大型风力机叶片多目标优化设计方法研究

发布时间：2019-05-05 06:52

【摘要】：叶片作为大型风力机的核心部件,其多学科、多准则耦合优化设计一直是研究的重点。大型风力机叶片设计是复杂的多目标优化问题,目前工程上都采用“气动设计-结构设计-验证-改进”的流程化设计思路,将叶片的气动设计和结构设计分开,依靠经验来实现众多变量、目标和约束之间的协调,获得的是可行解,而不是最优解,更无法实现与整机的最佳匹配。因而,通过改进设计方法,实现叶片的最优化设计,并立足于整机的匹配性改善来提升风力机的经济性,对我国乃至世界风能产业的发展都有重要的意义。本文致力于解决大型风力机叶片气动-结构耦合设计中的关键技术难点,通过提出高性能的约束多目标进化算法,发展叶片参数化模型,建立适合于优化的叶片气动计算方法和整机动力学计算方法,形成一套高效的大型风力机叶片气动-结构一体化优化设计方法,并开展了大型风力机叶片的高性能设计和验证。主要开展的研究工作包括:针对多目标优化设计对高性能优化算法的迫切需要,通过在多目标进化算法框架下构建Utopia参考向量系,利用当前种群最优解集的分布特性来构建锚点、Utopia平面和Utopia向量等关键要素,巧妙地克服了传统的“外围区域”投影问题,实现将经典算法中优秀多样性维持策略与进化算法高效耦合。再通过自主构建聚合适应度分配、种群关联等机制,结合强非支配分层策略、Latin超立方初始种群生成技术等与之匹配的高效算子,以及强调局部探索和开发能力的领域选择、SBX交叉和多项式变异等技术,发展了一种基于向量引导的高效多目标进化算法,称为单参考向量系多目标进化算法(SRS-MOEA)。在对多个系列测试函数的分析表明,SRS-MOEA在处理单形特征、连续阵面优化问题时,能够通过一次优化获取均匀分布的完整Pareto最优解集,极好地维持了种群的多样性,并大幅地提高了算法优化效率。对于复杂最优阵面和约束优化问题,通过设立双重无量纲Utopia参考向量系,建立了向量系之间动态耦合策略,再结合自主构建的新型聚合适应度分配、强非支配分层、种群关联等策略和机制,集成了强调局部探索和开发能力高效算子,增加了高效约束处理机制,形成了多参考向量系多目标进化算法(MRS-MOEA)。测试结果表明,MRS-MOEA在处理复杂阵面、大量约束、小种群及高维优化时都显示出了很强应对能力,为叶片反设计方法提供了可靠的高性能优化算法。自主开发了大型风力机叶片极限载荷计算方法和平台。以团队自主开发的Hawt Cad大型风力机设计辅助软件包为基础,集成风力机气动弹性计算方法、设计载荷工况生成方法和极限载荷分析方法,依据大型风力机国际设计标准,建立了适合于大规模并行计算的叶片极限载荷计算方法和程序平台,并以一款2MW叶片的极限载荷计算为例,验证了本计算方法的计算精度和可靠性。发展了高性能的大型风力机叶片多目标优化设计方法。开展了叶片的参数化建模;针对主要设计目标和关键约束条件建立了数学模型;结合高性能多目标进化算法和叶片极限载荷计算方法,建立了适合于叶片的气动-结构一体化优化设计方法。基于此方法,开展了1.5MW大型风力机叶片的两目标、三目标和四目标优化设计。优化结果表明,大型风力机叶片多目标设计是复杂的连续阵面优化问题,本方法能够高效地实现收敛,通过一次优化就获得了大量的、均匀分布的综合最优解;所设计的大型风力机叶片实现了气动和结构的最优匹配,其气动效率和力学性能分别在风洞试验和有限元校核中得到了确认。
[Abstract]:......
【学位授予单位】：南京航空航天大学
【学位级别】：博士
【学位授予年份】：2014
【分类号】：TM315;TP18

【参考文献】