechanical Engineering (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Structures Of Non-Positive Displacement Pumps (AREA)
- Turbine Rotor Nozzle Sealing (AREA)
Abstract
本发明提出了一种用于模拟涡轮机盘上叶片分布的方法,该方法包括以下步骤:提供多个叶片构型,每个叶片构型与叶片相关联并且包括在相关联叶片上测量的平衡参数的至少一个测量值,搜索和选择叶盘分布,该叶盘分布将所提供的叶片构型与盘上的位置结合,叶盘分布促进达到根据预定成本函数定义的至少一个标准,预定成本函数取决于平衡参数测量值,该搜索和选择通过连续迭代来执行,该方法的特征在于,搜索和选择中的当前迭代涉及以下步骤:o从参考分布中生成多个分布,所述多个分布包括至少一个第一邻域分布以及至少一个第二分布,至少一个第一邻域分布根据促进达到与参考分布相似的第一组预定相似性标准的策略而生成,至少一个第二分布根据促进达到与参考分布相似的第二组预定相似性标准的另一策略而生成,o从邻域分布中选择一个促进优化成本函数的邻域分布作为新的参考分布。
Description
技术领域
本发明涉及一种用于模拟叶片围绕盘分布以形成用于涡轮机的叶轮的方法。
背景技术
旨在围绕涡轮机盘安装的叶片在该叶片的制造过程中经受低分散。
这些分散体可以在每个制造的叶片上进行冷却测量,也就是说,在将这些叶片安装在盘上之前以及在从该安装获得的叶盘旋转之前进行测量。也可以在不同叶片上在操作温度下对这些分散体进行测量,也就是说,在叶轮旋转期间进行测量。
这种分散体易于使得叶轮不平衡。这种不平衡的后果很多:整个发动机的振动,和/或在叶轮旋转期间产生显著的声学噪声。
为了使叶轮以平衡的方式围绕涡轮机盘分布,提出了实施一种算法,该算法被配置成从可能的叶片分布的集合中搜索一种优化预定成本函数的分布。
对于待围绕盘安装的n个叶片,考虑到盘的旋转和对称性是相同的,在(n-1)!/2个叶片分布的集合中执行这种搜索。因此,如果数量n很高,则这种搜索需要进行许多计算。举例来说,对于n=18,这是用于涡轮机的叶盘中的标准叶片数量,可以选择的分布的集合包括多于2.1014个分布。
为了限制这种设计负荷,埃里克·泰勒德(Eric Taillard)在2002年1月1日发表的文献“POPMUSIC-特殊强化条件下的部分优化元启发式”提出了寻求一个叶片分布,该叶片分布借助于禁忌(Tabou)类型算法对预定成本函数进行优化。
使用这种禁忌类型算法允许以相对快速的方式探索由可能的分布的集合定义的空间。
该文献中提出的算法通过排列两个叶片而从一种分布变为另一种分布。
然而,当所使用的成本函数取决于若干叶片平衡参数时,探索可能的分布的集合的这种方式需要检查大量的分布。换句话说,这种算法以相对缓慢的方式朝向检查成本函数的最优解收敛。
发明内容
本发明的目的在于借助于有限的计算负荷使叶片以平衡的方式围绕涡轮机盘分布。
为此,本公开提出了一种用于模拟涡轮机盘上的叶片分布的方法,以形成叶轮,该方法包括以下步骤:
·提供多个叶片构型,每个叶片构型与叶片相关联并且至少包括在相关联的叶片上测量的平衡参数测量值,
·搜索并选择叶轮分布,该叶轮分布将所提供的叶片构型与盘位置相关联,
叶轮分布促进达到根据预定成本函数定义的至少一个标准,该预定成本函数取决于平衡参数测量值,搜索和选择通过连续迭代执行。当前搜索和选择迭代包括以下步骤:
ο基于参考分布生成多个邻域分布,所述多个邻域分布包括至少一个第一邻域分布以及至少一个第二邻域分布,该至少一个第一邻域分布根据促进达到与参考分布相似的第一组预定相似性标准的策略而生成,该至少一个第二邻域分布根据促进达到与参考分布相似的第二组预定相似性标准的另一策略而生成,
ο从邻域分布中选择一个促进优化成本函数的邻域分布作为新的参考分布,
其中,成本函数取决于多个不平衡量,每个不平衡量与相应类型的平衡参数测量值相关,并且其中,至少一个不平衡量是通过应用成本函数来进行阈值处理的对象。
在生成邻域分布的步骤期间,使用不同的相似性标准来生成这些邻域。这些不同的相似性标准定义了与参考分布不同的邻域。
使用不同的相似性标准(并因此为参考分布定义不同的邻域)的事实允许为探索叶片分布空间定义多个策略。
因此,从第一类型的平衡参数来看,邻域分布可以是相对平衡的,但是从另一类型的平衡参数来看,该邻域分布可以是相对不平衡的。因此,由不同组的相似性标准定义的邻域不允许更接近于用于检查成本函数的假设解决方案分布的相同比例。选择步骤允许在由所使用的不同组的相似性标准提供的不同策略之间执行判优,并因此更快速地朝向最优解收敛。
此外,通过应用成本函数对至少一个不平衡量进行阈值处理,从而当满足其中一个标准时确保所执行的搜索侧重在其他标准上。
本发明还可以通过单独采用的或以技术上任何可行的组合采用的以下特征来完成。
搜索和选择可以借助于禁忌算法来实现,并且其中,在前一次迭代期间参与了至少一个选择的至少一个叶轮分布在当前迭代期间不作为邻域分布进行处理。
禁忌类型算法允许以快速的方式对由可能的分布的集合定义的空间进行探索。事实上,在每次搜索和选择迭代期间,一些先前测试过的分布不会被再次处理。
如稍后将看到的,在搜索期间使用的禁忌类型算法确保减少在搜索期间测试的叶片分布的数量。
至少一个邻域分布可以由参考分布的叶片构型之间的一个或两个叶片位置交换而产生。
作为两个交换中的一个交换的一部分进行交换的其中一个位置与作为两个交换中的另一个交换的一部分进行交换的其中一个位置可以径向相对。
至少一个邻域分布可以由叶片构型的应用于参考分布的一个或两个循环排列而产生,在叶片构型的子组件上进行每个循环排列的操作,该叶片构型与参考分布中围绕盘的连续位置相关联。
所应用的两个循环排列中的每一个循环排列可以表示从初始位置到目标位置的叶片构型位移,两个初始位置在参考分布中径向相对,两个终点位置在所获得的邻域分布中径向相对。
该邻域分布可以在当前迭代期间选择性地生成,邻域分布的数量低于参考分布的第一邻域分布的总数量。
该方法可以包括基于分布叶片构型中包含的相同类型的平衡参数测量值以及基于与分布中的叶片构型相关联的位置为参考分布和每个邻域分布计算至少一个不平衡量,成本函数取决于该不平衡量。
平衡参数测量值例如是以下类型中的至少一个:叶片桨距角、叶片的轴向力矩、叶片的径向力矩和叶片的切向力矩。
还提出了一种从叶片和盘制造用于涡轮机的叶轮的方法,该方法包括以下步骤:实施先前的模拟方法,并根据由模拟方法选择的叶轮分布将叶片组装在盘上。
进一步提出了一种包括程序代码指令的计算机程序产品,当该程序由计算单元执行时,该计算机程序产品执行前述的模拟方法的步骤。
附图说明
本发明的其他特征、目的和优点通过以下的说明将变得清晰,该说明仅用作说明目的而非限制性的,并且应当根据附图来阅读该说明,在附图中:
图1示出了用于涡轮机的叶轮。
图2a、图2b和图2c提供了涡轮机叶片上一些可测量参数的细节。
图3示意性地示出了根据本发明的一个实施例的叶片分布设备。
图4是根据本发明的一个实施例的叶片分布方法的步骤的逻辑图。
图5是对图4所示的步骤进行详细说明的逻辑图。
图6示意性地示出了在根据本发明的一个实施例的叶片分布方法期间生成的参考分布的叶轮分布以及该参考分布的邻域分布。
图7示出了根据本发明的一个实施例的成本函数。
在所有附图中,相似的元件具有相同的附图标记。
具体实施方式
参考图1,用于涡轮机的叶轮包括盘D和多个叶片P,该多个叶片P围绕盘的轴线分布在盘上。
图2a、图2b、图2c已经示出了旨在组装在盘D上的叶片P。
叶片P特别地具有以下固有特性:轴向力矩A、切向力矩T、径向力矩R。叶片P还具有桨距角。
参考图2a,桨距角α可以描述为叶片P的弦与盘的旋转轴线Ux(下文中也称为“电动机轴线”)之间的角度。
参考图2b和图2c,叶片P具有重心G。静态力矩是叶片P的质量与叶片P的重心G在直角坐标系(O,Ux,Uy,Uz)中采取的其中一个坐标(Dxcdg,Dycdg,Dzcdg)的乘积,其中Ux是发动机轴线,O是坐标系在发动机轴线上的中心。
对于径向力矩R,与叶片质量相乘的坐标是叶片的重心在轴线Uz上采取的坐标。
对于轴向力矩A,与叶片质量相乘的坐标是叶片的重心在轴线Ux上采取的坐标。
对于切向力矩T,与叶片质量相乘的坐标是叶片的重心在轴线Uy上采取的坐标。
参考图3,用于将多个叶片P分布在盘D上以形成涡轮机叶轮的设备1包括存储器2、计算单元4、缓冲存储器6和人机界面8。
存储器2被配置成存储数据库,该数据库包含表示叶片(以非限制性方式,例如冷却状态下的力矩和桨距、叶片质量、叶片桨距角、叶片高度)和这些叶片在盘D上的位置的数据。
计算单元4被配置成基于存储在存储器2中的数据来实现禁忌类型搜索算法,这将在下文中详述。计算单元4具有对存储器2的读取和写入访问。
缓冲存储器6也可由计算单元4读取和写入。该缓冲存储器6被配置成存储由计算单元4计算的临时数据。替代地,存储器2和存储器6形成同一个存储器。
人机界面8包括例如显示屏以及输入装置,诸如可由操作者进行操作的键盘。人机界面8为该操作者提供了修改由计算单元4实现的算法执行参数的可能性。
现在将结合图4描述使用设备1的分布模拟方法的步骤。
认为已经预先制造了n个单独的叶片P以及盘D,该盘D包括用于使叶片围绕该盘的轴线分布的n个自由位置。
在预备步骤100中,在n个叶片中的每个叶片上执行一次或多次平衡参数测量。在该序列中,平衡参数被认为是表征单独叶片的物理量。
借助于本领域技术人员已知的测量方法(例如使用标尺),可以认为平衡参数测量是以下测量类型中的至少一个:桨距角测量、轴向力矩测量、切向力矩测量、径向力矩测量。
在存储步骤102期间将测量值存储在存储器2的数据库中。
例如以具有若干表项的表格的形式组织数据库,每个表项与所考虑的n个叶片中的一个叶片相关。每个表项包括在同一叶片上执行的一次或多次测量,由这些测量值形成的组合以序列的形式称为“叶片构型”。除了这些测量值,表项还可以包括唯一的叶片标识符和/或序列号。
在上面的表格中,行代表数据库的各个表项。表格的列从左到右包含:识别叶片的唯一序列号SN、在叶片上测量的桨距角值(相对于参考角)、在叶片上测量的径向力矩值、在叶片上测量的轴向力矩值、在叶片上测量的切向力矩值以及指示叶片是否应该位于施加或静止位置的信息、或者该叶片可以相反地被自由放置在n个预定位置中的任何位置处的信息。
在步骤100期间也可以在数据库中启动n条位置信息,每条信息为相应叶片定义了围绕盘D的轴线的位置。在该序列中,这些位置信息将简称为“叶片位置”,甚至仅称为“位置”。
叶片位置可以表示为在相对于叶轮的参考系中从1到n变化的角度或指数i。在该序列中,将认为位置是指数,从该指数可以确定叶轮的参考系中的相应角度。
在方法的该阶段,n个叶片位置与n个叶片构型尚未相关联。
在搜索和选择步骤106中,计算单元4在叶轮上生成多个叶片分布,并且搜索和选择这些叶轮分布中优化预定成本函数的一个叶片分布。该成本函数表示平衡标准并且取决于所考虑的平衡参数。
将叶轮分布定义为关联的n-uplet,每个关联将n个叶片构型中的一个叶片构型与n个叶片位置中的一个叶片位置相关联。因此,在步骤106期间理论上可以生成(n–1)!/2个不同的叶片分布。如将看到的,在搜索期间使用的禁忌类型算法确保减少在整个搜索中测试的叶片分布的数量。
在组装步骤108中,基于在先前搜索和选择步骤106期间由设备1选择的分布,将n个单独的叶片组装在盘D上的n个位置处。
借助于禁忌类型算法进行搜索和选择
现在,将结合图5详述用于组装的叶片分布的搜索和选择步骤106。
作为预备步骤,在缓冲存储器6中分配两个列表:候选列表和称为“禁忌”的列表。
搜索是借助于禁忌类型算法实现的,该禁忌类型算法包括连续迭代。
当前迭代包括以下子步骤。
计算单元确定参考叶轮分布。
在第一次迭代的特定情况下,参考分布可以例如被随机生成并且存储在缓冲存储器6和/或存储器2数据库中。替代地,第一参考分布由操作者在预备步骤104期间通过人机界面8进行定义。
在除第一次迭代之外的每次迭代中,在前一次迭代期间生成参考分布。
基于若干预定相似性标准,计算单元4基于参考分布生成参考分布的若干邻域分布,每个邻域分布与其中一个预定相似性标准相关。
换句话说,如果在该生成步骤期间使用q个不同的相似性标准,则生成根据不同相似性标准进行定义的至少q个邻域。
每个预定相似性标准对应于两个分布之间的排列双射数学函数(换位组合)。换句话说,遵循预定相似性标准的分布是根据该标准的邻域分布。
对于每个所使用的相似性标准,存在满足可能生成的该相似性标准的邻域分布的总数量。然而,为了限制方法的设计负荷,仅根据给定的相似性标准生成可能的邻域分布的一部分,该邻域分布的选择是随机的。
在转储该候选列表之后,缓冲存储器6将邻域分布添加到候选列表中。
计算单元4通过将成本函数应用于包含在邻域构型的平衡参数测量值来对每个邻域构型的成本进行计算。
更具体地,计算单元4为每个邻域分布计算至少一个不平衡量,该至少一个不平衡量与一个或多个类型的平衡参数测量值相关。成本函数应用于每个邻域分布的不平衡量。
不平衡量对应于整个盘的重心的偏心。通过每个叶片P的所有力矩的向量和来计算该重心。
然后,计算单元4继续从候选列表中选择最佳地优化成本函数的一个分布(即,在邻域分布中提供最佳平衡的分布)。根据所考虑的函数的类型,所选择的分布将是具有最小或最大成本的分布。
因此,所选择的邻域分布被认为是新的参考分布。
缓冲存储器6将所生成的邻域分布进一步存储在“禁忌”列表中。
然后,基于该新的参考分布以及在后续的迭代中的参考分布等,在下一次迭代中重复这些步骤,每次新的迭代都考虑新的参考分布。
当满足预定退出标准(例如通过参考分布获得成本函数值)时和/或当达到多次迭代时,算法结束。
在这两种情况下,所选择的最佳分布是由所实施的禁忌类型算法考虑的最后一个参考分布。
所使用的禁忌类型算法的特殊性在于,在除了第一次迭代之外的每次迭代期间,确保在前一次迭代期间参与过至少一次选择的叶轮分布不会在下一次迭代期间作为邻域分布被处理。
在邻域分布的生成步骤之后,可以通过对“禁忌”列表的内容(在紧接前一次迭代期间更新)与候选列表的内容之间进行比较,以在当前迭代中实现该排除原理。因此,在两个列表中查找到的每个分布都被从候选列表中删除。
为了限制禁忌列表消耗的内存,可以将排除限制在紧接前一次迭代期间生成的唯一邻域。
替代地,排除可以侧重于在当前迭代之前的K次迭代期间处理的邻域分布上。该替代方案允许更快速地探索可能的叶轮分布空间。
这种排除操作可以进一步导致函数值的增加(在最小化问题中):当所有邻域分布的成本高于参考分布的成本时就是这种情况,从而形成局部最小值。
然而,存在这样的风险:在下一个步骤中,一个成本回落到一个成本已经逸出的局部最小值。这就是启发式需要记忆的原因:机制包括禁止(由此命名为禁忌)返回到已经探索了的最后位置。
禁忌列表的大小可以是算法执行参数,该算法执行参数易于由操作者经由人机界面8进行更改。
生成邻域分布
在一个实施例中,四个相似性标准用于确定/生成邻域分布。
根据第一相似性标准进行定义的邻域分布是在交换与参考分布中的两个叶片构型相关联的位置之后获得的叶轮分布。
图6示出了根据该第一相似性标准生成的参考分布REF和邻域分布V1的一个示例。交换分布REF的位置2和位置3以获得分布V1。
根据第二相似性标准进行定义的邻域分布是在与参考分布中的两个叶片构型相关联的两个位置交换之后获得的叶轮分布。例如独立地将两对位置进行交换。
此外,作为两个交换中的一个交换的一部分进行交换的其中一个位置与作为两个交换中的另一个交换的一部分进行交换的其中一个位置可以径向相对。举例来说,对于数量等于18的叶片,将分布REF的位置2和位置3进行交换,同样地将位置12和位置11进行交换,以获得分布V2。
遵循第二标准的最大允许交换次数可以增加到高于2的值。
定义交换的位置可以是相邻的(应用第一标准或第二标准)。
根据第三相似性标准进行定义的邻域分布是叶轮分布,该叶轮分布是由叶片构型的循环排列而产生的,该叶片构型的循环排列应用于叶片构型的与参考分布中围绕盘的连续位置相关联的子组件。
这种排列实际上表示根据参考分布定义的叶轮的叶片从第一位置到第二位置的位移,以及叶片在第一位置与第二位置之间的移位。
举例来说,图6所示的分布V3是通过应用于参考构型REF的集合[2,…13]的循环排列而获得的。这种循环排列表示实际上位于位置13的叶片到位置2的位移。
根据第四相似性标准的邻域分布是由符合第三标准的两个循环排列所产生的叶轮分布。
所应用的两个循环排列中的每一个循环排列表示从初始位置到目标位置的叶片构型位移,该叶片构型可以设置为:两个初始位置在参考分布中径向相对,并且两个终点位置在所获得的邻域分布中径向相对。
举例来说,图6所示的分布V4是根据第四标准获得的。
为满足第四标准而允许的最大循环排列的数量可以增加到高于2的值。
在生成邻域的步骤期间,使用四个上述标准中的若干个来生成参考分布的至少一个邻域分布。换句话说,如果使用四个标准,则在同一次迭代期间生成最少四个邻域分布。
上面详细描述的四个不同的相似性标准定义了参考分布的不同邻域。
在成本函数取决于若干类型的平衡参数的情况下,使用不同的相似性标准(并因此为参考分布定义不同的邻域)的事实是有利的。
事实上,使用唯一的相似性标准进行定义的单个邻域的使用可能导致从第一类型的平衡参数的角度来看选择相对平衡的分布,而从另一类型的平衡参数的角度来看选择相对不平衡的分布。
因此,使用这些不同的标准的事实能够根据不同的可能策略对可能的分布空间进行探索。
算法可以在叶片分布必须符合的预定约束下实现。
已经提到了一个叶片或另一个叶片的静止或被阻挡性质构成约束的一个示例。
此外,可以选择以下低于分布中的预定阈值的约束参数中的至少一个约束参数:
·残余“径向”不平衡量:轮上的径向力矩的合成;
·残余“径向+切向”不平衡量:轮上的径向力矩和切向力矩的合成;
·残余“由在轴承1的平面中的轴向扭矩产生的径向”不平衡量:由在轮上的轴承1的平面中的轴向扭矩产生的径向分量的合成;
·残余“径向+切向+由在轴承1的平面中的轴向扭矩产生的径向”不平衡量:径向力矩、切向力矩以及与整个轮上的轴向扭矩相关联的径向力矩的合成;
·面对面的叶片的径向力矩的最大差值:在轮上得到的2个面对叶片之间的最大力矩偏差;
·面对面的叶片的轴向力矩的最大差值:在轮上得到的2个面对叶片之间的最大力矩偏差;
·面对面的叶片的切向力矩的最大差值:在轮上得到的2个面对叶片之间的最大力矩偏差;
·残余“桨距”不平衡量:通过将轮的叶片的桨距同化至径向向量来计算轮上的桨距的径向合成(在特定的切割深度下测量的桨距);
·叶片到叶片的桨距的最大差值:在整个轮上的2个连续叶片之间得到的最大桨距偏差(在特定的切割深度下测量的桨距)。
最后,可以研究四个约束族:
·不平衡量:在每个轮的位置上,叶片特征(角度、力矩、质量等)由向量来表示。该不平衡量是由增加与一个或多个叶片特征相关联的所有向量而引起的位移长度。
·面对叶片的特征的差值:在一些轮构型中,存在一个面对每个叶片的叶片。在本文中,一对叶片应指定为面向彼此安装的2个叶片。在双叶片上施加约束包括观察成对叶片的特征的差值。
·相邻叶片的特征的差值:叶片与其最近邻域的特征的最大差异是感兴趣的量。
·阻挡位置:优化算法不会对具有不在其位置上的被阻挡叶片的轮进行测试。
例如,根据第三标准,使叶片“发生位移”导致许多叶片在参考构型中从其初始位置发生位移,从而破坏参考构型中的初始叶片配对。因此,这与具有固定叶片(也就是说,不能发生位移的叶片)的约束不兼容,或者在较小程度上与轮上径向相对的叶片对的约束不兼容。如果一定数量的叶片失去了其初始位置(通常被一个空间所替代),叶片相对于其邻域的位置几乎不会被修改,因此该邻域改进了“相邻差值”类型的标准。
下面的表格根据所寻求的平衡标准总结了不同邻域的优点和缺点。
选择“最佳”邻域分布
基于包含在n个叶片构型中的每一个叶片构型中的相同类型的平衡参数测量值(例如,n个桨距角),并且基于与邻域分布的n个叶片构型相关联的n个位置,对给定的邻域构型的不平衡量进行计算。
例如,可以将与桨距角相关的邻域构型的不平衡量计算为n个基本向量的总和,借助于桨距角测量值来对从1到n的指数i的每个基本向量进行定义,并且将该每个基本向量设置在指数i的叶片构型和指数位置j中。计算得到的向量和相对于盘D的虚拟轴线的取向表示从桨距角的角度来看的邻域构型的平衡程度。与该轴线共线的向量和代表完全平衡的轮。
可以以相同的方式对与力矩(切向、轴向或径向)相关的不平衡量进行计算。
当叶片构型包括多于一个类型的平衡参数时,可以为每个邻域分布计算若干不平衡量,每个不平衡量与一个类型的平衡参数相关。例如,可以为每个邻域分布计算与桨距角相关的不平衡量、与轴向力矩相关的不平衡量、与切向力矩相关的不平衡量等。
也可以计算代表平衡参数测量值的组合的其他更复杂的不平衡量。
成本函数
在一个实施例中,成本函数取决于以下预定值:
·C_ba:轴向不平衡量参考值
·C_br:径向不平衡量参考值
·C_bt:切向不平衡量参考值
·C_brt:径向+切向不平衡量参考值
·C_brta:径向+切向+轴向不平衡量参考值
·C_bang:角度不平衡量参考值
·C_adjacent_ang:相邻角度偏差参考值
·C_paire_a:轴向力矩对标准参考值
·C_paire_t:切向力矩对标准参考值
·C_paire_r:径向力矩对标准参考值
·C_paire_ang:桨距角对标准参考值
这些值由专家根据所寻求的振动和声学阈值来确定。
成本函数进一步取决于以下参数:
·BA(轮):为叶轮分布轮计算的轴向不平衡量
·BR(轮):为叶轮分布轮计算的径向不平衡量
·BT(轮):为叶轮分布轮计算的切向不平衡量
·BRT(轮):为叶轮分布轮计算的径向+切向不平衡量
·BRTA(轮):为叶轮分布轮计算的轴向+切向+径向不平衡量
·BAng(轮):为叶轮分布轮计算的角度不平衡量
·Dadja_Ang(轮):分布轮中查找到的相邻桨距角的最大偏差。
使用以下称为“间隙(éloignements)”的术语来构建成本函数:
·E_ba(轮)=最大(1,BA(轮)/C_ba)
·E_br(轮)=最大(1,BR(轮)/C_br)
·E_bt(轮)=最大(1,BT(轮)/C_bt)
·E_brt(轮)=最大(1,BRT(轮)/C_brt)
·E_brta(轮)=最大(1,BRTA(轮)/C_brta)
·E_bang(轮)=最大(1,Bang(轮)/C_bang)
·E_delta_ang(轮)=最大(1,Dadja_Ang(轮)/C_adjacent_ang)
这些间隙具有图7所示的形式。应当理解的是,x轴的每个参考都定义了一个平衡标准。无论所考虑的间隙如何,当轮遵循相关联的标准时,间隙都会在1处停滞。该下界或阈值处理的要点在于,只要达到一个标准,算法就侧重在其他标准上。
成本函数还取决于另一个参数Nb_paire(轮),称为“径向和切向的对差值数切向力矩偏离标准”,并且该参数Nb_paire(轮)定义如下:
其中:
·1{}是指标函数,
·M_Ri是指数i的叶片径向力矩
·M_Ti是指数i的叶片切向力矩
·M_Ai是指数i的叶片轴向力矩
·Angi是指数i的叶片桨距角
·n是叶片的数量。
成本函数还借助于与配对标准(C_paire_xxx,其中xxx代表感兴趣的变量)相关的间隙来构建,该成本函数的形式如下:
E_paire=2Nb_paire(轮)
因此,可以将轮上的成本函数定义如下:
间隙(轮)=E_ba(轮)×E_br(轮)×E_bt(轮)×E_brt(轮)×E_brta(轮)
×E_bang(轮)×E_delta_ang(轮)×E_paire(轮)
或者,可替代地:
间隙(轮)=最大(E_ba(轮);E_br(轮);E_bt(轮);E_brt(轮);E_brta(轮)
×E_bang(轮))×E_delta_ang(轮)×E_paire(轮)
满足每个标准族的指标防止“淹没”难以被表示出来的族。
在特定实施例中,仅有使用径向力矩的参考被使用。在另一实施例中,仅有使用力矩的参考被使用。更一般地,根据用于参考C_b*和C_p*的值,特别是可以将重点放在一个或多个标准上。可以在计算机程序产品中对分布方法进行编码,该计算机程序产品包括在该程序由计算单元4执行时用于执行其步骤的程序代码指令。
综上所述,该分布方法包括在可能的空间中使用“随机游动”类型的搜索算法(在此是禁忌算法,然而,使用随机梯度或遗传算法也是可能的)。因此,必须设想与在搜索的任何时刻达到的不同目标兼容的若干基本位移。还必须设想一个成本函数(到目标的距离)以通过在达到目标时引入阈值处理来促进达到所有目标。
Claims (11)
1.一种用于模拟涡轮机盘(D)上的叶片(P)分布的方法,所述方法包括由计算机实施的以下步骤:
·提供多个叶片构型,每个叶片构型与叶片相关联并且包括至少一个在相关联的叶片(P)上测量的平衡参数测量值(R,T,A),
·搜索和选择(106)叶轮分布,所述叶轮分布将所提供的所述叶片构型与盘位置相关联,所述叶轮分布促进达到根据预定成本函数定义的至少一个标准,所述预定成本函数取决于所述平衡参数测量值,其中,所述搜索和选择步骤通过连续迭代执行,所述方法的特征在于,所述搜索和选择步骤的当前迭代包括:
o基于参考分布(REF)生成多个邻域分布(V1,V2,V3,V4),所述多个邻域分布包括至少一个第一邻域分布以及至少一个第二分布,所述至少一个第一邻域分布根据促进达到与所述参考分布(REF)相似的第一组预定相似性标准的策略而生成,所述至少一个第二分布根据促进达到与所述参考分布相似的第二组预定相似性标准的另一策略而生成,
o在所述多个邻域分布中选择一个促进优化所述成本函数的邻域分布作为新的参考分布,
其中,所述成本函数取决于多个不平衡量,每个不平衡量与相应类型的平衡参数测量值相关,并且其中,至少一个不平衡量是通过应用所述成本函数来进行阈值处理的对象。
2.根据权利要求1所述的方法,其中,所述搜索和选择借助于禁忌类型算法来执行,并且其中,在前一次迭代期间参与了至少一次选择的至少一个叶轮分布在当前迭代期间不作为邻域分布进行处理。
3.根据前述权利要求中任一项所述的方法,其中,至少一个邻域分布(V1,V2)由所述参考分布(REF)的叶片构型之间的一个或两个叶片位置交换而产生。
4.根据权利要求3所述的方法,其中,作为两个交换中的一个交换的一部分进行交换的其中一个位置与作为两个交换中的另一个交换的一部分进行交换的其中一个位置径向相对。
5.根据前述权利要求中任一项所述的方法,其中,至少一个邻域分布(V3,V4)由所述叶片构型的应用于所述参考分布的一个或两个循环排列而产生,在所述叶片构型的子组件上进行每个循环排列的操作,所述叶片构型与所述参考分布中围绕盘的连续位置相关联。
6.根据权利要求5所述的方法,其中,所应用的所述两个循环排列中的每一个循环排列表示从初始位置到目标位置的叶片构型位移,两个初始位置在所述参考分布中径向相对,两个终点位置在所获得的所述邻域分布中径向相对。
7.根据前述权利要求中任一项所述的方法,其中,所述邻域分布可以在当前迭代期间选择性地生成,所述邻域分布的数量低于所述参考分布的第一邻域的总数量。
8.根据前述权利要求中任一项所述的方法,所述方法包括:基于分布叶片构型中包含的相同类型的平衡参数测量值以及基于与分布中的叶片构型相关联的位置为所述参考分布和每个邻域分布计算至少一个不平衡量,所述成本函数取决于所述不平衡量。
9.根据前述权利要求中任一项所述的方法,其中,所述平衡参数测量值是以下类型中的至少一个:叶片桨距角、叶片的轴向力矩、叶片的径向力矩和叶片的切向力矩。
10.一种从叶片和盘制造用于涡轮机的叶轮的方法,所述方法包括以下步骤:
·实施根据前述权利要求所述的模拟方法,和
·基于由所述模拟方法选择的叶轮分布将叶片组装在所述盘上。
11.一种包括程序代码指令的计算机程序产品,当所述程序由计算单元(4)执行时,所述计算机程序产品执行根据权利要求1至9中任一项所述的模拟方法的步骤。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FR1662048A FR3059799B1 (fr) | 2016-12-07 | 2016-12-07 | Procede de simulation de repartition d'aubes sur un disque de turbomachine |
FR1662048 | 2016-12-07 | ||
PCT/FR2017/053450 WO2018104678A1 (fr) | 2016-12-07 | 2017-12-07 | Procédé de simulation de répartition d'aubes sur un disque de turbomachine |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110114770A true CN110114770A (zh) | 2019-08-09 |
CN110114770B CN110114770B (zh) | 2023-06-30 |
Family
ID=59253551
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780080916.4A Active CN110114770B (zh) | 2016-12-07 | 2017-12-07 | 用于模拟涡轮机盘上叶片分布的方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US11263367B2 (zh) |
EP (1) | EP3552123A1 (zh) |
CN (1) | CN110114770B (zh) |
FR (1) | FR3059799B1 (zh) |
WO (1) | WO2018104678A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113778039A (zh) * | 2021-11-11 | 2021-12-10 | 中国航发沈阳黎明航空发动机有限责任公司 | 一种基于特征的整体叶盘加工参数优化及质量控制方法 |
CN113821882A (zh) * | 2020-06-19 | 2021-12-21 | 中国航发商用航空发动机有限责任公司 | 基于三轴力矩的风扇叶片单目标优化排序方法 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR3059100B1 (fr) * | 2016-11-24 | 2019-07-26 | Safran Aircraft Engines | Dispositif de simulation de l'acceleration centrifuge appliquee a au moins une aube de rotor d'une turbomachine aeronautique |
CN115796022B (zh) * | 2022-11-23 | 2023-12-26 | 西安交通大学 | 航空发动机单级叶片选型优化方法、系统、设备及介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1302356A (zh) * | 1998-05-27 | 2001-07-04 | 株式会社荏原制作所 | 涡轮机叶轮 |
CN104564166A (zh) * | 2013-10-24 | 2015-04-29 | 霍尼韦尔国际公司 | 具有弯曲的前边缘的轴向涡轮机叶轮 |
CN105626373A (zh) * | 2016-03-04 | 2016-06-01 | 云南电网有限责任公司电力科学研究院 | 一种风力机涡轮旋转叶片 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6109871A (en) * | 1997-03-31 | 2000-08-29 | Horton, Inc. | Integrated fan assembly with variable pitch blades |
US7287958B2 (en) * | 2005-01-10 | 2007-10-30 | General Electric Company | Methods and apparatus for assembling rotatable machines |
FR3037168A1 (fr) * | 2015-06-08 | 2016-12-09 | Snecma | Procede de simulation de repartition d'aubes sur un disque de turbomachine |
-
2016
- 2016-12-07 FR FR1662048A patent/FR3059799B1/fr active Active
-
2017
- 2017-12-07 EP EP17817001.5A patent/EP3552123A1/fr active Pending
- 2017-12-07 US US16/467,366 patent/US11263367B2/en active Active
- 2017-12-07 CN CN201780080916.4A patent/CN110114770B/zh active Active
- 2017-12-07 WO PCT/FR2017/053450 patent/WO2018104678A1/fr unknown
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1302356A (zh) * | 1998-05-27 | 2001-07-04 | 株式会社荏原制作所 | 涡轮机叶轮 |
CN104564166A (zh) * | 2013-10-24 | 2015-04-29 | 霍尼韦尔国际公司 | 具有弯曲的前边缘的轴向涡轮机叶轮 |
CN105626373A (zh) * | 2016-03-04 | 2016-06-01 | 云南电网有限责任公司电力科学研究院 | 一种风力机涡轮旋转叶片 |
Non-Patent Citations (2)
Title |
---|
ANDREW MASON: "《Solution methods for the balancing of jet turbines》", 《COMPUTERS AND OPERATIONS RESEARCH》 * |
E.TAILLARD: "《Robust taboo search for the quadratic assignment problem》", 《PARALLEL COMPUTING》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113821882A (zh) * | 2020-06-19 | 2021-12-21 | 中国航发商用航空发动机有限责任公司 | 基于三轴力矩的风扇叶片单目标优化排序方法 |
CN113778039A (zh) * | 2021-11-11 | 2021-12-10 | 中国航发沈阳黎明航空发动机有限责任公司 | 一种基于特征的整体叶盘加工参数优化及质量控制方法 |
CN113778039B (zh) * | 2021-11-11 | 2022-02-18 | 中国航发沈阳黎明航空发动机有限责任公司 | 一种基于特征的整体叶盘加工参数优化及质量控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110114770B (zh) | 2023-06-30 |
FR3059799B1 (fr) | 2022-06-10 |
US20190332742A1 (en) | 2019-10-31 |
EP3552123A1 (fr) | 2019-10-16 |
US11263367B2 (en) | 2022-03-01 |
WO2018104678A1 (fr) | 2018-06-14 |
FR3059799A1 (fr) | 2018-06-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110114770A (zh) | 用于模拟涡轮机盘上叶片分布的方法 | |
Leimeister et al. | Fast alignment-free sequence comparison using spaced-word frequencies | |
Fan et al. | Differential evolution algorithm with strategy adaptation and knowledge-based control parameters | |
Hildebrand et al. | Fast and accurate automatic structure prediction with HHpred | |
Kolbe et al. | Fast filtering for RNA homology search | |
JP4956455B2 (ja) | 情報管理装置、プログラム及び情報管理方法。 | |
Yen et al. | Two-stage Monte Carlo tree search for Connect6 | |
CN111354464B (zh) | Cad预测模型建立方法、装置以及电子设备 | |
JP5116719B2 (ja) | マッチング成功度算出装置及び方法 | |
Mohan et al. | Structural optimization of rotating disk using response surface equation and genetic algorithm | |
Sawczuk et al. | Development of an expected possession value model to analyse team attacking performances in rugby league | |
CN109918595B (zh) | 获取公共模块的方法和装置 | |
JP5928446B2 (ja) | 情報検索システム、情報検索方法および情報検索プログラム | |
Wang | SQP algorithms in balancing rotating machinery | |
Tripathi et al. | TemPred: A novel protein template search engine to improve protein structure prediction | |
Collins et al. | Searching for ncRNAs in eukaryotic genomes: Maximizing biological input with RNAmotif | |
JP6025796B2 (ja) | 行動予測装置、行動予測方法及びプログラム | |
WO2019027457A1 (en) | GENETIC ALGORITHMS IN BLOCK CHAIN SPACE | |
Lampart et al. | Increasing flow efficiency of high-pressure and low-pressure steam turbine stages from numerical optimization of 3D blading | |
JP7175148B2 (ja) | 判定装置及び判定方法 | |
Yang et al. | Building connect6 Opening by using the Monte Carlo tree search | |
Simab et al. | A new method for power system contingency ranking using combination of neural network and data envelopment analysis | |
Fletcher | Recursion formula for electron repulsion integrals over Hermite polynomials | |
Gonzalez‐García et al. | Efficient homology‐based annotation of transposable elements using minimizers | |
Li et al. | Optimizing spaced $ k $-mer neighbors for efficient filtration in protein similarity search |
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 |