基于径向基神经网络与NSGA-Ⅱ算法的渣浆泵多目标优化设计

发布时间：2017-07-26 01:18

  本文关键词：基于径向基神经网络与NSGA-Ⅱ算法的渣浆泵多目标优化设计

  更多相关文章： 渣浆泵 多目标优化 神经网络 遗传算法 数值模拟

【摘要】：渣浆泵输送的是固液两相介质,泵内流体的流动状态与清水泵相差甚远,设计也更为复杂,且其设计理论与设计方法尚不完善。在性能方面,渣浆泵主要存在着扬程低于设计扬程、效率低、磨损严重等问题,是现代安全高效生产中性能急需提升的一类设备。因此,优化设计渣浆泵,提高渣浆泵的各项性能,意义重大。本文在归纳与总结前人研究的基础上,采用Plackeet-Burman筛选试验设计、均匀试验设计,利用RBF神经网络,结合NSGA-Ⅱ遗传算法,对一比转速为75的离心式渣浆泵进行多目标优化设计,为改进渣浆泵的结构提供一种新的设计思路与有益参考。本文主要工作如下:1.整理归纳国内外研究者对渣浆泵的试验、模拟、优化等方面的工作,分析智能优化算法在流体机械领域的应用。2.利用双流体模型,建立并推导了渣浆泵的固液两相基本方程式,为渣浆泵的CFD计算提供了数学模型及理论依据。利用MATLAB软件建立了可控包角圆柱形叶片投影曲线方程,实现了叶片绘型的程序化。运用Pro/Engineer软件对渣浆泵进行实体造型、采用ICEM对模型泵计算域划分网格,并完成网格无关性验证。3.采用CFD数值模拟,对比分析模型泵在输送单相清水介质与固液两相介质时外特性曲线之间的差异。在固液两相介质工况下,进行了试验验证。分别在不同的初始固相浓度、颗粒粒径、固相颗粒密度下,将渣浆泵叶轮流道与蜗壳流道在z=0剖面上的静压分布图、叶轮流道在z=0剖面上的液相、固相相对速度矢量图进行对比,分析了产生差异的原因。4.由于可能影响渣浆泵高效区HE与最高效率PE的结构参数众多,运用Design Expert 8.0.5b软件对模型泵的12个结构参数进行Plackett-Burman筛选试验设计,筛选出3个结构参数作为优化变量,进行37水平均匀试验设计,构建RBF神经网络的训练、测试样本,建立结构参数和性能指标的内在联系。5.根据NSGA-Ⅱ遗传算法求得的Pareto最优解集,取其中2个极值个体所对应的渣浆泵进行CFD数值计算,并对比分析了与初始个体的外特性曲线、叶轮与蜗壳流道在z=0剖面上的绝对压力分布,叶轮流道在z=0剖面上的液相、固相相对速度矢量和湍动能分布,以及叶片工作面、背面、叶轮前盖板、后盖板的固相浓度分布的差异。取效率最优个体进行试验验证,并与初始个体的试验效率曲线对比,验证了NSGA-Ⅱ遗传算法用于渣浆泵优化设计的有效性。
【关键词】：渣浆泵 多目标优化 神经网络 遗传算法 数值模拟
【学位授予单位】：江苏大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TH38;TP18
【目录】：

• 摘要5-7
• Abstract7-11
• 第一章 绪论11-15
• 1.1 课题研究目的及意义11
• 1.2 渣浆泵研究现状11-14
• 1.3 本文研究的主要内容14-15
• 第二章 渣浆泵湍流模型与网格划分15-25
• 2.1 渣浆泵的基本方程式15-16
• 2.1.1 清水泵的基本方程式15
• 2.1.2 渣浆泵的两相流基本方程式15-16
• 2.2 渣浆泵内固液流动控制方程16-19
• 2.2.1 渣浆泵内液相流动控制方程16-18
• 2.2.2 渣浆泵内固相流动控制方程18-19
• 2.3 CFD工作流程19-20
• 2.4 渣浆泵全流道实体建模20-22
• 2.4.1 可控包角圆柱形叶片投影曲线方程的建立20-21
• 2.4.2 渣浆泵计算模型的建立21-22
• 2.5 计算域网格划分与无关性验证22-24
• 2.5.1 计算域网格划分22-23
• 2.5.2 网格数无关性验证23-24
• 2.6 本章小结24-25
• 第三章 渣浆泵流场计算与分析25-43
• 3.1 基本设计参数25
• 3.2 渣浆泵内湍流数值模拟方法及边界条件设置25-27
• 3.2.1 固液湍流模型选取25-26
• 3.2.2 两相流模型设置26
• 3.2.3 边界条件设置26-27
• 3.3 固液两相与清水工况时模型泵的外特性对比27-28
• 3.3.1 渣浆泵扬程预测27
• 3.3.2 渣浆泵效率预测27
• 3.3.3 模型泵固液两相与清水工况时外特性对比27-28
• 3.4 渣浆泵模型泵试验验证28-29
• 3.5 渣浆泵中压力场分析29-32
• 3.5.1 不同初始固相浓度时压力场分析29-30
• 3.5.2 不同颗粒粒径时压力场分析30-31
• 3.5.3 不同颗粒相密度时压力场分析31-32
• 3.6 渣浆泵叶轮流道中速度场分析32-38
• 3.6.1 不同初始固相浓度时相对速度分析32-34
• 3.6.2 不同颗粒粒径时相对速度分析34-36
• 3.6.3 不同颗粒相密度时相对速度分析36-38
• 3.7 颗粒对扬程、最高效率和高效区的影响38-42
• 3.7.1 高效区HE的定义38-39
• 3.7.2 颗粒对渣浆泵扬程、最高效率和高效区的影响39-42
• 3.8 本章小结42-43
• 第四章 渣浆泵水力性能预测模型43-62
• 4.1 渣浆泵初始几何参数43-44
• 4.2 筛选试验设计44-49
• 4.2.1 Plackett-Burman试验设计44-48
• 4.2.2 显著因素取值范围48-49
• 4.3 均匀试验设计49-54
• 4.3.1 均匀试验设计表构造50-52
• 4.3.2 样本空间求解52
• 4.3.3 样本空间的归一化处理52-54
• 4.4 人工神经网络建模54-61
• 4.4.1 数学回归与神经网络54
• 4.4.2 神经网络概述54-55
• 4.4.3 RBF神经网络55-58
• 4.4.4 RBF神经网络模型建立58-61
• 4.5 本章小结61-62
• 第五章 渣浆泵多目标优化62-77
• 5.1 多目标优化问题62-63
• 5.2 遗传算法63-66
• 5.2.1 遗传算法概述63-64
• 5.2.2 NSGA-Ⅱ遗传算法64-65
• 5.2.3 基于NSGA-Ⅱ遗传算法的优化流程65-66
• 5.3 优化结果66-76
• 5.3.1 基本优化结果66-68
• 5.3.2 优化前后的叶轮对比68-69
• 5.3.3 优化前后的外特性对比69-70
• 5.3.4 优化前后的内流场对比70-73
• 5.3.5 优化前后的磨损特性对比73-75
• 5.3.6 优化结果的试验验证75-76
• 5.4 本章小结76-77
• 第六章 总结与展望77-79
• 6.1 总结77-78
• 6.2 展望78-79
• 参考文献79-83
• 致谢83-84
• 攻读硕士学位期间发表的学术论文84

【相似文献】

中国期刊全文数据库 前10条

1 王广博;韩庆;钟小平;;NSGA-Ⅱ中重复个体的控制[J];科学技术与工程;2011年34期

2 周保民;张建国;;基于粒子融合NSGA-Ⅱ的永磁无刷直流电机多目标优化[J];电子世界;2013年07期

3 ;Improved NSGA-Ⅱ Multi-objective Genetic Algorithm Based on Hybridization-encouraged Mechanism[J];Chinese Journal of Aeronautics;2008年06期

4 柳高洁;顾克秋;;结合NSGA-Ⅱ算法和蒙特卡罗模拟技术实现结构的鲁棒优化[J];机械设计;2009年04期

5 孙丽洁;乐秀t，

本文编号：574152