CN113591419A - 一种径流式透平机械一维设计评估及优化方法 - Google Patents

一种径流式透平机械一维设计评估及优化方法 Download PDF

Info

Publication number
CN113591419A
CN113591419A CN202110998592.0A CN202110998592A CN113591419A CN 113591419 A CN113591419 A CN 113591419A CN 202110998592 A CN202110998592 A CN 202110998592A CN 113591419 A CN113591419 A CN 113591419A
Authority
CN
China
Prior art keywords
loss
inlet
dimensional
verification
loss model
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
Application number
CN202110998592.0A
Other languages
English (en)
Other versions
CN113591419B (zh
Inventor
谢永慧
李金星
施东波
张荻
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.)
Xian Jiaotong University
Original Assignee
Xian Jiaotong University
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 Xian Jiaotong University filed Critical Xian Jiaotong University
Priority to CN202110998592.0A priority Critical patent/CN113591419B/zh
Publication of CN113591419A publication Critical patent/CN113591419A/zh
Application granted granted Critical
Publication of CN113591419B publication Critical patent/CN113591419B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
    • 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]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • 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
    • G06F2113/00—Details relating to the application field
    • G06F2113/08—Fluids
    • 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
    • G06F2119/08—Thermal analysis or thermal optimisation
    • 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
    • G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
    • 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
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Biophysics (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Evolutionary Biology (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Biomedical Technology (AREA)
  • Algebra (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computational Linguistics (AREA)
  • Genetics & Genomics (AREA)
  • Physiology (AREA)
  • Data Mining & Analysis (AREA)
  • Fluid Mechanics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Structures Of Non-Positive Displacement Pumps (AREA)

Abstract

本发明一种径流式透平机械一维设计评估及优化方法，包括：建立备选损失模型数据库，生成初始损失模型配置，根据任一初始损失模型进行一维计算获得验证透平机械几何参数；根据验证透平机械几何参数进行建模，随后针对验证透平机械进行变工况CFD计算，后处理获得透平机械真实性能数据，总结验证透平机械几何参数、变工况边界条件集及透平机械真实性能数据获得验证数据集；以初始损失模型配置作为初始化种群，根据验证数据集中的透平机械几何参数及变工况边界条件集进行一维计算，采用遗传算法对损失模型配置进行优化，获得最佳一维损失模型配置；根据获得的最佳一维损失模型配置进行透平机械设计。本发明能够快速、准确获得最佳损失模型配置。

Description

一种径流式透平机械一维设计评估及优化方法
技术领域
本发明属于能源动力领域，特别涉及一种径流式透平机械一维设计评估及优化方法。
背景技术
透平机械作为动力循环的核心部件，其性能将直接影响循环系统的功率及效率。径流式透平机械因其尺寸小、重量轻、结构简单、易于维护、价格低廉等特点，广泛应用于余热利用、有机工质等中小型动力循环中。
一维设计是透平机械设计的第一步，通过一维设计可以快速获得透平机械主要几何尺寸、预测透平机械热力参数及性能参数。一维设计的水平高低直接影响最终获得的透平机械性能及设计周期。损失预估是一维设计中最重要的一环，因其直接影响流动参数沿程变化情况。在长期的技术发展过程中，各国机构及科研工作者积累了许多经验数据及公式。然而，随着透平机械不断发展，新的应用场景及新的应用工质给透平机械的设计增加了新的考验，新颖的透平机械结构以及特殊工质物性、换热规律的特殊性使得传统经验数据及公式的适用性难以保证。尽管各国机构及科研工作者总结了大量的损失模型，目前关于一维设计中的损失模型的选取往往取决于设计者的经验，具有很大的盲目性。此外，一维设计对于变工况情况下透平机械性能参数的预测精度往往较差，往往需要基于物理模型的CFD(计算流体动力学)求解来获得透平机械的变工况性能，大大增加了新产品研发成本与耗时。
因此亟待提出一种径流式透平机械一维设计评估及优化方法，可以根据应用场景及应用工质选取最佳损失模型，使得一维设计能够快速、高效地设计性能优异的透平，同时准确预测透平机械性能及变工况参数。
发明内容
本发明的目的在于提供一种径流式透平机械一维设计评估及优化方法，以解决上述存在的技术问题。本发明总结现有各种损失模型建立损失模型数据库，根据应用场景及应用工质构建透平机械验证数据集，采用遗传算法对一维设计中的损失模型配置进行优化，能够快速、准确获得最佳损失模型配置，提高透平机械一维设计的准确性及变工况预测精度。
本发明采用以下技术方案来实现的：
一种径流式透平机械一维设计评估及优化方法，包含以下步骤：
步骤1：建立备选损失模型数据库，生成初始损失模型配置，针对当前应用场景及应用工质，根据任一初始损失模型进行一维计算获得验证透平机械几何参数；
步骤2：根据验证透平机械几何参数进行建模，随后针对验证透平机械进行变工况CFD计算，后处理获得透平机械真实性能数据，总结验证透平机械几何参数、变工况边界条件集及透平机械真实性能数据获得验证数据集；
步骤3：以初始损失模型配置作为初始化种群，根据验证数据集中的透平机械几何参数及变工况边界条件集进行一维计算，采用遗传算法对损失模型配置进行优化，获得最佳一维损失模型配置；
步骤4：根据获得的最佳一维损失模型配置进行透平机械设计。
本发明进一步的改进在于，步骤1具体包括：
首先总结现有的各项损失模型公式，建立损失模型数据库，一维设计中透平机械的损失模型包含以下几类：入射损失、通道损失、尾迹损失、叶顶间隙损失、余速损失及鼓风损失；
将入射损失、通道损失、尾迹损失、叶顶间隙损失、余速损失及鼓风损失编号1至6，形成损失模型的一维设计变量矩阵x＝(x1,x2,…,x6)，x1-6取值为整数，不同值代表不同的损失模型公式；随机生成N组初始变量xn，其中n＝1,…N，N为初始变量总数；
针对当前应用场景及应用工质，给定M组不同设计参数，选取任一损失模型组合进行一维热力设计，获得M个验证透平机械的几何参数zm，其中m＝1,…M，M为验证透平机械总数，其中M取值为3-5。
本发明进一步的改进在于，步骤1中常用的损失模型公式如下：
其中，入射损失常用的损失模型公式如下：
Figure BDA0003234727990000031
Figure BDA0003234727990000032
Figure BDA0003234727990000033
Figure BDA0003234727990000034
式中，Win为进口相对速度，βin为实际进口相对气流角，βin,opt为最佳进口相对气流角，Zr为叶片数，Cθ,in为进口绝对速度的切向分量，Min为进口马赫数，αin为进口绝对气流角，Uin为进口线速度，κ为权重系数，K1为入射损失可调节系数；
通道损失常用损失模型公式如下：
Figure BDA0003234727990000035
Figure BDA0003234727990000036
Figure BDA0003234727990000037
式中，Win为进口相对速度，Wout为出口相对速度，βin为实际进口相对气流角，βin,opt为最佳进口相对气流角，Cin为进口绝对速度，rin为进口半径，rC为平均曲率半径，Zr为叶片数，K2为通道损失可调节系数；
尾迹损失常用损失模型公式如下：
Figure BDA0003234727990000041
Figure BDA0003234727990000042
式中，γ为绝热系数，Mout,rel为出口实际马赫数，P0,out,rel为出口相对压力，ρout为出口密度；
叶顶间隙损失常用损失模型公式如下：
Figure BDA0003234727990000043
Figure BDA0003234727990000044
Figure BDA0003234727990000045
Figure BDA0003234727990000046
式中，Uin为进口线速度，Zr为叶片数，εx为轴向叶顶间隙，εr为径向叶顶间隙，Cx为轴向绝对速度，Cr为径向绝对速度，ΔHis为等熵焓降，t为叶片厚度，bin为进口叶高，rout,sh为出口叶顶半径，rout,hb为出口叶根半径，Cθ,in为进口绝对速度的切向分量，Cout,m为出口绝对速度的子午面分量，bout为出口叶高，Kx、Kr、Kxr均为叶顶间隙损失可调节系数；
余速损失常用损失模型公式如下：
Figure BDA0003234727990000047
Figure BDA0003234727990000048
式中，Cout为出口绝对速度，Cd为余速损失可调节系数；
鼓风损失常用损失模型公式如下：
Figure BDA0003234727990000051
Figure BDA0003234727990000052
Figure BDA0003234727990000053
式中，
Figure BDA0003234727990000054
为平均密度，Uin为进口线速度，rin为进口半径，rout为出口平均半径，m为质量流量，Cin,m为进口绝对速度的子午面分量，Din为进口直径，AN为泄露面积，Win为相对速度，N为轮径比，Re为雷诺数。
本发明进一步的改进在于，步骤2具体包括：
针对M个验证透平机械，选定进口温度Tin、进口压力Pin、进口气流角α1、质量流量
Figure BDA0003234727990000055
以及转速ωR变工况参数；确定变工况参数变化范围，然后对所有参数在经验设计空间中采用Latin Hypercube Sampling方式进行采样，获得变工况计算边界条件集bm,l,a，其中m＝1,…M，M为验证透平机械总数，l＝1,…L，L为Latin Hypercube Sampling方式采样获得的变工况点总数，a＝1,…A，A为上述输入变量总数；
随后针对M个验证透平机械的几何参数zm，调用三维建模软件生成叶轮三维模型，将获得的几何模型导入网格划分软件进行流体域网格划分，随后进行变工况CFD计算，CFD计算中湍流模型选取为SST k-ω湍流模型，边界条件选定上述采样获得的边界条件集bm,l,a；
对M个验证透平机械的变工况CFD结果进行预处理，获得归一化的透平机械真实性能数据ym,l,h，透平机械真实性能数据ym,l,h与变工况边界条件集bm,l,a一一对应，其中m＝1,…M，M为验证透平机械总数，l＝1,…L，L为Latin Hypercube Sampling方式采样获得的变工况点总数，h＝1,…H，H为透平机械性能参数，整理获得验证数据集D＝{zm,bm,l,a,ym,l,h}；
其中，透平机械性能参数包括总焓损失、透平机械功率及透平机械效率等参数。
本发明进一步的改进在于，进口温度Tin、进口压力Pin、进口气流角α1、质量流量
Figure BDA0003234727990000056
以及透平机械转速ωR取值范围为设计值的±10％～±40％。
本发明进一步的改进在于，步骤3具体包括：
针对遗传算法中任一个体xi，根据验证透平机械几何参数zm以及变工况边界条件集bm,l,a，进行一维设计，获得归一化的透平机械一维计算性能数据
Figure BDA0003234727990000061
其映射关系如下：
Figure BDA0003234727990000062
其中，f为透平机械一维计算流程；
采用透平机械一维计算性能参数
Figure BDA0003234727990000063
与透平机械真实性能数据ym,l,h的误差作为遗传算法的优化参数，随后选定遗传算法种群数量为50-200、交叉概率为0.6-0.8、变异概率为0.01-0.1，终止代数为50-100，进行遗传算法优化，获得最佳一维损失模型配置xo。
本发明进一步的改进在于，步骤3中，采用O指标评判透平机械一维计算性能参数
Figure BDA0003234727990000064
与透平机械真实性能数据ym,l,h的误差，O指标为平均相对误差与均方根误差的组合，其计算公式如下：
Figure BDA0003234727990000065
Figure BDA0003234727990000066
Figure BDA0003234727990000067
其中，O1为平均相对误差，O2为均方根误差，Ψ1、Ψ2为可调节系数。
本发明进一步的改进在于，步骤4中，透平机械设计采用遗传算法、灰狼算法或粒子群算法寻优方法。
与现有技术相比，本发明具有如下有益的技术效果：
本发明提供的一种径流式透平机械一维设计评估及优化方法，总结现有各种损失模型建立损失模型数据库，随后根据应用场景及应用工质构建透平机械验证数据集，采用遗传算法对一维设计中的损失模型配置进行优化，能够快速、便捷获得最佳损失模型配置，提高一维设计的准确性。优化过程中考虑了变工况对于一维设计精度的影响，所获得的最佳损失模型配置可以准确的预测透平机械变工况的气动性能，在透平机械的实际运行中可以便捷掌握透平机组的性能参数。此外，将最佳损失模型配置与相应的寻优算法结合，保证了一维设计的准确性的同时进一步缩短了透平机械的研发周期。本发明的方法可适用于各种应用场景及应用工质，通用性强且易于实现，具有广阔的应用前景。
附图说明
图1是本发明一种径流式透平机械一维设计评估及优化方法的流程示意图；
图2是利用本发明的超临界二氧化碳透平机械CFD计算示意图；
图3是利用本发明的超临界二氧化碳透平机械损失模型配置优化过程；
图4是利用本发明的超临界二氧化碳透平机械流场参数分布，其中，图4(a)为压力分布，图4(b)为温度分布。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。
请参阅图1，本发明提供的一种径流式透平机械一维设计评估及优化方法，包含以下步骤：
步骤1：建立备选损失模型数据库，生成初始损失模型配置xn，针对当前应用场景及应用工质，根据任一初始损失模型进行一维计算获得验证透平机械几何参数zm。
首先总结现有的各项损失模型公式，建立损失模型数据库。一维设计中透平机械的损失模型一般包含以下几类：入射损失、通道损失、尾迹损失、叶顶间隙损失、余速损失及鼓风损失。
其中，入射损失常用的损失模型公式如下：
Figure BDA0003234727990000081
Figure BDA0003234727990000082
Figure BDA0003234727990000083
Figure BDA0003234727990000084
式中，Win为进口相对速度，βin为实际进口相对气流角，βin,opt为最佳进口相对气流角，Zr为叶片数，Cθ,in为进口绝对速度的切向分量，Min为进口马赫数，αin为进口绝对气流角，Uin为进口线速度，κ为权重系数，K1为入射损失可调节系数。
通道损失常用损失模型公式如下：
Figure BDA0003234727990000085
Figure BDA0003234727990000086
Figure BDA0003234727990000087
式中，Win为进口相对速度，Wout为出口相对速度，βin为实际进口相对气流角，βin,opt为最佳进口相对气流角，Cin为进口绝对速度，rin为进口半径，rC为平均曲率半径，Zr为叶片数，K2为通道损失可调节系数。
尾迹损失常用损失模型公式如下：
Figure BDA0003234727990000091
Figure BDA0003234727990000092
式中，γ为绝热系数，Mout,rel为出口实际马赫数，P0,out,rel为出口相对压力，ρout为出口密度。
叶顶间隙损失常用损失模型公式如下：
Figure BDA0003234727990000093
Figure BDA0003234727990000094
Figure BDA0003234727990000095
Figure BDA0003234727990000096
式中，Uin为进口线速度，Zr为叶片数，εx为轴向叶顶间隙，εr为径向叶顶间隙，Cx为轴向绝对速度，Cr为径向绝对速度，ΔHis为等熵焓降，t为叶片厚度，bin为进口叶高，rout,sh为出口叶顶半径，rout,hb为出口叶根半径，Cθ,in为进口绝对速度的切向分量，Cout,m为出口绝对速度的子午面分量，bout为出口叶高，Kx、Kr、Kxr均为叶顶间隙损失可调节系数。
余速损失常用损失模型公式如下：
Figure BDA0003234727990000097
Figure BDA0003234727990000098
式中，Cout为出口绝对速度，Cd为余速损失可调节系数。
鼓风损失常用损失模型公式如下：
Figure BDA0003234727990000101
Figure BDA0003234727990000102
Figure BDA0003234727990000103
式中，
Figure BDA0003234727990000104
为平均密度，Uin为进口线速度，rin为进口半径，rout为出口平均半径，m为质量流量，Cin,m为进口绝对速度的子午面分量，Din为进口直径，AN为泄露面积，Win为相对速度，N为轮径比，Re为雷诺数。
将入射损失、通道损失、尾迹损失、叶顶间隙损失、余速损失及鼓风损失编号1至6，形成损失模型的一维设计变量矩阵x＝(x1,x2,…,x6)，x1-6取值为整数，不同值代表不同的损失模型公式；随机生成N组初始损失模型配置xn，其中n＝1,…N，N为初始变量总数。
针对当前应用场景及应用工质，给定M组不同设计参数，选取任一损失模型组合进行一维热力设计，获得M个验证透平机械的几何参数zm，其中m＝1,…M，M为验证透平机械总数。
其中M取值为3-5；
步骤2：根据验证透平机械几何参数zm进行建模，随后针对验证透平机械进行变工况CFD计算，后处理获得透平机械真实性能数据，总结验证透平机械几何参数zm、变工况边界条件集bm,l,a及透平机械真实性能数据ym,l,h获得验证数据集D＝{zm,bm,l,a,ym,l,h}。
针对M个验证透平机械，选定进口温度Tin、进口压力Pin、进口气流角α1、质量流量
Figure BDA0003234727990000105
以及转速ωR等变工况参数；确定变工况参数变化范围，然后对所有参数在经验设计空间中采用Latin Hypercube Sampling方式进行采样，获得变工况计算边界条件集bm,l,a，其中m＝1,…M，M为验证透平机械总数，l＝1,…L，L为Latin Hypercube Sampling方式采样获得的变工况点总数，a＝1,…A，A为上述输入变量总数；
其中，进口温度Tin、进口压力Pin、进口气流角α1、质量流量
Figure BDA0003234727990000111
以及透平机械转速ωR取值范围为设计值的±10％～±40％；
随后针对M个验证透平机械的几何参数zm，调用三维建模软件生成叶轮三维模型，将获得的几何模型导入网格划分软件进行流体域网格划分，随后进行变工况CFD计算。CFD计算中湍流模型选取为SST(Shear Stress Transport)k-ω湍流模型，边界条件选定上述采样获得的边界条件集bm,l,a。
对M个验证透平机械的变工况CFD结果进行预处理，获得归一化的透平机械真实性能数据ym,l,h，透平机械真实性能数据ym,l,h与变工况边界条件集bm,l,a一一对应，其中m＝1,…M，M为验证透平机械总数，l＝1,…L，L为Latin Hypercube Sampling方式采样获得的变工况点总数，h＝1,…H，H为透平机械性能参数。整理获得验证数据集D＝{zm,bm,l,a,ym,l,h}。
其中，透平机械性能参数包括总焓损失、透平机械功率及透平机械效率等参数。
步骤3：以初始损失模型配置xn作为初始化种群，根据验证数据集D中的透平机械几何参数zm及变工况边界条件集bm,l,a进行一维计算，采用遗传算法对损失模型配置进行优化，获得最佳一维损失模型配置xo。
针对遗传算法中任一个体xi，根据验证透平机械几何参数zm以及变工况边界条件集bm,l,a，进行一维设计，获得归一化的透平机械一维计算性能数据
Figure BDA0003234727990000112
其映射关系如下：
Figure BDA0003234727990000113
其中，f为透平机械一维计算流程。
采用透平机械一维计算性能数据
Figure BDA0003234727990000114
与透平机械真实性能数据ym,l,h的O指标作为遗传算法的优化参数，O指标为平均相对误差与均方根误差的组合，其计算公式如下：
Figure BDA0003234727990000115
Figure BDA0003234727990000116
Figure BDA0003234727990000121
其中，O1为平均相对误差，O2为均方根误差，Ψ1、Ψ2为可调节系数。
随后选定遗传算法种群数量为50-200、交叉概率为0.6-0.8、变异概率为0.01-0.1，终止代数为50-100，进行遗传算法优化，获得最佳一维损失模型配置xo。
步骤4：根据获得的最佳一维损失模型配置xo进行透平机械设计，设计中可以采用遗传算法、灰狼算法、粒子群算法等寻优方法。
实施例1
参见图1，利用本发明的一种径流式透平机械一维设计评估及优化方法，对超临界二氧化碳向心透平一维设计方法进行评估及优化，具体步骤如下：
步骤1，将入射损失、通道损失、尾迹损失、叶顶间隙损失、余速损失及鼓风损失编号1至6，形成损失模型的一维设计变量矩阵x＝(x1,x2,…,x6)，x1-6取值为整数，不同值代表不同的损失模型公式；随机生成50组初始变量xn，其中n＝1,…50。
选定应用工质为超临界二氧化碳、选定应用场景为向心发电透平，给定3组不同设计参数，选取损失模型配置x1进行一维设计，获得3组验证透平机械设计参数及几何参数z3如表1所示。
表1超临界二氧化碳向心透平设计参数及几何参数
Figure BDA0003234727990000122
Figure BDA0003234727990000131
步骤2，针对每个验证透平机械，选定进口温度Tin、进口压力Pin、进口气流角α1、质量流量
Figure BDA0003234727990000132
以及转速ωR作为变工况参数，使其在设计值±20％范围内改变，采用LatinHypercube Sampling方式采样300个点，获得边界条件集b3,300,a。对所有工况点进行变工况CFD计算，计算过程如图2所示，对3个验证透平机械变工况CFD结果进行预处理，导出总焓损失、透平机械功率及透平机械效率，获得归一化透平机械真实性能数据y3,300,h。
步骤3，以xn作为初始化种群，针对遗传算法中任一个体xi，根据验证透平机械几何参数z3以及透平机械变工况边界条件集b3,300,a进行一维设计，获得归一化的透平机械一维计算性能参数
Figure BDA0003234727990000133
采用上述O指标作为遗传算法的优化参数进行遗传算法优化，选定种群数量为50、交叉概率0.8、变异概率0.05，终止代数为50，优化过程如图3所示，优化获得最佳损失模型配置xo如表2所示。
表2最佳损失模型配置
Figure BDA0003234727990000134
Figure BDA0003234727990000141
步骤4，以最佳损失模型配置xo进行透平机械设计，针对设计参数采用遗传算法进行寻优，获得最佳设计方案，其CFD计算结果如图4所示。图中可以看出，本发明获得的最佳损失模型配置xo能够准确预测透平机械性能，快速、便捷获得性能优异的透平机械，提高一维设计准确性，缩短了透平机械研发周期。
虽然，上文中已经用一般性说明及具体实施方案对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。

Claims (8)

1.一种径流式透平机械一维设计评估及优化方法，其特征在于，包含以下步骤：
步骤1：建立备选损失模型数据库，生成初始损失模型配置，针对当前应用场景及应用工质，根据任一初始损失模型进行一维计算获得验证透平机械几何参数；
步骤2：根据验证透平机械几何参数进行建模，随后针对验证透平机械进行变工况CFD计算，后处理获得透平机械真实性能数据，总结验证透平机械几何参数、变工况边界条件集及透平机械真实性能数据获得验证数据集；
步骤3：以初始损失模型配置作为初始化种群，根据验证数据集中的透平机械几何参数及变工况边界条件集进行一维计算，采用遗传算法对损失模型配置进行优化，获得最佳一维损失模型配置；
步骤4：根据获得的最佳一维损失模型配置进行透平机械设计。
2.根据权利要求1所述的一种径流式透平机械一维设计评估及优化方法，其特征在于，步骤1具体包括：
首先总结现有的各项损失模型公式，建立损失模型数据库，一维设计中透平机械的损失模型包含以下几类：入射损失、通道损失、尾迹损失、叶顶间隙损失、余速损失及鼓风损失；
将入射损失、通道损失、尾迹损失、叶顶间隙损失、余速损失及鼓风损失编号1至6，形成损失模型的一维设计变量矩阵x＝(x1,x2,…,x6)，x1-6取值为整数，不同值代表不同的损失模型公式；随机生成N组初始变量xn，其中n＝1,…N，N为初始变量总数；
针对当前应用场景及应用工质，给定M组不同设计参数，选取任一损失模型组合进行一维热力设计，获得M个验证透平机械的几何参数zm，其中m＝1,…M，M为验证透平机械总数，其中M取值为3-5。
3.根据权利要求2所述的一种径流式透平机械一维设计评估及优化方法，其特征在于，步骤1中常用的损失模型公式如下：
其中，入射损失常用的损失模型公式如下：
Figure FDA0003234727980000021
Figure FDA0003234727980000022
Figure FDA0003234727980000023
Figure FDA0003234727980000024
式中，Win为进口相对速度，βin为实际进口相对气流角，βin,opt为最佳进口相对气流角，Zr为叶片数，Cθ,in为进口绝对速度的切向分量，Min为进口马赫数，αin为进口绝对气流角，Uin为进口线速度，κ为权重系数，K1为入射损失可调节系数；
通道损失常用损失模型公式如下：
Figure FDA0003234727980000025
Figure FDA0003234727980000026
Figure FDA0003234727980000027
式中，Win为进口相对速度，Wout为出口相对速度，βin为实际进口相对气流角，βin,opt为最佳进口相对气流角，Cin为进口绝对速度，rin为进口半径，rC为平均曲率半径，Zr为叶片数，K2为通道损失可调节系数；
尾迹损失常用损失模型公式如下：
Figure FDA0003234727980000028
Figure FDA0003234727980000029
式中，γ为绝热系数，Mout,rel为出口实际马赫数，P0,out,rel为出口相对压力，ρout为出口密度；
叶顶间隙损失常用损失模型公式如下：
Figure FDA0003234727980000031
Figure FDA0003234727980000032
Figure FDA0003234727980000033
Figure FDA0003234727980000034
式中，Uin为进口线速度，Zr为叶片数，εx为轴向叶顶间隙，εr为径向叶顶间隙，Cx为轴向绝对速度，Cr为径向绝对速度，ΔHis为等熵焓降，t为叶片厚度，bin为进口叶高，rout,sh为出口叶顶半径，rout,hb为出口叶根半径，Cθ,in为进口绝对速度的切向分量，Cout,m为出口绝对速度的子午面分量，bout为出口叶高，Kx、Kr、Kxr均为叶顶间隙损失可调节系数；
余速损失常用损失模型公式如下：
Figure FDA0003234727980000035
Figure FDA0003234727980000036
式中，Cout为出口绝对速度，Cd为余速损失可调节系数；
鼓风损失常用损失模型公式如下：
Figure FDA0003234727980000037
Figure FDA0003234727980000038
Figure FDA0003234727980000039
式中，
Figure FDA00032347279800000310
为平均密度，Uin为进口线速度，rin为进口半径，rout为出口平均半径，m为质量流量，Cin,m为进口绝对速度的子午面分量，Din为进口直径，AN为泄露面积，Win为相对速度，N为轮径比，Re为雷诺数。
4.根据权利要求3所述的一种径流式透平机械一维设计评估及优化方法，其特征在于，步骤2具体包括：
针对M个验证透平机械，选定进口温度Tin、进口压力Pin、进口气流角α1、质量流量
Figure FDA0003234727980000042
以及转速ωR变工况参数；确定变工况参数变化范围，然后对所有参数在经验设计空间中采用Latin Hypercube Sampling方式进行采样，获得变工况计算边界条件集bm,l,a，其中m＝1,…M，M为验证透平机械总数，l＝1,…L，L为Latin Hypercube Sampling方式采样获得的变工况点总数，a＝1,…A，A为上述输入变量总数；
随后针对M个验证透平机械的几何参数zm，调用三维建模软件生成叶轮三维模型，将获得的几何模型导入网格划分软件进行流体域网格划分，随后进行变工况CFD计算，CFD计算中湍流模型选取为SST k-ω湍流模型，边界条件选定上述采样获得的边界条件集bm,l,a；
对M个验证透平机械的变工况CFD结果进行预处理，获得归一化的透平机械真实性能数据ym,l,h，透平机械真实性能数据ym,l,h与变工况边界条件集bm,l,a一一对应，其中m＝1,…M，M为验证透平机械总数，l＝1,…L，L为Latin Hypercube Sampling方式采样获得的变工况点总数，h＝1,…H，H为透平机械性能参数，整理获得验证数据集D＝{zm,bm,l,a,ym,l,h}；
其中，透平机械性能参数包括总焓损失、透平机械功率及透平机械效率等参数。
5.根据权利要求4所述的一种径流式透平机械一维设计评估及优化方法，其特征在于，进口温度Tin、进口压力Pin、进口气流角α1、质量流量
Figure FDA0003234727980000041
以及透平机械转速ωR取值范围为设计值的±10％～±40％。
6.根据权利要求4所述的一种径流式透平机械一维设计评估及优化方法，其特征在于，步骤3具体包括：
针对遗传算法中任一个体xi，根据验证透平机械几何参数zm以及变工况边界条件集bm,l,a，进行一维设计，获得归一化的透平机械一维计算性能数据
Figure FDA0003234727980000051
其映射关系如下：
Figure FDA0003234727980000052
其中，f为透平机械一维计算流程；
采用透平机械一维计算性能参数
Figure FDA0003234727980000053
与透平机械真实性能数据ym,l,h的误差作为遗传算法的优化参数，随后选定遗传算法种群数量为50-200、交叉概率为0.6-0.8、变异概率为0.01-0.1，终止代数为50-100，进行遗传算法优化，获得最佳一维损失模型配置xo。
7.根据权利要求6所述的一种径流式透平机械一维设计评估及优化方法，其特征在于，步骤3中，采用O指标评判透平机械一维计算性能参数
Figure FDA0003234727980000054
与透平机械真实性能数据ym,l,h的误差，O指标为平均相对误差与均方根误差的组合，其计算公式如下：
Figure FDA0003234727980000055
Figure FDA0003234727980000056
Figure FDA0003234727980000057
其中，O1为平均相对误差，O2为均方根误差，Ψ1、Ψ2为可调节系数。
8.根据权利要求1所述的一种径流式透平机械一维设计评估及优化方法，其特征在于，步骤4中，透平机械设计采用遗传算法、灰狼算法或粒子群算法寻优方法。
CN202110998592.0A 2021-08-27 2021-08-27 一种径流式透平机械一维设计评估及优化方法 Active CN113591419B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110998592.0A CN113591419B (zh) 2021-08-27 2021-08-27 一种径流式透平机械一维设计评估及优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110998592.0A CN113591419B (zh) 2021-08-27 2021-08-27 一种径流式透平机械一维设计评估及优化方法

Publications (2)

Publication Number Publication Date
CN113591419A true CN113591419A (zh) 2021-11-02
CN113591419B CN113591419B (zh) 2023-08-18

Family

ID=78240046

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110998592.0A Active CN113591419B (zh) 2021-08-27 2021-08-27 一种径流式透平机械一维设计评估及优化方法

Country Status (1)

Country Link
CN (1) CN113591419B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114251129A (zh) * 2021-11-29 2022-03-29 中国船舶工业集团公司第七0八研究所 用于透平机械二次流分析评估第三类流面及其设计方法
CN114781203A (zh) * 2022-03-17 2022-07-22 西安交通大学 一种用于提取叶轮机械当地损失力系数的方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150199495A1 (en) * 2014-01-14 2015-07-16 Charles C. Solvason Performance analysis and monitoring of radial turbomachinery
CN109598081A (zh) * 2018-12-13 2019-04-09 西安交通大学 基于数据降维及多二维流面的径流式透平气动优化方法
CN111859746A (zh) * 2020-07-10 2020-10-30 西安交通大学 一种基于流场重构的透平机械变工况性能预测方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150199495A1 (en) * 2014-01-14 2015-07-16 Charles C. Solvason Performance analysis and monitoring of radial turbomachinery
CN109598081A (zh) * 2018-12-13 2019-04-09 西安交通大学 基于数据降维及多二维流面的径流式透平气动优化方法
CN111859746A (zh) * 2020-07-10 2020-10-30 西安交通大学 一种基于流场重构的透平机械变工况性能预测方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
秦晓勇, 陈林根, 孙丰瑞: "基于遗传算法的轴流汽轮机级效率优化", 机械工程学报, no. 07 *
赵伟国;王丹;刘在伦;: "基于遗传算法的中低比转速离心泵优化设计", 兰州理工大学学报, no. 05 *
邵帅;邓清华;丰镇平;: "向心透平初始设计自动进化寻优方法与变工况性能预测模型", 工程热物理学报, no. 01 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114251129A (zh) * 2021-11-29 2022-03-29 中国船舶工业集团公司第七0八研究所 用于透平机械二次流分析评估第三类流面及其设计方法
CN114781203A (zh) * 2022-03-17 2022-07-22 西安交通大学 一种用于提取叶轮机械当地损失力系数的方法及系统

Also Published As

Publication number Publication date
CN113591419B (zh) 2023-08-18

Similar Documents

Publication Publication Date Title
Sarmiento et al. Design and off-design performance improvement of a radial-inflow turbine for ORC applications using metamodels and genetic algorithm optimization
Yoon et al. A three-dimensional diffuser design for the retrofit of a low pressure turbine using in-house exhaust design system
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
CN113591419B (zh) 一种径流式透平机械一维设计评估及优化方法
KR101474102B1 (ko) 임펠러 형상 최적설계방법
CN107679270A (zh) 离心压气机优化设计方法及系统
CN110173309A (zh) 四高调门汽轮机顺序阀的优化设计方法
Tüchler et al. Multipoint shape optimisation of an automotive radial compressor using a coupled computational fluid dynamics and genetic algorithm approach
CN105298548B (zh) 一种微型燃机涡轮叶轮的设计方法
Witanowski et al. Multi-objective optimization of the ORC axial turbine for a waste heat recovery system working in two modes: cogeneration and condensation
Li et al. Aerodynamic optimization of a high-expansion ratio organic radial-inflow turbine
Zhang et al. A new proposed return guide vane for compact multistage centrifugal pumps
Templalexis et al. Development of a 2-D compressor streamline curvature code
Elliott et al. Performance improvement of a mixed flow turbine using 3D blading
Shanechi et al. Optimisation of a high pressure ratio radial-inflow turbine: Coupled CFD-FE analysis
Rademaker Scaling of compressor and turbine maps on basis of equal flow Mach numbers and static flow parameters
Cao et al. Optimum tilt angle of flow guide in steam turbine exhaust hood considering the effect of last stage flow field
Heidarian Shahri et al. Three-dimensional optimization of blade lean and sweep for an axial compressor to improve the engine performance
Albuquerque et al. Conceptual optimization of axial-flow hydraulic turbines with non-free vortex design
Elliott et al. Performance improvement of a mixed flow turbine using 3D blading
Sun et al. Optimization design of IGV profile in centrifugal compressor
Zhang et al. Internal flow characteristics of a variable mixed flow turbine with partially-rotating vane nozzle
Boldyrev et al. Aerodynamic Improvement of a Compact Centrifugal Compressor
Kulkarni Development of a Methodology to Estimate Aero-Performance and Aero-Operability Limits of a Multistage Axial Flow Compressor for Use in Preliminary Design
Cuciumita et al. Genetic algorithm for gas turbine blading design

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