CN117150973B - 一种轴流泵沟槽参数的确定方法及装置 - Google Patents
一种轴流泵沟槽参数的确定方法及装置 Download PDFInfo
- Publication number
- CN117150973B CN117150973B CN202311423204.1A CN202311423204A CN117150973B CN 117150973 B CN117150973 B CN 117150973B CN 202311423204 A CN202311423204 A CN 202311423204A CN 117150973 B CN117150973 B CN 117150973B
- Authority
- CN
- China
- Prior art keywords
- groove
- axial flow
- flow pump
- geometric parameters
- parameters
- 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
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000005457 optimization Methods 0.000 claims abstract description 58
- 230000004044 response Effects 0.000 claims abstract description 46
- 238000004364 calculation method Methods 0.000 claims abstract description 21
- 238000013461 design Methods 0.000 claims abstract description 17
- 238000012545 processing Methods 0.000 claims abstract description 16
- 238000004140 cleaning Methods 0.000 claims description 36
- 238000004088 simulation Methods 0.000 claims description 21
- 238000007781 pre-processing Methods 0.000 claims description 16
- 238000003860 storage Methods 0.000 claims description 14
- 238000004458 analytical method Methods 0.000 claims description 12
- 238000009826 distribution Methods 0.000 claims description 10
- 230000002159 abnormal effect Effects 0.000 claims description 7
- 238000011478 gradient descent method Methods 0.000 claims description 6
- 230000006870 function Effects 0.000 description 21
- 230000008569 process Effects 0.000 description 7
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005215 recombination Methods 0.000 description 2
- 230000006798 recombination Effects 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 238000012357 Gap analysis Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000007620 mathematical function Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
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
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- 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
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Fluid Mechanics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Computing Systems (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Algebra (AREA)
- Structures Of Non-Positive Displacement Pumps (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种轴流泵沟槽参数的确定方法及装置,涉及数据处理技术领域,所述方法包括:获取影响轴流泵水力性能的沟槽几何参数,所述沟槽几何参数包括沟槽深度、沟槽宽度以及沟槽尾部位置;构建沟槽几何参数与轴流泵水力性能相关的优化模型;根据所述优化模型,以沟槽深度、沟槽宽度以及沟槽尾部位置为变量,构建响应曲面模型;根据所述响应曲面模型,通过数学优化计算,得出目标沟槽几何参数;根据目标沟槽几何参数,对轴流泵进行设计优化,以得到最终的沟槽几何参数。本发明能够更准确地确定最优的沟槽几何参数。
Description
技术领域
本发明涉及数据处理技术领域,特别是指一种轴流泵沟槽参数的确定方法及装置。
背景技术
在水力机械领域,轴流泵是一种广泛应用的水轮机。轴流泵的性能受到沟槽几何参数的影响,比如沟槽深度、沟槽宽度以及沟槽尾部位置。因此,确定适当的沟槽参数对于轴流泵的设计和优化至关重要。
在现有技术中,针对轴流泵的沟槽参数确定方法,存在以下问题:
1.传统方法通常采用经验公式或试验数据来确定沟槽参数,这种方法存在主观性和局限性,无法保证获得最优的设计结果。
2.传统方法需要进行大量的试验和实验数据分析,耗费时间和资源。
3.传统方法忽略了沟槽参数与轴流泵水力性能之间的复杂关系,无法全面考虑参数之间的相互作用。
发明内容
本发明要解决的技术问题是提供一种轴流泵沟槽参数的确定方法及装置,可以提高轴流泵的水力性能和效率。
为解决上述技术问题,本发明的技术方案如下:
第一方面,一种轴流泵沟槽参数的确定方法,所述方法包括:
获取影响轴流泵水力性能的沟槽几何参数,所述沟槽几何参数包括沟槽深度、沟槽宽度以及沟槽尾部位置;
构建沟槽几何参数与轴流泵水力性能相关的优化模型;
根据所述优化模型,以沟槽深度、沟槽宽度以及沟槽尾部位置为变量,构建响应曲面模型;
根据所述响应曲面模型,通过数学优化计算,得出目标沟槽几何参数;
根据目标沟槽几何参数,对轴流泵进行设计优化,以得到最终的沟槽几何参数。
进一步的,构建沟槽几何参数与轴流泵水力性能相关的优化模型,包括:
对所述沟槽几何参数进行数据清洗,以得到清洗数据;
将所述清洗数据进行标准化处理,以将所述清洗数据转化为相同尺度的预处理数据;
对所述预处理数据将进行分析,以获取所述预处理数据中沟槽深度、沟槽宽度以及沟槽尾部位置之间的相关性;
根据相关性构建优化模型。
进一步的,对所述沟槽几何参数进行数据清洗,以得到清洗数据,包括:
判断所述沟槽几何参数中是否存在缺失值,若是,则进行填充,以得到完整数据;
对所述完整数据中的异常值进行处理,以得到清洗数据。
进一步的,根据所述优化模型,以沟槽深度、沟槽宽度以及沟槽尾部位置为变量,构建响应曲面模型,包括:
获取初步的沟槽深度、沟槽宽度以及沟槽尾部位置;
通过改变初步的沟槽深度、沟槽宽度以及沟槽尾部位置,分别获取对应的轴流泵水力性能;
利用所述轴流泵水力性能对二次多项式模型进行拟合,构建响应曲面模型。
进一步的,根据所述响应曲面模型,通过数学优化计算,得出目标沟槽几何参数,包括:
通过梯度下降法对所述响应曲面模型进行数值求解;
根据数值求解,获取使目标函数取得最小值或最大值时的参数值;
根据所述参数值,确定目标沟槽几何参数。
进一步的,根据目标沟槽几何参数,对轴流泵进行设计优化,以得到最终的沟槽几何参数,包括:
根据所述目标沟槽几何参数,对轴流泵进行三维流场数值模拟,以得到模拟结果;
根据模拟结果,获取轴流泵与预期性能之间的差距;
根据所述差距,对目标沟槽几何参数进行调整,并进行模拟分析,以得到最终的沟槽几何参数。
进一步的,所述目标函数的计算公式为:
其中,R1为目标函数,H为轴流泵装置的扬程,η为计算域的水力效率,V u 为流速分布均匀度,ω为涡量分布极值。
第二方面,一种轴流泵沟槽参数的确定装置,包括:
获取模块,用于获取影响轴流泵水力性能的沟槽几何参数,所述沟槽几何参数包括沟槽深度、沟槽宽度以及沟槽尾部位置;构建沟槽几何参数与轴流泵水力性能相关的优化模型;
处理模块,用于根据所述优化模型,以沟槽深度、沟槽宽度以及沟槽尾部位置为变量,构建响应曲面模型;根据所述响应曲面模型,通过数学优化计算,得出目标沟槽几何参数;根据目标沟槽几何参数,对轴流泵进行设计优化,以得到最终的沟槽几何参数。
第三方面,一种计算设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现上述方法。
第四方面,一种计算机可读存储介质,所述计算机可读存储介质中存储有程序,该程序被处理器执行时实现上述方法。
本发明的上述方案至少包括以下有益效果:
本发明的上述方案,通过构建优化模型和响应曲面模型,结合沟槽深度、沟槽宽度以及沟槽尾部位置等参数之间的相互影响,能够更准确地确定最优的沟槽几何参数。通过数学优化计算得到目标沟槽几何参数,避免了传统方法中需要大量试验和实验数据分析的问题,节省了时间和资源。通过对轴流泵的设计优化,可以得到最终的沟槽几何参数,从而提高轴流泵的水力性能和效率。
附图说明
图1是本发明的实施例提供的轴流泵沟槽参数的确定方法的流程示意图。
图2是本发明的实施例提供的沟槽纵截面局部放大图。
图3是本发明的实施例提供的轴流泵沟槽参数的确定装置示意图。
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。
如图1所示,本发明的实施例提出一种轴流泵沟槽参数的确定方法,所述方法包括:
步骤11,获取影响轴流泵水力性能的沟槽几何参数,所述沟槽几何参数包括沟槽深度、沟槽宽度以及沟槽尾部位置;
步骤12,构建沟槽几何参数与轴流泵水力性能相关的优化模型;
步骤13,根据所述优化模型,以沟槽深度、沟槽宽度以及沟槽尾部位置为变量,构建响应曲面模型;
步骤14,根据所述响应曲面模型,通过数学优化计算,得出目标沟槽几何参数;
步骤15,根据目标沟槽几何参数,对轴流泵进行设计优化,以得到最终的沟槽几何参数。
在本发明实施例中,在步骤11中,获取影响轴流泵水力性能的沟槽几何参数,如沟槽深度、沟槽宽度以及沟槽尾部位置,这些参数是决定轴流泵性能的因素,通过获取这些参数的数值,可以为后续的优化模型构建和设计提供准确的输入数据。在步骤12中,通过建立优化模型,探索和描述沟槽几何参数与轴流泵性能之间的关系,可以帮助理解参数的影响,并为后续的响应曲面模型构建提供依据。在步骤13中,通过统计分析和数值拟合方法,将沟槽参数与轴流泵水力性能的多维关系转化为一个多项式等数学函数形式的响应曲面模型,响应曲面模型可以预测不同沟槽参数取值下的轴流泵性能。在步骤14中,在响应曲面模型的基础上搜索最优的沟槽几何参数组合,以最大化或最小化特定性能指标(如效率、扬程等),从而确定目标沟槽几何参数的优化值。在步骤15中,根据计算得到的目标沟槽几何参数,对轴流泵进行设计和优化调整,以满足特定的性能要求,最终确定的沟槽几何参数将用于实际轴流泵的制造和使用。通过以上步骤,通过对轴流泵的设计优化,可以得到最终的沟槽几何参数,从而提高轴流泵的水力性能和效率。
在本发明一优选的实施例中,上述步骤12,可以包括:
步骤121,对所述沟槽几何参数进行数据清洗,以得到清洗数据;
步骤122,将所述清洗数据进行标准化处理,以将所述清洗数据转化为相同尺度的预处理数据;
步骤123,对所述预处理数据将进行分析,以获取所述预处理数据中沟槽深度、沟槽宽度以及沟槽尾部位置之间的相关性;
步骤124,根据相关性构建优化模型。
在本发明实施例中,在步骤121中,数据清洗是为了去除可能存在的异常值、缺失值或不一致的数据,确保数据的准确性和完整性,通过数据清洗,可以得到可靠的沟槽几何参数数据。其中,在去除异常值时,具体通过:
,D clean 为清洗后的数据集,D为原始数据集,x为数据集中的元素,μ为数据集的均值,σ为数据集的标准差,k为设定的阈值,用于判断异常值的范围,因此,通过清洗后可以确保数据的准确性和完整性。
在步骤122中,标准化处理是将不同量纲的数据转化为相同的标准尺度,消除了数据间的量纲差异,使得不同参数之间的比较更加准确和可靠,通过标准化处理,可以确保所使用的数据在相同的尺度上进行分析和建模。其中,在进行标准化处理时,通过
对所述清洗数据进行标准化处理,其中,D normalized 为标准化后的数据,D clean 为清洗后的数据,min(Dclean)和max(Dclean)分别是清洗后的数据集Dclean的最小值和最大值,a和b是偏移量和缩放因子,因此,通过计算后可以使得不同参数之间的比较更加准确和可靠。
在步骤123中,通过统计分析方法,可以探索和量化不同沟槽参数之间的相互关系,可以获得它们之间的相关性信息,为后续建模和优化提供指导。其中,沟槽深度、沟槽宽度以及沟槽尾部位置之间的相关性的计算公式为:
,ρ XY 是沟槽深度X和沟槽宽度Y之间的加权相关系数,X i 和Y i 是第i个观测值,/>和/>是X和Y的样本均值,/>是第i个观测值的权重。因此,通过相关性计算,能够更准确地分析预处理数据中沟槽深度、沟槽宽度和沟槽尾部位置之间的关系。
在步骤124中,根据获得的相关性信息,可以构建数学模型来描述沟槽几何参数之间的关系,并与轴流泵水力性能进行关联。通过以上步骤,可以对沟槽几何参数进行数据清洗和预处理,并通过分析和建模,得到沟槽深度、沟槽宽度以及沟槽尾部位置的相关性信息,可以用于构建优化模型。
在本发明一优选的实施例中,上述步骤121,可以包括:
步骤1211,判断所述沟槽几何参数中是否存在缺失值,若是,则进行填充,以得到完整数据;
步骤1212,对所述完整数据中的异常值进行处理,以得到清洗数据。
在本发明实施例中,在步骤1211中,判断沟槽几何参数中是否存在缺失值,若存在,则进行填充,以得到完整的数据,缺失值是指在数据收集或记录过程中,某些数据项未能获取或记录的情况,通过判断和识别缺失值,并进行填充,可以确保数据的完整性和准确性,避免在后续分析和建模过程中因缺失数据而导致的偏差和误差。在步骤1212中,对完整数据中的异常值进行处理,以得到清洗数据,异常值是指与其他观测值相比明显不符合一般规律的数据点。异常值可能是由于测量误差、记录错误或其他因素导致的,如果不进行处理,可能会对后续分析和建模产生负面影响,通过识别和处理异常值,可以提高数据的质量和可靠性,确保后续分析和建模的准确性。
在本发明一优选的实施例中,上述步骤13,可以包括:
步骤131,获取初步的沟槽深度、沟槽宽度以及沟槽尾部位置;
步骤132,通过改变初步的沟槽深度、沟槽宽度以及沟槽尾部位置,分别获取对应的轴流泵水力性能;
步骤133,利用所述轴流泵水力性能对二次多项式模型进行拟合,构建响应曲面模型。
在本发明实施例中,在步骤131中,通过获取初始的沟槽参数数值,这些初始数值可以是根据已有轴流泵设计和性能数据推测得到的。在步骤132中,对初步的沟槽参数进行变化,观察和记录相应的轴流泵性能指标,如流量、扬程、效率等,通过多次改变沟槽参数的数值,可以获得一系列不同参数取值下的性能数据。在步骤133中,利用所获得的沟槽参数与轴流泵性能的数据,通过数学拟合方法(如最小二乘法),将数据拟合为一个二次多项式模型。这样的响应曲面模型可以描述沟槽参数与性能之间的关系,用于预测不同参数取值下的性能表现。通过以上步骤,可以获取初始的沟槽参数数值,并通过改变这些参数的取值,获得对应的轴流泵性能数据。然后利用这些数据构建二次多项式模型,建立起沟槽参数与性能之间的关系,这样的响应曲面模型可用于预测不同沟槽参数取值下轴流泵的性能。
在本发明实施例中,在步骤131中,获取初步的沟槽深度、沟槽宽度和沟槽尾部位置,其中,X initial =f 1 (X raw ),Y initial =f 2 (Y raw ),P initial =f 3 (P raw ),其中,X initial 、Y initial 和P initial 分别代表初步的沟槽深度、沟槽宽度和沟槽尾部位置,f 1 、f 2 和f 3 是对原始数据X raw 、Y raw 和P raw 进行预处理的函数。
在步骤132中,通过改变初步的沟槽深度、沟槽宽度以及沟槽尾部位置,分别获取对应的轴流泵水力性能,其中,具体的计算公式为:
,H(X,Y,P)代表对应于沟槽深度X、沟槽宽度Y和沟槽尾部位置P的轴流泵水力性能,g是一个函数,θ是轴流泵的参数。
在步骤133中,利用所述轴流泵水力性能对二次多项式模型进行拟合,构建响应曲面模型,其中,具体的计算公式为:
其中,f(X,Y,P)为响应曲面模型,a0至a16均为响应曲面模型的参数,X,Y,P分别为沟槽深度、沟槽宽度和沟槽尾部位置。因此,可以提供预测性能、优化设计、故障诊断和工程优化等方面的作用,从而提高轴流泵的性能和效益。
在本发明一优选的实施例中,上述步骤14,可以包括:
步骤141,通过梯度下降法对所述响应曲面模型进行数值求解;
步骤142,根据数值求解,获取使目标函数取得最小值或最大值时的参数值;
步骤143,根据所述参数值,确定目标沟槽几何参数。
在本发明实施例中,在步骤141中,通过对响应曲面模型的目标函数进行梯度计算,并根据梯度的方向进行参数调整,以逐步接近目标函数的最优解。在步骤142中,通过梯度下降法的迭代过程,可以逐步靠近目标函数的最优解。当算法达到收敛条件时,即找到了使目标函数取得最小值或最大值的参数值,这些参数值可以被视为优化后的沟槽几何参数,具有较好的轴流泵性能。在步骤143中,通过获取沟槽几何参数数值可以作为优化后的结果,用于实际的沟槽设计和制造,通过确定目标沟槽几何参数,可以实现轴流泵性能的最大化或最优化。通过以上步骤,利用梯度下降法对响应曲面模型进行数值求解,找到使目标函数取得最小值或最大值的参数值。这样的参数值可以作为优化后的沟槽几何参数,用于实际应用。通过该优化过程,可以实现轴流泵性能的优化和最大化。
在本发明一优选的实施例中,上述步骤15,可以包括:
步骤151,根据所述目标沟槽几何参数,对轴流泵进行三维流场数值模拟,以得到模拟结果;
步骤152,根据模拟结果,获取轴流泵与预期性能之间的差距;
步骤153,根据所述差距,对目标沟槽几何参数进行调整,并进行模拟分析,以得到最终的沟槽几何参数。
在本发明实施例中,通过比较模拟结果与预期性能的差异,可以评估轴流泵在当前沟槽几何参数下的表现,这样的差距分析可以提供反馈和指导,了解轴流泵设计的优劣和改进的方向。根据获得的差距信息,可以对目标沟槽几何参数进行调整。然后再次进行流场模拟分析,以评估调整后的沟槽几何参数对轴流泵性能的影响。通过迭代调整和分析,可以找到最终的沟槽几何参数,以实现预期的轴流泵性能。因此,通过以上步骤,可以使用流场模拟方法对轴流泵的性能进行分析和优化。根据模拟结果和预期性能的差距,调整目标沟槽几何参数,并进行多次模拟分析,直到满足预期性能要求。这样可以获得最终的沟槽几何参数,用于实际的轴流泵设计和制造。
在本发明一优选的实施例中,所述目标函数的计算公式为:
其中,R1为目标函数,H为轴流泵装置的扬程,η为计算域的水力效率,V u 为流速分布均匀度,ω为涡量分布极值。
在本发明实施例中,通过根据轴流泵装置的扬程、水力效率、流速分布均匀度和涡量分布极值,并通过最小化或最大化目标函数R1,可以实现对轴流泵装置的性能优化和最优化。
如图2所示,在实际应用时,所述沟槽1的长度方向沿进流方向(如附图2中的箭头方向),且沟槽1设置在进水管3的内壁上,环绕轴流泵叶轮2外壁及进水管外壁一周,沟槽1之间在圆周方向等间隔布置;轴流泵沟槽宽度W是指沟槽在叶轮室壁面的圆弧宽度所对应的圆心角的大小。
如图3所示,本发明的实施例还提供一种轴流泵沟槽参数的确定装置30,包括:
获取模块31,用于获取影响轴流泵水力性能的沟槽几何参数,所述沟槽几何参数包括沟槽深度、沟槽宽度以及沟槽尾部位置;构建沟槽几何参数与轴流泵水力性能相关的优化模型;
处理模块32,用于根据所述优化模型,以沟槽深度、沟槽宽度以及沟槽尾部位置为变量,构建响应曲面模型;根据所述响应曲面模型,通过数学优化计算,得出目标沟槽几何参数;根据目标沟槽几何参数,对轴流泵进行设计优化,以得到最终的沟槽几何参数。
可选的,构建沟槽几何参数与轴流泵水力性能相关的优化模型,包括:
对所述沟槽几何参数进行数据清洗,以得到清洗数据;
将所述清洗数据进行标准化处理,以将所述清洗数据转化为相同尺度的预处理数据;
对所述预处理数据将进行分析,以获取所述预处理数据中沟槽深度、沟槽宽度以及沟槽尾部位置之间的相关性;
根据相关性构建优化模型。
可选的,对所述沟槽几何参数进行数据清洗,以得到清洗数据,包括:
判断所述沟槽几何参数中是否存在缺失值,若是,则进行填充,以得到完整数据;
对所述完整数据中的异常值进行处理,以得到清洗数据。
可选的,根据所述优化模型,以沟槽深度、沟槽宽度以及沟槽尾部位置为变量,构建响应曲面模型,包括:
获取初步的沟槽深度、沟槽宽度以及沟槽尾部位置;
通过改变初步的沟槽深度、沟槽宽度以及沟槽尾部位置,分别获取对应的轴流泵水力性能;
利用所述轴流泵水力性能对二次多项式模型进行拟合,构建响应曲面模型。
可选的,根据所述响应曲面模型,通过数学优化计算,得出目标沟槽几何参数,包括:
通过梯度下降法对所述响应曲面模型进行数值求解;
根据数值求解,获取使目标函数取得最小值或最大值时的参数值;
根据所述参数值,确定目标沟槽几何参数。
可选的,根据目标沟槽几何参数,对轴流泵进行设计优化,以得到最终的沟槽几何参数,包括:
根据所述目标沟槽几何参数,对轴流泵进行三维流场数值模拟,以得到模拟结果;
根据模拟结果,获取轴流泵与预期性能之间的差距;
根据所述差距,对目标沟槽几何参数进行调整,并进行模拟分析,以得到最终的沟槽几何参数。
可选的,所述目标函数的计算公式为:
其中,R1为目标函数,H为轴流泵装置的扬程,η为计算域的水力效率,V u 为流速分布均匀度,ω为涡量分布极值。
需要说明的是,该装置是与上述方法相对应的装置,上述方法实施例中的所有实现方式均适用于该实施例中,也能达到相同的技术效果。
本发明的实施例还提供一种计算设备,包括:处理器、存储有计算机程序的存储器,所述计算机程序被处理器运行时,执行如上所述的方法。上述方法实施例中的所有实现方式均适用于该实施例中,也能达到相同的技术效果。
本发明的实施例还提供一种计算机可读存储介质,存储指令,当所述指令在计算机上运行时,使得计算机执行如上所述的方法。上述方法实施例中的所有实现方式均适用于该实施例中,也能达到相同的技术效果。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本发明所提供的实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
此外,需要指出的是,在本发明的装置和方法中,显然,各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本发明的等效方案。并且,执行上述系列处理的步骤可以自然地按照说明的顺序按时间顺序执行,但是并不需要一定按照时间顺序执行,某些步骤可以并行或彼此独立地执行。对本领域的普通技术人员而言,能够理解本发明的方法和装置的全部或者任何步骤或者部件,可以在任何计算装置(包括处理器、存储介质等)或者计算装置的网络中,以硬件、固件、软件或者它们的组合加以实现,这是本领域普通技术人员在阅读了本发明的说明的情况下运用他们的基本编程技能就能实现的。
因此,本发明的目的还可以通过在任何计算装置上运行一个程序或者一组程序来实现。所述计算装置可以是公知的通用装置。因此,本发明的目的也可以仅仅通过提供包含实现所述方法或者装置的程序代码的程序产品来实现。也就是说,这样的程序产品也构成本发明,并且存储有这样的程序产品的存储介质也构成本发明。显然,所述存储介质可以是任何公知的存储介质或者将来所开发出来的任何存储介质。还需要指出的是,在本发明的装置和方法中,显然,各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本发明的等效方案。并且,执行上述系列处理的步骤可以自然地按照说明的顺序按时间顺序执行,但是并不需要一定按照时间顺序执行。某些步骤可以并行或彼此独立地执行。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明所述原理的前提下,还可以作出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (8)
1.一种轴流泵沟槽参数的确定方法,其特征在于,所述方法包括:
获取影响轴流泵水力性能的沟槽几何参数,所述沟槽几何参数包括沟槽深度、沟槽宽度以及沟槽尾部位置;
构建沟槽几何参数与轴流泵水力性能相关的优化模型;
根据所述优化模型的相关性关系,以沟槽深度、沟槽宽度以及沟槽尾部位置为变量,构建响应曲面模型;
根据所述响应曲面模型,通过数学优化计算,得出目标沟槽几何参数;
根据目标沟槽几何参数,对轴流泵进行设计优化,以得到最终的沟槽几何参数;
其中,构建沟槽几何参数与轴流泵水力性能相关的优化模型,包括:
对所述沟槽几何参数进行数据清洗,以得到清洗数据;
将所述清洗数据进行标准化处理,以将所述清洗数据转化为相同尺度的预处理数据;
对所述预处理数据进行分析,以获取所述预处理数据中沟槽深度、沟槽宽度以及沟槽尾部位置之间的相关性;
根据相关性构建优化模型;
其中,根据所述优化模型的相关性关系,以沟槽深度、沟槽宽度以及沟槽尾部位置为变量,构建响应曲面模型,包括:
获取初步的沟槽深度、沟槽宽度以及沟槽尾部位置;
通过改变初步的沟槽深度、沟槽宽度以及沟槽尾部位置,分别获取对应的轴流泵水力性能;
利用所述轴流泵水力性能对二次多项式模型进行拟合,构建响应曲面模型。
2.根据权利要求1所述的轴流泵沟槽参数的确定方法,其特征在于,对所述沟槽几何参数进行数据清洗,以得到清洗数据,包括:
判断所述沟槽几何参数中是否存在缺失值,若是,则进行填充,以得到完整数据;
对所述完整数据中的异常值进行处理,以得到清洗数据。
3.根据权利要求1所述的轴流泵沟槽参数的确定方法,其特征在于,根据所述响应曲面模型,通过数学优化计算,得出目标沟槽几何参数,包括:
通过梯度下降法对所述响应曲面模型进行数值求解;
根据数值求解,获取使目标函数取得最小值或最大值时的参数值;
根据所述参数值,确定目标沟槽几何参数。
4.根据权利要求3所述的轴流泵沟槽参数的确定方法,其特征在于,根据目标沟槽几何参数,对轴流泵进行设计优化,以得到最终的沟槽几何参数,包括:
根据所述目标沟槽几何参数,对轴流泵进行三维流场数值模拟,以得到模拟结果;
根据模拟结果,获取轴流泵与预期性能之间的差距;
根据所述差距,对目标沟槽几何参数进行调整,并进行模拟分析,以得到最终的沟槽几何参数。
5.根据权利要求4所述的轴流泵沟槽参数的确定方法,其特征在于,所述目标函数的计算公式为:
其中,R1为目标函数,H为轴流泵装置的扬程,η为计算域的水力效率,V u为流速分布均匀度,ω为涡量分布极值。
6.一种轴流泵沟槽参数的确定装置,其特征在于,包括:
获取模块,用于获取影响轴流泵水力性能的沟槽几何参数,所述沟槽几何参数包括沟槽深度、沟槽宽度以及沟槽尾部位置;构建沟槽几何参数与轴流泵水力性能相关的优化模型;
处理模块,用于根据所述优化模型的相关性关系,以沟槽深度、沟槽宽度以及沟槽尾部位置为变量,构建响应曲面模型;根据所述响应曲面模型,通过数学优化计算,得出目标沟槽几何参数;根据目标沟槽几何参数,对轴流泵进行设计优化,以得到最终的沟槽几何参数;
其中,构建沟槽几何参数与轴流泵水力性能相关的优化模型,包括:
对所述沟槽几何参数进行数据清洗,以得到清洗数据;
将所述清洗数据进行标准化处理,以将所述清洗数据转化为相同尺度的预处理数据;
对所述预处理数据进行分析,以获取所述预处理数据中沟槽深度、沟槽宽度以及沟槽尾部位置之间的相关性;
根据相关性构建优化模型;
其中,根据所述优化模型的相关性关系,以沟槽深度、沟槽宽度以及沟槽尾部位置为变量,构建响应曲面模型,包括:
获取初步的沟槽深度、沟槽宽度以及沟槽尾部位置;
通过改变初步的沟槽深度、沟槽宽度以及沟槽尾部位置,分别获取对应的轴流泵水力性能;
利用所述轴流泵水力性能对二次多项式模型进行拟合,构建响应曲面模型。
7.一种计算设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1至5中任一项所述的方法。
8.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有程序,该程序被处理器执行时实现如权利要求1至5中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311423204.1A CN117150973B (zh) | 2023-10-31 | 2023-10-31 | 一种轴流泵沟槽参数的确定方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311423204.1A CN117150973B (zh) | 2023-10-31 | 2023-10-31 | 一种轴流泵沟槽参数的确定方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117150973A CN117150973A (zh) | 2023-12-01 |
CN117150973B true CN117150973B (zh) | 2024-01-26 |
Family
ID=88899204
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311423204.1A Active CN117150973B (zh) | 2023-10-31 | 2023-10-31 | 一种轴流泵沟槽参数的确定方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117150973B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN109236727A (zh) * | 2018-08-03 | 2019-01-18 | 江苏大学 | 一种基于仿生学的轴流泵叶片 |
CN111046505A (zh) * | 2019-11-28 | 2020-04-21 | 河海大学 | 基于响应面模型的轴流泵辐条参数优化设计方法 |
CN111079367A (zh) * | 2019-11-28 | 2020-04-28 | 河海大学 | 适用于不同进水锥管的轴流泵辐条优化设计方法 |
CN114970038A (zh) * | 2022-06-13 | 2022-08-30 | 河北工业大学 | 基于微沟槽的液体静压轴承油膜生热抑制表面设计方法 |
-
2023
- 2023-10-31 CN CN202311423204.1A patent/CN117150973B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN109236727A (zh) * | 2018-08-03 | 2019-01-18 | 江苏大学 | 一种基于仿生学的轴流泵叶片 |
CN111046505A (zh) * | 2019-11-28 | 2020-04-21 | 河海大学 | 基于响应面模型的轴流泵辐条参数优化设计方法 |
CN111079367A (zh) * | 2019-11-28 | 2020-04-28 | 河海大学 | 适用于不同进水锥管的轴流泵辐条优化设计方法 |
CN114970038A (zh) * | 2022-06-13 | 2022-08-30 | 河北工业大学 | 基于微沟槽的液体静压轴承油膜生热抑制表面设计方法 |
Non-Patent Citations (2)
Title |
---|
Multi-condition design optimization of groove flow control technique in an axial-flow pump;Jinghong Li 等;《Journal of Turbo & Jet-Engines》;摘要 * |
基于仿生沟槽结构的离心泵减阻降噪特性研究;郭超;《 中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》(第3期);C028-188 * |
Also Published As
Publication number | Publication date |
---|---|
CN117150973A (zh) | 2023-12-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108959778B (zh) | 一种基于退化模式一致性的航空发动机剩余寿命预测方法 | |
CN109214708B (zh) | 基于交叉熵理论优化支持向量机的电力系统风险评估方法 | |
CN111414703B (zh) | 一种滚动轴承剩余寿命预测方法及装置 | |
CN115659160A (zh) | 一种用于数字孪生模型优化的数据质量度量方法 | |
CN110705099B (zh) | 一种检定风电场出力相关性的方法 | |
CN114154360B (zh) | 一种高压内啮合齿轮泵多物理场概率数字孪生建模方法 | |
CN117029968A (zh) | 一种流量数据的诊断方法、系统、存储介质和电子设备 | |
CN117150973B (zh) | 一种轴流泵沟槽参数的确定方法及装置 | |
CN111709454A (zh) | 一种基于最优copula模型的多风电场出力聚类评估方法 | |
CN114757269A (zh) | 一种基于局部子空间-邻域保持嵌入的复杂过程精细化故障检测方法 | |
Das et al. | A novel framework for integrating data mining with control loop performance assessment | |
KR20220061713A (ko) | 스마트 미터의 결측치 대체 방법 및 이를 이용하는 스마트 미터 제어 시스템 | |
CN116611370A (zh) | 一种发射台导流模型的仿真分析方法、装置及计算设备 | |
CN114118633B (zh) | 一种基于先行关系的指标自优化预测方法及装置 | |
CN115718880A (zh) | 一种复杂装备退化阶段的预测方法 | |
CN114090959B (zh) | 一种河网结构约束下流域径流的随机时空插值方法 | |
CN115983137A (zh) | 基于相似性原理和深度学习的涡轮流场预测方法及相关装置 | |
CN111859773A (zh) | 基于正则化粒子滤波的电动闸阀故障确定方法及系统 | |
Noorian et al. | The use of the extended generalized lambda distribution for controlling the statistical process in individual measurements | |
Tao et al. | A new control chart based on the loess smooth applied to information system quality performance | |
CN111626586B (zh) | 数据质量检测方法、装置、计算机设备和存储介质 | |
Guo et al. | Weibull parameter estimation and reliability analysis with small samples based on successive approximation method | |
Ding et al. | Research on surface roughness prediction method based on composite penalty regression model | |
Devi et al. | Power output estimation of a steam turbine model using ridge regression | |
CN113742216B (zh) | 一种检测机器学习引擎的效率的方法、装置和存储介质 |
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 |