CN111734674B - 一种基于遗传算法的离心泵多工况节能优化方法 - Google Patents

一种基于遗传算法的离心泵多工况节能优化方法 Download PDF

Info

Publication number
CN111734674B
CN111734674B CN202010340032.1A CN202010340032A CN111734674B CN 111734674 B CN111734674 B CN 111734674B CN 202010340032 A CN202010340032 A CN 202010340032A CN 111734674 B CN111734674 B CN 111734674B
Authority
CN
China
Prior art keywords
genetic algorithm
centrifugal pump
method based
condition
energy
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
Application number
CN202010340032.1A
Other languages
English (en)
Other versions
CN111734674A (zh
Inventor
王凡
芦洪钟
刘亮亮
靳雪松
杨维朔
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Kaiquan Pump Group Co Ltd
Original Assignee
Shanghai Kaiquan Pump Group Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Kaiquan Pump Group Co Ltd filed Critical Shanghai Kaiquan Pump Group Co Ltd
Priority to CN202010340032.1A priority Critical patent/CN111734674B/zh
Publication of CN111734674A publication Critical patent/CN111734674A/zh
Application granted granted Critical
Publication of CN111734674B publication Critical patent/CN111734674B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • F04D29/18—Rotors
    • F04D29/22—Rotors specially for centrifugal pumps
    • F04D29/24—Vanes
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
    • F04D—NON-POSITIVE-DISPLACEMENT PUMPS
    • F04D15/00—Control, e.g. regulation, of pumps, pumping installations or systems
    • F04D15/0088—Testing machines
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • 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
    • Y02P80/00—Climate change mitigation technologies for sector-wide applications
    • Y02P80/10—Efficient use of energy, e.g. using compressed air or pressurized fluid as energy carrier

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • General Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Structures Of Non-Positive Displacement Pumps (AREA)
  • Control Of Non-Positive-Displacement Pumps (AREA)

Abstract

本发明涉及一种基于遗传算法的离心泵多工况节能优化方法；该方法为人工智能技术落地于离心泵节能优化做了专项适配，该方法稳定性好，计算效率高。该方法的主要步骤为：1.建立叶轮的几何参数系统。2.按照经验确定参数的变化范围，形成设计空间。3.按照叶片数变量，将总设计空间分开成为若干个互相独立的设计子空间。4.检查几何参数范围的合理性。5.建立基于轴功率的适应度评价方法。6.采用遗传算法进行寻优，直到收敛。7.保留若干较优方案，随机保留若干被淘汰方案，开始下一轮遗传算法寻优。8.在每一个独立子空间中，重复步骤4‑7的操作。9.若得到满意结果，则结束，否则进入步骤2并修改参数变化范围。

Description

一种基于遗传算法的离心泵多工况节能优化方法
技术领域
本发明涉及一种离心泵多工况节能优化方法，具体涉及一种为人工智能技术落地于离心泵节能优化做了专项适配，该方法稳定性好，计算效率高的基于遗传算法的离心泵多工况节能优化方法。
背景技术
水泵是一种叶轮机械，是农业、工业中广泛应用的动力设备。但相对来说，我国水泵的技术发展在叶轮机械中较为落后。还存在着许多问题，尤其是在能效方面。
也正因为如此，节能减排在水泵制造、泵站改造领域有着重要的意义和巨大的潜力。但现阶段传统理论和设计方法对工程师经验的依赖性较高，优化设计的结果存在一定的局限性和偶然性。而优化算法和人工智能技术则在与工业技术的适配方面存在诸多问题。
所以，迫切的需要一种针对性强、可行性高、具有一定通用性的离心泵多工况节能优化方法。
发明内容
针对上述问题，本发明的主要目的在于提供一种为人工智能技术落地于离心泵节能优化做了专项适配，该方法稳定性好，计算效率高的基于遗传算法的离心泵多工况节能优化方法。
本发明是通过下述技术方案来解决上述技术问题的：一种基于遗传算法的离心泵多工况节能优化方法；所述基于遗传算法的离心泵多工况节能优化方法包括以下步骤：
步骤1：建立叶轮的几何参数系统；
步骤2：按照工程师经验确定几何要素中参数的变化范围，形成设计空间；
步骤3：按照叶片数量，将总设计空间分开成为若干个互相独立的设计子空间；
步骤4：在设计空间内，以均匀分布为原则，随机抽取若干组参数，检查几何参数范围的合理性；
步骤5：建立基于轴功率的适应度评价方法；
步骤6：采用遗传算法进行寻优，直到收敛；
步骤7：记收敛时为第N代，则设计结果保留第N、N-1、N-2代的若干较优方案；同时随机保留若干每一代被淘汰的方案；进行交叉、变异操作，以此为初代种群，开始下一轮遗传算法寻优；
步骤8：在每一个独立子空间中，重复步骤4-7的操作；
步骤9：若得到满意结果，则结束，否则进入步骤2并修改参数变化范围。
在本发明的具体实施例子中；所述步骤1中的参数系统描述的几何要素包括：叶片数量、子午面流道、叶片中弧线、叶片厚度。
在本发明的具体实施例子中；所述步骤4中，叶轮模型正确合理生成的比例应该在95％以上；若不满足，则转步骤2调整变化范围。
在本发明的具体实施例子中；所述步骤5中，建立基于轴功率的适应度评价方法，该方法具体为：以公式
Figure RE-GDA0002646012130000021
计算综合耗能值，其中ti为某一工况的运行时间，pi为该工况泵的轴功率；引入约束条件控制因子hi，当扬程不满足工况要求时，hi记为-1，此个体被永久淘汰；通过计算流体力学方法评估各工况的轴功率、扬程。
在本发明的具体实施例子中；所述步骤6中，收敛的条件是：(1)连续若干种群代数的适应度评价变化相对值小于0.1％；(2)适应度评价值达到预期的数值。
本发明的积极进步效果在于：本发明提供的基于遗传算法的离心泵多工况节能优化方法具有如下优点：本发明从实际出发提出了以多工况节能优化为导向的适应度评价方法。通过随机保留被淘汰方案以及多轮寻优过程来避免种群早熟。根据经验指定参数变化范围以及几何检查则避免了错误参数组合给寻优算法带来的误导，显著提升了稳定性和寻优效率。
附图说明
图1是本发明的结构示意图。
具体实施方式
下面结合附图给出本发明较佳实施例，以详细说明本发明的技术方案。
本发明涉及一种基于遗传算法的离心泵多工况节能优化方法，该方法包括以下步骤：
1.建立叶轮的几何参数系统。这个参数系统描述的几何要素包括：叶片数量、子午面流道、叶片中弧线、叶片厚度。分别记为：
Figure RE-GDA0002646012130000031
Figure RE-GDA0002646012130000032
和
Figure RE-GDA0002646012130000033
其中叶片数量参数是离散型变量，其他参数为连续性变量。
2.按照工程师经验确定几何要素中参数的变化范围，形成设计空间。
3.按照叶片数变量，将总设计空间分开成为若干个互相独立的设计子空间。
4.在设计空间内，以均匀分布为原则，随机抽取若干组参数，检查几何参数范围的合理性，叶轮模型正确合理生成的比例应该在95％以上。若不满足，则转步骤2调整变化范围。
5.建立基于轴功率的适应度评价方法：计算综合耗能值
Figure RE-GDA0002646012130000041
其中ti为某一工况的运行时间，pi为该工况泵的轴功率。引入约束条件控制因子hi，当扬程不满足工况要求时，hi记为-1，此个体被永久淘汰。通过计算流体力学方法评估各工况的轴功率、扬程等参数。
6.采用遗传算法进行寻优，直到收敛。收敛的条件可以是：(1)连续若干种群代数的适应度评价变化相对值小于0.1％；(2)适应度评价值达到预期的数值。
7.记收敛时为第N代，则设计结果保留第N、N-1、N-2代的若干较优方案。同时随机保留第N、N-1、N-2代的被淘汰的方案。进行交叉、变异操作，产生第N+1代种群。开始下一轮遗传算法寻优。
8.在每一个独立子空间中，重复步骤4-7的操作。
9.若得到满意结果，则结束，否则进入步骤2并修改参数变化范围。
下面介绍具体实施例以对本发明作进一步的详细说明。
实施例：一个离心泵叶轮的多目标优化案例。
这台离心泵的原始设计转速为1450rpm，设计扬程12.25m，设计流量0.222 m3/s，轴功率34.0kW。在实际使用过程中，水泵的使用时间主要集中在0.9倍到1.0倍流量工况。因此，本次优化选择这两个典型工况作为目标。
第一步，建立参数系统。叶片数量
Figure RE-GDA0002646012130000042
子午流道型线采用直线圆弧直线的几何拓扑结构，进口边采用直线的几何拓扑结构，这样子午流道的参数可以表示为轮毂直径、进口直径、出口直径、出口宽度、前盖板出口倾角、前盖板圆弧半径、后盖板出口倾角、后盖板圆弧半径、轴向长度等，进口边在前、后盖板的位置，记为
Figure RE-GDA0002646012130000043
叶片中弧线参数是进、出口安放角，包角，包角曲线参数等，记为
Figure RE-GDA0002646012130000051
叶片厚度的变化规律参数，记为
Figure RE-GDA0002646012130000052
第二步，按照工程师经验确定几何要素中参数的变化范围。以原叶轮的几何参数作为基准，叶片数量±1，长度尺寸按照±5％作范围，轮毂直径按照(0， +5％)作范围，轴向长度尺寸不作变化，进口安放角±20°，出口安放角±5°，包角±20°。包角曲线的控制点按照原比例分布。
第三步，设计空间划分为叶片数量5、6、7的三个设计子空间。
第四步，按照均匀分布，随机抽取1000个参数，最终模型正确生成的比例在97％以上。参数范围确定基本合理。
第五步，该水泵运行工况没有详细的时间统计值，按照运行人员提供的信息估算，运行的时间比例大约为T0.9Qd：T1.0Qd＝3:7，因此取t1＝0.3，t2＝0.7。扬程分别为12.55m和12.25m。
第六步，开始基于遗传算法的寻优计算，种群规模设置为40，最大代数设置为20，每个设计子空间启动两轮寻优计算。
第七步，遍历三个设计子空间，得到最优的设计方案。
下表为计算流体力学的分析结果比较优化前后的节能情况对比表。相比原型，优化后的离心泵，耗能降低了2.3％。
Figure RE-GDA0002646012130000053
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内，本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (3)

1.一种基于遗传算法的离心泵多工况节能优化方法；其特征在于：所述基于遗传算法的离心泵多工况节能优化方法包括以下步骤：
步骤1：建立叶轮的几何参数系统；
步骤2：按照工程师经验确定几何要素中参数的变化范围，形成设计空间；
步骤3：按照叶片数量，将总设计空间分开成为若干个互相独立的设计子空间；
步骤4：在设计空间内，以均匀分布为原则，随机抽取若干组参数，检查几何参数范围的合理性；
步骤5：建立基于轴功率的适应度评价方法；
步骤6：采用遗传算法进行寻优，直到收敛；
步骤7：记收敛时为第N代，则设计结果保留第N、N-1、N-2代的若干较优方案；同时随机保留若干每一代被淘汰的方案；进行交叉、变异操作，以此为初代种群，开始下一轮遗传算法寻优；
步骤8：在每一个独立子空间中，重复步骤4-7的操作；
步骤9：若得到满意结果，则结束，否则进入步骤2并修改参数变化范围；
所述步骤5中，建立基于轴功率的适应度评价方法，该方法具体为：以公式
Figure FDA0003252035140000011
计算综合耗能值，其中ti为某一工况的运行时间，pi为该工况泵的轴功率；引入约束条件控制因子hi，当扬程不满足工况要求时，hi记为-1，此个体被永久淘汰；通过计算流体力学方法评估各工况的轴功率、扬程；
所述步骤6中，收敛的条件是：(1)连续若干种群代数的适应度评价变化相对值小于0.1％；(2)适应度评价值达到预期的数值。
2.根据权利要求1所述的基于遗传算法的离心泵多工况节能优化方法，其特征在于：所述步骤1中的参数系统描述的几何要素包括：叶片数量、子午面流道、叶片中弧线、叶片厚度。
3.根据权利要求1所述的基于遗传算法的离心泵多工况节能优化方法，其特征在于：所述步骤4中，叶轮模型正确合理生成的比例应该在95％以上；若不满足，则转步骤2调整变化范围。
CN202010340032.1A 2020-04-26 2020-04-26 一种基于遗传算法的离心泵多工况节能优化方法 Active CN111734674B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010340032.1A CN111734674B (zh) 2020-04-26 2020-04-26 一种基于遗传算法的离心泵多工况节能优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010340032.1A CN111734674B (zh) 2020-04-26 2020-04-26 一种基于遗传算法的离心泵多工况节能优化方法

Publications (2)

Publication Number Publication Date
CN111734674A CN111734674A (zh) 2020-10-02
CN111734674B true CN111734674B (zh) 2021-11-16

Family

ID=72646890

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010340032.1A Active CN111734674B (zh) 2020-04-26 2020-04-26 一种基于遗传算法的离心泵多工况节能优化方法

Country Status (1)

Country Link
CN (1) CN111734674B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113221288A (zh) * 2021-05-28 2021-08-06 上海凯泉泵业（集团）有限公司 一种叶片泵轴面流线的设计方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7117120B2 (en) * 2002-09-27 2006-10-03 Unico, Inc. Control system for centrifugal pumps
CN101956710B (zh) * 2010-10-27 2012-05-23 江苏大学 一种基于损失的离心泵多工况水力优化方法
CN102251983B (zh) * 2011-07-20 2013-03-13 西安理工大学 一种抗空蚀离心泵叶轮优化设计方法
CN103646297A (zh) * 2013-12-02 2014-03-19 江苏大学 一种基于多目标遗传算法的双流道泵优化方法
GB201505400D0 (en) * 2015-03-30 2015-05-13 Rolls Royce Plc Multi coordinate reference system for positioning bladed drum
CN109145321B (zh) * 2017-06-18 2023-03-24 河南郑泵科技有限公司 一种基于多目标遗传算法的离心泵节能优化设计方法

Also Published As

Publication number Publication date
CN111734674A (zh) 2020-10-02

Similar Documents

Publication Publication Date Title
CN108153998B (zh) 离心鼓风机叶轮的全三维气动优化设计方法
CN108268742B (zh) 工业循环水泵叶轮二次优化节能改造方法
CN109598081B (zh) 基于数据降维及多二维流面的径流式透平气动优化方法
CN106874542A (zh) 一种液力透平叶轮多工况多目标优化设计方法
CN106650105A (zh) 一种混流泵叶轮的设计方法
CN110929357A (zh) 一种高性能舰船燃机压气机气动设计方法
CN106446324B (zh) 大型工业汽轮机末级扭叶片设计方法
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
CN111734674B (zh) 一种基于遗传算法的离心泵多工况节能优化方法
CN113361047B (zh) 面向多层感知结构的叶轮高维优化及选型方法
CN108446452B (zh) 一种混流泵叶轮鲁棒优化设计方法
CN107066686B (zh) 一种基于遗传算法的轴流泵叶轮水力优化设计方法
CN105736455B (zh) 提高初生空化性能的水泵叶片厚度设计方法、叶片、叶轮
CN110805568A (zh) 一种斜流风机板形后置导叶及其设计方法
CN109948233A (zh) 基于cfd的小焓降宽负荷叶片设计优化系统及方法
CN110245408B (zh) 一种汽轮机单圆弧压力面叶型设计方法
CN108664702B (zh) 提升多级离心凝结水泵设计点扬程的方法
CN110863861A (zh) 提高汽轮机通流效率的多级小焓降叶片气动设计方法
CN109472389B (zh) 一种中低比转速叶轮多工况智能优化方法
CN116595874A (zh) 叶轮机械性能预测模型参数优化方法及装置、存储介质
CN111079367B (zh) 适用于不同进水锥管的轴流泵辐条优化设计方法
CN114169218A (zh) 一种应用于罗茨式动力机的混合式优化方法
CN114021266A (zh) 一种物理模型试验适用的实验室尺度风力发电机叶片设计方法
CN108266234B (zh) 一种工业汽轮机高效转鼓级静叶片
CN217381007U (zh) 一种低压升轴流动调风机叶片

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