CN117648780B - 一种叶轮机械的参数优化方法、装置及计算机存储介质 - Google Patents

一种叶轮机械的参数优化方法、装置及计算机存储介质 Download PDF

Info

Publication number
CN117648780B
CN117648780B CN202410125752.4A CN202410125752A CN117648780B CN 117648780 B CN117648780 B CN 117648780B CN 202410125752 A CN202410125752 A CN 202410125752A CN 117648780 B CN117648780 B CN 117648780B
Authority
CN
China
Prior art keywords
component
outlet
inlet
enthalpy
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
Application number
CN202410125752.4A
Other languages
English (en)
Other versions
CN117648780A (zh
Inventor
魏征
刘驰
李强
王向
鲁宏博
郝帅
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.)
Shaanxi Aerospace Information Technology Co ltd
Original Assignee
Shaanxi Aerospace Information Technology 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 Shaanxi Aerospace Information Technology Co ltd filed Critical Shaanxi Aerospace Information Technology Co ltd
Priority to CN202410125752.4A priority Critical patent/CN117648780B/zh
Publication of CN117648780A publication Critical patent/CN117648780A/zh
Application granted granted Critical
Publication of CN117648780B publication Critical patent/CN117648780B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • 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
    • 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)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Fluid Mechanics (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Algebra (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Computational Mathematics (AREA)
  • Structures Of Non-Positive Displacement Pumps (AREA)

Abstract

本公开实施例公开了一种叶轮机械的参数优化方法、装置及计算机存储介质，叶轮机械的参数优化方法可以包括：获取叶轮机械中各部件的设计参数，其中，部件包括至少一个级，级包括至少一个组件；基于设计参数获取部件中的各组件的入口参数；基于动能损失系数和组件的入口参数确定组件的出口参数；根据组件的出口参数确定部件的目标参数。

Description

一种叶轮机械的参数优化方法、装置及计算机存储介质
技术领域
本公开实施例涉及计算机技术领域，尤其涉及一种叶轮机械的参数优化方法、装置及计算机存储介质。
背景技术
叶轮机械是一种将液体、气体和蒸汽传输、增压、增速、搅拌、搬运和压缩等的机械设备，被广泛应用于能源发电、污水处理、石油化工和航空航天等领域。它由一个或多个叶轮和壳体组成，通过旋转叶轮来转移流体或气体能量。
叶轮机械一维轴流求解器用于基于流体动力学原理以及数学原理，在数字层面上对叶轮机械的设计进行验证和优化。能够用于评估叶轮机械的真实性能以及其与设计要求的符合程度。但是现有技术中的一维轴流求解器中的参数优化的精度较低。
发明内容
有鉴于此，本公开实施例期望提供一种叶轮机械的参数优化方法、装置及计算机存储介质；能够解决一维轴流求解器中的参数优化精度较低的技术问题。
本公开实施例的技术方案是这样实现的：
第一方面，本公开实施例提供了叶轮机械的参数优化方法，包括：
获取所述叶轮机械中各部件的设计参数，其中，所述部件包括至少一个级，所述级包括至少一个组件；
基于所述设计参数获取所述部件中的各所述组件的入口参数；
获取动能损失系数，基于所述动能损失系数确定所述组件的出口参数；
根据所述组件的出口参数确定所述部件的目标参数。
在一些示例中，所述基于动能损失系数和所述组件的入口参数确定所述组件的出口参数，包括：
基于组件的入口参数和所述动能损失系数确定所述组件出口的实际静焓、相对总焓、等熵焓差、实际焓差；
根据所述组件出口的相对总焓、组件出口的实际焓差以及牵引速度系数修正所述组件出口的实际静焓；
基于修正后的所述组件出口的实际静焓与所述组件出口的实际焓差更新所述动能损失系数，直至所述组件出口的实际焓差、所述组件出口的等熵焓差、所述动能损失系数满足第一预设条件，并将满足所述第一预设条件的动能损失系数作为目标动能损失系数；
利用所述目标动能损失系数和所述组件的入口参数确定所述组件的出口参数。
在一些示例中，所述组件的入口参数包括所述组件的等熵声速，相对速度、入口焓值、入口熵值；
基于所述组件的入口参数和所述动能损失系数确定所述组件出口的实际静焓、相对总焓、等熵焓差、实际焓差，包括：
根据所述入口半径和所述出口半径确定所述组件出口的相对总焓；
基于所述相对总焓和所述入口熵值确定相对总压；
利用所述组件出口的等熵声速和所述相对总压确定所述组件出口的等熵焓差；
根据所述动能损失系数和所述组件出口的等熵焓差确定所述组件出口的实际焓差；
根据所述相对速度和所述入口焓值确定所述组件出口的相对总焓；
根据所述实际焓差和所述组件出口的相对总焓确定所述组件出口的实际静焓。
在一些示例中，所述基于修正后的所述组件出口的实际静焓与所述组件出口的实际焓差更新所述动能损失系数，包括：
获取预训练的目标损失模型；
将所述组件出口的实际静焓、所述组件出口的实际焓差、所述动能损失系数以及所述组件入口参数输入至所述目标损失模型以得到目标损失系数；
利用所述目标损失系数更新所述动能损失系数。
在一些示例中，所述基于所述动能损失系数和所述组件的入口参数确定所述组件的出口参数，包括：
获取预先设定的初始损失系数；
将所述初始损失系数和所述组件的入口参数输入至所述目标损失模型得到所述动能损失系数；
基于所述动能损失系数和所述组件的入口参数确定所述组件的出口参数。
在一些示例中，所述设计参数包括目标效率；所述组件的入口参数包括组件的热力学参数和组件的几何参数；
所述基于所述设计参数获取所述组件的入口参数，包括：
根据所述设计参数获取部件中各级的入口参数；
根据所述级的入口参数计算组件均径的热力学参数；
获取所述部件的总静焓差，并基于所述总静焓差确定均径半径；
基于所述均径半径和所述目标效率确定所述组件的几何参数。
在一些示例中，所述方法还包括：
基于所述级的入口参数和所述设计参数中部件的热力学参数确定所述部件的等熵焓差；
基于所述目标效率确定所述部件的实际焓差；
根据所述部件的等熵焓差和所述部件的实际焓差更新所述均径半径，直至所述部件的等熵焓差和所述部件的实际焓差满足第二预设条件。
第二方面，本公开实施例提供了叶轮机械的参数优化装置，包括：
第一获取模块，用于获取所述叶轮机械中各部件的设计参数，其中，所述部件包括至少一个级，所述级包括至少一个组件；
第二获取模块，用于基于所述设计参数获取所述组件的入口参数；
第一确定模块，基于动能损失系数和所述组件的入口参数确定所述组件的出口参数；
第二确定模块，根据所述组件的出口参数确定所述部件的目标参数。
第三方面，本公开实施例提供了一种电子设备，所述电子设备包括：处理器和存储器；所述处理器用于执行所述存储器中存储的指令，以实现第一方面所述的方法。
第四方面，本公开实施例提供了一种计算机存储介质，所述存储介质存储有至少一条指令，所述至少一条指令用于被处理器执行以实现如第一方面所述的方法。
本公开实施例提供了一种叶轮机械的参数优化方法、装置及计算机存储介质；首先获取叶轮机械中各部件的设计参数，其中，部件包括至少一个级，级包括至少一个组件；然后基于设计参数获取部件中的各组件的入口参数；之后基于动能损失系数和组件的入口参数确定组件的出口参数；最后根据组件的出口参数确定部件的目标参数。相较于现有技术，通过将部件分为部件、级以及组件，利用动能损失系数确定组件的出口数据，考虑到了动能损失，使得得到部件的目标参数的精度更高。
附图说明
图1为本公开实施例提供的一种部件的结构示意图。
图2为本公开实施例提供的一种级的结构示意图。
图3为本公开实施例提供的组件的结构示意图。
图4为本公开实施例提供的一种叶轮机械的参数优化方法的流程图。
图5为本公开实施例提供的一种确定目标参数的流程图。
图6为本公开实施例提供的能够实现叶轮机械的参数优化方法的软件框架示意图。
图7为本公开实施例提供的另一种叶轮机械的参数优化方法的流程图。
图8为本公开实施例提供的一种叶轮机械的参数优化装置的结构示意图。
图9为本公开实施例提供的一种电子设备的结构示意图。
通过上述附图，已示出本公开明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本公开构思的范围，而是通过参考特定实施例为本领域技术人员说明本公开的概念。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
叶轮机械可以分成多种类型，具体可以包括离心风机、涡轮机、离心泵、压缩机、风力涡轮机等。叶轮机械的研发和创新一直是国内的重要领域之一，国内的大学、研究院所和企业等都在叶轮机械相关的理论研究、设计优化、模拟仿真和制造技术等方面进行着积极的探索和实践。随着国内工业化进程的推进和技术水平的提升，叶轮机械在能源、化工、航空航天等重要领域的应用需求还将进一步增长。同时随着新材料、先进制造技术、数字化技术的不断成熟，叶轮机械在设计、制造和应用方面将迎来更多的创新和发展机会。
叶轮机械一维轴流求解器用于对叶轮机械进行一维仿真，一维仿真是基于一维坐标系，主要考虑流体在流向上的变化，适用于快速初步设计和参数分析，用于预测和评估叶轮机械的整体性能、流量分布和效率，是在系统级别的分析和初步设计。
参照图1、图2和图3，叶轮机械的仿真设计可以划分为部件、级、组件(转子和静子)，部件由一级或多级组成，级由至少一个组件组成。
一维轴流求解器的算法通常都是基于总功率、总效率平均到部件的各个级进行性能指标计算。在单级的仿真中，主要关注级内部的流动特性，如流速、压力、温度和流向角等，通过调整叶片的几何形状、级入口和级出口流动特性来改善机械效率、质量流量和压升/压降等。
上述方法简化了计算复杂度，但也会损失结果的精确度，这是因为叶片是轴流机械的最重要组成部分，直接影响着机械性能和流动特性，忽略了叶片间的流体流动会影响结果的准确度。
基于此，本公开首先提供一种叶轮机械的参数优化方法，图4示出了叶轮机械的参数优化方法的流程图，其中，上述叶轮机械的参数优化方法可以包括步骤S410至步骤S440。
在步骤S410中，获取叶轮机械中各部件的设计参数，其中，部件包括至少一个级，级包括至少一个组件。
在本公开的一些示例实施方式中，可以首先获取叶轮机械中的各个部件的设计参数，其中，设计参数用于表征叶轮机械需要达到的目标参数，举例而言，设计参数中，可以包括目标效率、部件的入口数据、总压、总温、转速。流量、级数、出入口总压比等参数，具体的参数可以基于用户需求进行自定义，在本示例中不做赘述。
在一些示例中，参照图1所示，部件可以包括部件入口和部件出口，部件中可以包括至少一个级，如第一级、第二级等。参照图2所示，每一个级中可以包括至少一个组件，举例而言，图1中的部件包括第一级和第二级，其中，每个级中可以包括至少一个组件，级可以包括级入口和级出口，图2中的级中包括两个组件，举例而言，组件中可以包括转子和静子。
其中，参照图3，以转子叶片为例，组件可以包括组件入口和组件出口，叶片可以包括叶顶、均径以及叶底。
需要说明的是，上述部件中级的数量、级中组件的数量、以及组件的具体形式均可以基于用户需求进行自定义，在本示例中不做赘述。
在步骤S420中，基于设计参数获取部件中的各组件的入口参数。
在一些示例实施方式中，可以采用线性差值算法，流体工质算法、积分算法等操作将上述设计参数下发至组件，计算上述组件入口的热力学数据和几何数据。
在一些示例中，可以首先根据设计参数获取部件中各级的入口参数，具体的，可以将已知的部件载荷系数、进气角等数据通过线性插值分配到各个级，以得到各级的入口参数，具体的，根据部件入口载荷系数和出口载荷系数，利用双线性插值计算级的入口载荷系数；据部件进气角和出气角，利用双线性插值计算级的进气角；根据已知的部件的出口静压以及部件的出入口总静压比计算级的入口总压。具体的确定过程可以参照相关技术，在此不做赘述。
其中，上述级的入口参数可以包括入口总压、级的目标效率、级的载荷系数、级的出入口压比等，级的入口参数的具体内容可以根据用户需求进行设定，在此不做赘述。
在得到上述各级的入口参数之后，可以基于上述级的入口参数计算组件均径的热力学参数。具体的，可以根据流体工质和上述级的入口参数计算组件均径的热力学参数，其中，组件均径的热力学参数可以包括总压、总温、熵值、比容、等熵声速、比热容、运动粘度等。
在一些示例中，还可以基于上述级的入口参数和设计参数中部件的热力学参数确定部件的等熵焓差，然后基于上述目标效率确定部件的实际焓差，根据部件的等熵焓差和部件的实际焓差更新均径半径，直至部件的等熵焓差和部件的实际焓差满足第二预设条件。
可选的，可以首先获取部件的总静焓差，并基于总静焓差确定均径半径，具体的，获取设计数据中已知的部件的入口总焓H0，利用设计数据中的部件的出口静压P和设计数据中的部件的入口熵值S计算部件出口的等熵静焓H_ise，进而得出部件的总静焓差（等熵焓差）delH = H0–H_ise，利用目标效率计算出部件的理论出口静焓H2，进而得出部件的理论总静焓差（实际焓差）delH2= H0–H2，利用delH与delH2的差值是否收敛为标准计算出上述组件的部分几何数据，即上述叶片的部分几何数据，如叶顶、均径以及叶底的半径。
也就是说，上述第二预设条件可以是部件的等熵焓差与部件的实际焓差的差值收敛。第二预设条件的具体内容还可以根据需求进行自定义，在此不做赘述。
在得到上述均径半径之后，可以基于上述均径半径和目标效率计算叶片的几何角、泄露损失比、局部进气系数、弦长比、曲率半径、环形通道面积、流道宽度、栅距、叶栅稠度、安装角、轴向间隙等几何数据，已完成对上述组件的入口参数的计算。
在步骤S430中，基于动能损失系数和组件的入口参数确定组件的出口参数。
在一些示例实施方式中，可以首先获取动能损失系数，具体的，可以首先获取一个预设的初始损失系数和目标损失模型。其中，动能损失系数用于描述机械内部流体流动过程中动能的损失，这种损失时由于流液体的摩擦、湍流、回流以及其他不规则流动导致的。
可以将上述初始损失系数和组件的入口参数输入至上述目标损失模型以得到动能损失系数。
在得到动能损失系数之后，可以基于上述动能损失系数以及上述组件入口参数确定上述组件的出口参数。
在一些示例实施方式中，参照图5，基于动能损失系数和组件的入口参数确定组件的出口参数可以包括步骤S510至步骤S540。
在步骤S510中，基于组件的入口参数和动能损失系数确定组件出口的实际静焓、相对总焓、等熵焓差、实际焓差。
在一些示例中，上述组件的入口参数可以包括组件的等熵声速、入口焓值、入口熵值、入口半径以及出口半径等，组件的入口参数的具体类型还可以根据用户需求进行自定义，在本示例中不做具体限定。
具体的，可以首先确定组件入口的相对总焓，然后根据入口半径和出口半径计算出出入口牵连速度差值，并基于出入口牵连速度差值和组件入口的相对总焓确定组件出口的相对总焓。其中，上述组件的入口参数还可以包括相对速度和入口焓值，上述组件入口的相对总焓可以基于上述相对速度，和入口焓值确定。
然后可以基于上述出口的相对总焓和入口熵值确定相对总压，接下来利用等熵声速和上述相对总压确定等熵焓差。
在得到上述组件出口的等熵焓差之后，可以根据动能损失系数和组件出口的等熵焓差确定组件出口的实际焓差；然后，根据实际焓差和组件出口的相对总焓确定组件出口的实际静焓。
在步骤S520中，根据组件出口的相对总焓、组件出口的实际焓差以及牵引速度系数修正组件出口的实际静焓。
在本公开的一些示例中，在得到上述组件出口的相对总焓、组件出口的实际焓差之后，可以获取牵引速度系数，牵引速度系数用于描述一个移动物体表面的牵引效应，这个系数是衡量流体对物体表面牵引力大小的一个参数，其中牵引速度系数的获取可以参照相关技术，在此不做赘述。
在得到上述牵引速度系数之后，可以根据上述牵引速度系数、组件出口的相对总焓、组件出口的实际焓差修正实际静焓。
在步骤S530中，基于修正后的组件出口的实际静焓与组件出口的实际焓差更新动能损失系数，直至组件出口的实际焓差、组件出口的等熵焓差、动能损失系数满足第一预设条件，并将满足预设条件的动能损失系数作为目标动能损失系数。
在本公开的一些示例中，可以首先获取预训练的目标损失模型，目标损失模型可以用于计算上述动能损失系数，具体的，上述目标损失模型的输入参数可以包括实际静焓、实际焓差、动能损失系数以及上述组件的入口参数，其中，上述目标损失模型可以包括失速损失模型、叶型损失模型、二次流损失模型、拉筋损失模型、尾缘损失模型、激波损失模型、端壁损失模型、叶尖间隙损失模型、湿气损失模型、轮盘摩擦损失模型、泄漏损失模型、最优冲角损失模型中的一个或多个，即目标损失模型可以是上述损失模型中的一个或多个构成。
可以将上述目标损失模型的输入参数输入至目标损失模型中得到目标损失系数，然后根据目标损失系数更新动能损失系数，具体的，采用上述目标损失系数的值替换上述动能损失系数的值。
在一些示例中，可以多次执行步骤S510至步骤S530，直至上述实际焓差、等熵焓差以及动能损失系数满足第一预设条件，其中，第一预设条件可以是上述实际焓差等熵焓差以及动能损失系数的值均在设定范围内，上述设定范围可以基于用户需求进行自定义，在本示例中不做赘述。
在一些示例中，在得到上述满足第一预设条件的动能损失系数之后，可以将满足第一预设条件的动能损失系数作为目标动能损失系数。
在步骤S540中，利用目标动能损失系数和组件的入口参数确定组件的出口参数。
在得到上述目标动能损失系数之后，可以利用上述目标动能损失系数计算得到上述组件的出口参数。
在一些示例中，采用满足第一预设条件的目标损失系数作为计算上述组件的出口参数，使得得到的组件的出口参数的精度更高，进而使得得到的目标参数的精度更高。
在步骤S440中，根据组件的出口参数确定部件的目标参数。
在一些示例中，在得到上述组件的出口参数之后，可以基于上述组件的出口参数以及级的出口参数得到上述部件的目标参数，具体过程可以参照相关技术，在此不做赘述。
其中，目标参数可以包括部件的热力学数据，部件的几何数据，级的热力学数据，级的几何数据等参数，目标参数的具体形式在本示例实施方式中不做赘述。
本实施例中的叶轮机械的参数优化方法，首先获取叶轮机械中各部件的设计参数，其中，部件包括至少一个级，级包括至少一个组件；然后基于设计参数获取部件中的各组件的入口参数；接下来基于动能损失系数和组件的入口参数确定组件的出口参数；最后根据组件的出口参数确定部件的目标参数。相较于现有技术，通过将部件分为部件、级以及组件，利用动能损失系数确定组件的出口数据，考虑到了动能损失，使得得到部件的目标参数的精度更高。
在一些示例实施方式中，上述叶轮机械的参数优化方法应用于求解器，上述叶轮机械的参数优化方法可以基于软件框架实现，具体的，参照图6，软件框架可以包括数据访问层、数据层、业务层、算法层。其中，数据访问层610可以用于解析磁盘文件初始化部件、级、组件参数，以及将部件、级、组件参数写入到磁盘。
数据层620可以用于存储模型数据，即存储叶轮机械的模型（压气机设计模型、涡轮设计模型），具体包括部件、级和组件相关的热力学参数、气动参数、效率参数、几何参数和容差数据等。
业务层630可以用于管理模型数据，用于控制部件、级、组件的创建和销毁，也可以用于控制部件与级、级与级、级与组件、组件与组件之间的数据更新与传递；还可以用来管理相关算法的调用；以及用来管理迭代计算的开始和结束。具体的，可以包括压气机的部件、级、组件的创建和销毁、涡轮的部件、级、组件的创建和销毁、迭代控制器等。
算法层640可以包括流体工质算法、损失模型算法以及其他算法。根据已知的气动参数、热力学参数，以及目标几何参数、目标效率等参数计算出部件、级、组件（转子和静子）相关联的气动参数、热力学参数、速度三角形、效率等参数。
在一些示例中，参照图7对上述叶轮机械的参数优化方法进行说明，上述叶轮机械的参数优化方法可以包括步骤S701至步骤S709。
在步骤S701中，获取部件的输入参数。
在步骤S702中，根据设计参数获取部件中各级的入口参数。
在步骤S703中，获取部件的总静焓差，并基于总静焓差确定均径半径。
在步骤S704中，基于级的入口参数和设计参数中部件的热力学参数确定部件的等熵焓差。
在步骤S705中，基于目标效率确定部件的实际焓差。
在步骤S706中，判断部件的等熵焓差和部件的实际焓差是否满足第二预设条件，若是，则执行步骤S707，若否，则执行步骤S708，根据部件的等熵焓差和部件的实际焓差更新均径半径，之后执行步骤S704。
在步骤S707中，基于均径半径和目标效率确定组件的几何参数，并根据级的入口参数计算组件均径的热力学参数。
在一些示例中，组件的入口参数可以包括组件的几何参数和组件的热力学参数。
在步骤S709中，获取动能损失系数；
在步骤S710中，基于动能损失系数和组件的入口参数确定组件的出口参数。
在步骤S711中，基于组件的出口参数和动能损失系数确定组件出口的实际静焓、相对总焓、等熵焓差、实际焓差。
在步骤S712中，根据组件出口的相对总焓、组件出口的实际焓差以及牵引速度系数修正实际静焓。
在步骤S713中，判断组件出口的实际焓差、组件出口的等熵焓差、动能损失系数满足是否第一预设条件。
在一些示例中，若否，则执行步骤S714，若是，则执行步骤715。
在步骤S714中，基于组件出口的实际静焓与组件出口的实际焓差更新动能损失系数。
在执行完步骤S714之后，可以执行步骤710。
在步骤S715中，将满足预设条件的动能损失系数作为目标动能损失系数，并利用目标动能损失系数确定部件的目标参数。
需要说明的是，步骤S701至步骤S714中的各步骤上述已经进行了详细说明，因此此处不在赘述。
本实施例中的叶轮机械的参数优化方法，获取叶轮机械中各部件的设计参数，其中，部件包括至少一个级，级包括至少一个组件；基于设计参数获取部件中的各组件的入口参数；基于动能损失系数和组件的入口参数确定组件的出口参数；根据组件的出口参数确定部件的目标参数。相较于现有技术，通过将部件分为部件、级以及组件，利用动能损失系数确定组件的出口数据，考虑到了动能损失，使得得到部件的目标参数的精度更高。进一步的，利用实际静焓与实际焓差更新了动能损失系数，并利用目标动能损失系数（更新后的动能损失系数）确定部件的目标参数，能够使得得到的目标参数的精度更高，更加贴合于实际情况。
进一步的，本公开还提供一种叶轮机械的参数优化装置，参照图8所示，叶轮机械的参数优化装置800可以包括第一获取模块810、第二获取模块820、第一确定模块830以及第二确定模块840。其中：
第一获取模块810可以用于获取叶轮机械中各部件的设计参数，其中，部件包括至少一个级，级包括至少一个组件。
第二获取模块820可以用于基于设计参数获取组件的入口参数。
第一确定模块830可以用于基于动能损失系数和组件的入口参数确定组件的出口参数。
第二确定模块840可以用于根据组件的出口参数确定部件的目标参数。
在一些示例中，第一确定模块830还可以用于基于组件的入口参数和动能损失系数确定组件出口的实际静焓、相对总焓、等熵焓差、实际焓差；根据组件出口的相对总焓、组件出口的实际焓差以及牵引速度系数修正组件出口的实际静焓；基于修正后的组件出口的实际静焓与组件出口的实际焓差更新动能损失系数，直至组件出口的实际焓差、组件出口的等熵焓差、动能损失系数满足第一预设条件，并将满足预设条件的动能损失系数作为目标动能损失系数；利用目标动能损失系数和组件的入口参数确定组件的出口参数。
在一些示例中，组件的入口参数包括组件的等熵声速，相对速度、入口焓值、入口熵值、入口半径以及出口半径，第一确定模块830还可以用于基于组件的入口参数和动能损失系数确定组件出口的实际静焓、相对总焓、等熵焓差、实际焓差，包括：根据入口半径和出口半径确定组件出口的相对总焓；基于相对总焓和入口熵值确定相对总压；利用组件出口的等熵声速和相对总压确定组件出口的等熵焓差；根据动能损失系数和组件出口的等熵焓差确定组件出口的实际焓差；根据实际焓差和组件出口的相对总焓确定组件出口的实际静焓。
在一些示例中，第一确定模块830还可以用于获取预训练的目标损失模型；将组件出口的实际静焓、组件出口的实际焓差、动能损失系数以及组件入口参数输入至目标损失模型以得到目标损失系数；利用目标损失系数更新动能损失系数。
在一些示例中，第一确定模块830还可以用于获取预先设定的初始损失系数；将初始损失系数和组件的入口参数输入至目标损失模型得到动能损失系数；基于动能损失系数和组件的入口参数确定组件的出口参数。
在一些示例中，设计参数包括目标效率；第二获取模块820还可以用于基于设计参数获取组件的入口参数，包括：根据设计参数获取部件中各级的入口参数；根据级的入口参数计算组件均径的热力学参数；获取部件的总静焓差，并基于总静焓差确定均径半径；基于均径半径和目标效率确定组件的几何参数。
在一些示例中，叶轮机械的参数优化装置800还可以用于基于级的入口参数和设计参数中部件的热力学参数确定部件的等熵焓差；基于目标效率确定部件的实际焓差；根据部件的等熵焓差和部件的实际焓差更新均径半径，直至部件的等熵焓差和部件的实际焓差满足第二预设条件。
请参考图9，其示出了本公开一个示例性实施例提供的电子设备的结构方框图。在一些示例中，电子设备可以为智能手机、智能手表、台式电脑、手提电脑、虚拟现实终端、增强现实终端、无线终端和膝上型便携计算机等设备中的至少一种。电子设备具有通信功能，可以接入有线网络或无线网络。电子设备可以泛指多个终端中的一个，本领域技术人员可以知晓，上述终端的数量可以更多或更少。可以理解地，电子设备承担本公开技术方案的计算及处理工作，本公开实施例对此不作限定。
应该理解，上述的装置实施例仅是示意性的，本公开的装置还可通过其它的方式实现。例如，上述实施例中单元/模块的划分，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、模块或组件可以结合，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。
另外，若无特别说明，在本公开各个实施例中的各功能单元/模块可以集成在一个单元/模块中，也可以是各个单元/模块单独物理存在，也可以两个或两个以上单元/模块集成在一起。上述集成的单元/模块既可以采用硬件的形式实现，也可以采用软件程序模块的形式实现。
集成的单元/模块如果以硬件的形式实现时，该硬件可以是数字电路，模拟电路等等。硬件结构的物理实现包括但不局限于晶体管，忆阻器等等。若无特别说明，处理器可以是任何适当的硬件处理器，比如CPU、GPU、FPGA、DSP和ASIC等等。若无特别说明，存储单元可以是任何适当的磁存储介质或者磁光存储介质，比如，阻变式存储器RRAM（ResistiveRandom Access Memory）、动态随机存取存储器DRAM（Dynamic Random Access Memory）、静态随机存取存储器SRAM（Static Random-Access Memory）、增强动态随机存取存储器EDRAM（Enhanced Dynamic Random Access Memory）、高带宽内存HBM（High-Bandwidth Memory）、混合存储立方 HMC（Hybrid Memory Cube）等等。
集成的单元/模块如果以软件程序模块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器中。基于这样的理解，本公开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全部或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器中，包括若干指令用以使得一台计算机设备（可为个人计算机、服务器或者网络设备等）执行本公开各个实施例方法的全部或部分步骤。而前述的存储器包括：U盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
如图9所示，该电子设备900可以包括：至少一个处理器910、存储器920、和通信接口930。
存储器920，用于存储程序。具体地，程序可以包括程序代码，程序代码包括计算机操作指令。
存储器920可能包含高速RAM存储器，也可能还包括非易失性存储器（non-volatile memory），例如至少一个磁盘存储器。
处理器910用于执行存储器920存储的计算机执行指令，以实现前述方法实施例所描述的叶轮机械的参数优化方法。其中，处理器910可能是一个中央处理器（CentralProcessing Unit，简称为CPU），或者是特定集成电路（Application Specific IntegratedCircuit，简称为ASIC），或者是被配置成实施本公开实施例的一个或多个集成电路。
该电子设备900还可以包括通信接口930，以通过通信接口930可以与外部设备进行通信交互。在具体实现上，如果通信接口930、存储器920和处理器910独立实现，则通信接口930、存储器920和处理器910可以通过总线相互连接并完成相互间的通信。总线可以是工业标准体系结构（Industry Standard Architecture，简称为ISA）总线、外部设备互连（Peripheral Component，简称为PCI）总线或扩展工业标准体系结构（Extended IndustryStandard Architecture，简称为EISA）总线等。总线可以分为地址总线、参数总线、控制总线等，但并不表示仅有一根总线或一种类型的总线。
可选的，在具体实现上，如果通信接口930、存储器920和处理器910集成在一块芯片上实现，则通信接口930、存储器920和处理器910可以通过内部接口完成通信。
本公开还提供了一种计算机可读存储介质，该计算机可读存储介质可以包括：U盘、移动硬盘、只读存储器随机存取存储器、磁盘或者光盘等各种可以存储程序代码的介质，具体的，该计算机可读存储介质中存储有程序指令，程序指令用于上述实施例中的叶轮机械的参数优化方法。
本公开实施例还提供了一种计算机程序产品，该计算机程序产品包括计算机指令，该计算机指令存储在计算机可读存储介质中；电子设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该电子设备执行以实现上述各个实施例的叶轮机械的参数优化方法。
本领域技术人员应该可以意识到，在上述一个或多个示例中，本公开实施例所描述的功能可以用硬件、软件、固件或它们的任意组合来实现。当使用软件实现时，可以将这些功能存储在计算机可读介质中或者作为计算机可读介质上的一个或多个指令或代码进行传输。计算机可读介质包括计算机存储介质和通信介质，其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是通用或专用计算机能够存取的任何可用介质。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。上述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
本领域技术人员在考虑说明书及实践这里申请的发明后，将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未申请的本技术领域中的公知常识或惯用技术手段。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求书来限制。

Claims (9)

1.一种叶轮机械的参数优化方法，其特征在于，包括：
获取所述叶轮机械中各部件的设计参数，其中，所述部件包括至少一个级，所述级包括至少一个组件；
基于所述设计参数获取所述部件中的各所述组件的入口参数；
基于动能损失系数和所述组件的入口参数确定所述组件的出口参数；
根据所述组件的出口参数确定所述部件的目标参数；
其中，所述基于动能损失系数和所述组件的入口参数确定所述组件的出口参数，包括：
基于组件的入口参数和所述动能损失系数确定所述组件出口的实际静焓、相对总焓、等熵焓差、实际焓差；
根据所述组件出口的相对总焓、组件出口的实际焓差以及牵引速度系数修正所述组件出口的实际静焓；
基于修正后的所述组件出口的实际静焓与所述组件出口的实际焓差更新所述动能损失系数，直至所述组件出口的实际焓差、所述组件出口的等熵焓差、所述动能损失系数满足第一预设条件，并将满足所述第一预设条件的动能损失系数作为目标动能损失系数；
利用所述目标动能损失系数和所述组件的入口参数确定所述组件的出口参数。
2.根据权利要求1所述的方法，其特征在于，所述组件的入口参数包括所述组件的等熵声速、入口焓值、入口熵值、入口半径以及出口半径；
基于所述组件的入口参数和所述动能损失系数确定所述组件出口的实际静焓、相对总焓、等熵焓差、实际焓差，包括：
根据所述入口半径和所述出口半径确定所述组件出口的相对总焓；
基于所述相对总焓和所述入口熵值确定相对总压；
利用所述组件出口的等熵声速和所述相对总压确定所述组件出口的等熵焓差；
根据所述动能损失系数和所述组件出口的等熵焓差确定所述组件出口的实际焓差；
根据所述实际焓差和所述组件出口的相对总焓确定所述组件出口的实际静焓。
3.根据权利要求2所述的方法，其特征在于，所述基于修正后的所述组件出口的实际静焓与所述组件出口的实际焓差更新所述动能损失系数，包括：
获取预训练的目标损失模型；
将所述组件出口的实际静焓、所述组件出口的实际焓差、所述动能损失系数以及所述组件入口参数输入至所述目标损失模型以得到目标损失系数；
利用所述目标损失系数更新所述动能损失系数。
4.根据权利要求3所述的方法，其特征在于，所述基于所述动能损失系数和所述组件的入口参数确定所述组件的出口参数，包括：
获取预先设定的初始损失系数；
将所述初始损失系数和所述组件的入口参数输入至所述目标损失模型得到所述动能损失系数；
基于所述动能损失系数和所述组件的入口参数确定所述组件的出口参数。
5.根据权利要求1所述的方法，其特征在于，所述设计参数包括目标效率；所述组件的入口参数包括组件的热力学参数和组件的几何参数；
所述基于所述设计参数获取所述组件的入口参数，包括：
根据所述设计参数获取部件中各级的入口参数；
根据所述级的入口参数计算组件均径的热力学参数；
获取所述部件的总静焓差，并基于所述总静焓差确定均径半径；
基于所述均径半径和所述目标效率确定所述组件的几何参数。
6.根据权利要求5所述的方法，其特征在于，所述方法还包括：
基于所述级的入口参数和所述设计参数中部件的热力学参数确定所述部件的等熵焓差；
基于所述目标效率确定所述部件的实际焓差；
根据所述部件的等熵焓差和所述部件的实际焓差更新所述均径半径，直至所述部件的等熵焓差和所述部件的实际焓差满足第二预设条件。
7.一种叶轮机械的参数优化装置，其特征在于，包括：
第一获取模块，用于获取所述叶轮机械中各部件的设计参数，其中，所述部件包括至少一个级，所述级包括至少一个组件；
第二获取模块，用于基于所述设计参数获取所述组件的入口参数；
第一确定模块，用于基于动能损失系数和所述组件的入口参数确定所述组件的出口参数；
第二确定模块，用于根据所述组件的出口参数确定所述部件的目标参数；
其中，所述基于动能损失系数和所述组件的入口参数确定所述组件的出口参数，包括：
基于组件的入口参数和所述动能损失系数确定所述组件出口的实际静焓、相对总焓、等熵焓差、实际焓差；
根据所述组件出口的相对总焓、组件出口的实际焓差以及牵引速度系数修正所述组件出口的实际静焓；
基于修正后的所述组件出口的实际静焓与所述组件出口的实际焓差更新所述动能损失系数，直至所述组件出口的实际焓差、所述组件出口的等熵焓差、所述动能损失系数满足第一预设条件，并将满足所述第一预设条件的动能损失系数作为目标动能损失系数；
利用所述目标动能损失系数和所述组件的入口参数确定所述组件的出口参数。
8.一种电子设备，其特征在于，所述电子设备包括：处理器和存储器；所述处理器用于执行所述存储器中存储的指令，以实现如权利要求1至6任一所述的方法。
9.一种计算机存储介质，其特征在于，所述存储介质存储有至少一条指令，所述至少一条指令用于被处理器执行以实现如权利要求1至6任一所述的方法。
CN202410125752.4A 2024-01-30 2024-01-30 一种叶轮机械的参数优化方法、装置及计算机存储介质 Active CN117648780B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410125752.4A CN117648780B (zh) 2024-01-30 2024-01-30 一种叶轮机械的参数优化方法、装置及计算机存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410125752.4A CN117648780B (zh) 2024-01-30 2024-01-30 一种叶轮机械的参数优化方法、装置及计算机存储介质

Publications (2)

Publication Number Publication Date
CN117648780A CN117648780A (zh) 2024-03-05
CN117648780B true CN117648780B (zh) 2024-05-07

Family

ID=90045567

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410125752.4A Active CN117648780B (zh) 2024-01-30 2024-01-30 一种叶轮机械的参数优化方法、装置及计算机存储介质

Country Status (1)

Country Link
CN (1) CN117648780B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113468824A (zh) * 2021-07-29 2021-10-01 北京全四维动力科技有限公司 计算叶轮机械叶片的损失系数的模型训练方法及计算方法
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
CN116090344A (zh) * 2023-01-31 2023-05-09 西安交通大学 一种适用于大变量数的多级叶轮优化方法及相关装置
CN116595874A (zh) * 2023-05-17 2023-08-15 清华大学 叶轮机械性能预测模型参数优化方法及装置、存储介质

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9933320B2 (en) * 2013-03-12 2018-04-03 Enverid Systems, Inc. Systems, methods and devices for measurement of rate of heat exchange of airflow systems
US20150199495A1 (en) * 2014-01-14 2015-07-16 Charles C. Solvason Performance analysis and monitoring of radial turbomachinery

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113468824A (zh) * 2021-07-29 2021-10-01 北京全四维动力科技有限公司 计算叶轮机械叶片的损失系数的模型训练方法及计算方法
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
CN116090344A (zh) * 2023-01-31 2023-05-09 西安交通大学 一种适用于大变量数的多级叶轮优化方法及相关装置
CN116595874A (zh) * 2023-05-17 2023-08-15 清华大学 叶轮机械性能预测模型参数优化方法及装置、存储介质

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Yueqiang Yue ; Hongyan Guan ; Chao Yang ; Dongsheng Wang ; Xizhe Du.Finite Element Analysis and Topology Optimization of the Impeller Structure of Fog Gun Fan.2023 4th International Conference on Mechatronics Technology and Intelligent Manufacturing (ICMTIM).2023,全文. *
基于遗传算法的计算机水冷循环泵叶轮优化;吕玉坤;肖卿宇;;电力科学与工程;20160328(第03期);全文 *
汽轮机叶片改型及三维气动优化设计;隋永枫;孙义冈;叶钟;孔建强;;热力透平;20110315(第01期);全文 *

Also Published As

Publication number Publication date
CN117648780A (zh) 2024-03-05

Similar Documents

Publication Publication Date Title
Kim et al. Optimization of the aerodynamic and aeroacoustic performance of an axial-flow fan
CN112417773B (zh) 多级轴流膨胀机的多学科优化设计方法、装置及设备
Krzemianowski et al. High specific speed Francis turbine for small hydro purposes-Design methodology based on solving the inverse problem in fluid mechanics and the cavitation test experience
Jiang et al. Performance prediction of the centrifugal compressor based on a limited number of sample data
Qian et al. Investigation on inner flow quality assessment of centrifugal pump based on Euler head and entropy production analysis
Diener et al. Multi-Disciplinary optimization of a mixed-flow compressor impeller
Zhang et al. Performance improvement of a pump as turbine in storage mode by optimization design based on genetic algorithm and fuzzy logic
CN116306365A (zh) 一种旋转机械的流体仿真方法
Robinson et al. An integrated approach to the aero-mechanical optimisation of turbo compressors
Huang et al. An optimal volute spiral case design for centrifugal fan: theoretical and experimental studies
Nejadali Shape optimization of regenerative flow compressor with aero-foil type blades using response surface methodology coupled with CFD
Hazby et al. Effects of blade deformation on the performance of a high flow coefficient mixed flow impeller
CN117648780B (zh) 一种叶轮机械的参数优化方法、装置及计算机存储介质
Liu et al. Application of biharmonic equation in impeller profile optimization design of an aero-centrifugal pump
Fei et al. Application of new empirical models based on mathematical statistics in the through-flow analysis
CN111241653B (zh) 基于蒙特卡洛法的多维度叶片误差性能影响仿真实现方法
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
Baloni et al. Design, development and analysis of centrifugal blower
Zhang et al. Numerical investigation and modeling of sweep effects on inlet flow field of axial compressor cascades
Dickmann et al. Unsteady flow in a turbocharger centrifugal compressor: 3D-CFD-simulation and numerical and experimental analysis of impeller blade vibration
Wu et al. Turbulent flow computation through a model Francis turbine and its performance prediction
CN114662218B (zh) 基于体积力模型的叶轮机模拟、失稳预测方法和装置
Younsi et al. Investigation and prediction models of the axial thrust in centrifugal compressors
Wilkinson et al. A comparison of actuator disc models for axial flow fans in large air-cooled heat exchangers
Xu et al. Development of a low flow coefficient single stage centrifugal compressor

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