基于神经网络的离心压缩机叶片优化研究

发布时间：2017-05-20 03:07

  本文关键词：基于神经网络的离心压缩机叶片优化研究，由笔耕文化传播整理发布。

【摘要】：离心叶轮是压缩机做功的主要部件，叶片的形状对其内流性能具有重要影响。因此研究优化叶片形状，提升叶轮内流性能，降低能耗具有重要意义。 本文基于神经网络采用正命题方法，以叶轮叶片为研究对象，以叶轮的等熵效率、总压比为目标参数，通过改变叶片形状来研究探讨叶片的优化设计方法。 本文首先解决了叶片参数化的问题，对比研究了Bezier和B样条两种拟合方法的优劣，最终确定用Bezier曲线对叶片形状进行拟合。这样叶片形状就可用Bezier曲线的控制点坐标来控制，解决了叶片参数化的问题。 其次在流场求解方法的选择上，本文为了节约计算时间，在对比了三维CFD和二维流线曲率法后，决定采用基于二维流线曲率法的Throughflow软件作为此次优化的流场求解器。流场求解器用于生成初期样本点，验证优化后叶片的预测性能。 由于流场计算仿真所耗时间过长，而且叶片形状参数与优化目标之间的关系很难用解析式进行表达，因此本文采用了BP神经网络作为近似模型替代真实流场求解器对性能进行预测。通过预先产生的样本点不断训练神经网络，直到其预测精度提高到要求值。在此基础上引入了多目标遗传算法在参数给定的范围内进行全局寻优，，将神经网络嵌入进遗传算法里，由BP网络来评价适应度值，然后得到Pareto最优解。以上整个优化系统是以Bezier控制点为输入参数，神经网络预测值为输出参数，进行迭代寻优，直到达到设定的迭代步数为止。 本文最后针对某型压缩机叶片进行优化，验证了该方法的有效性。结果显示，优化后的叶片其效率提高了0.126%、压比提高了0.577%，因此该方法是一种可靠有效的叶片优化设计方法。
【关键词】：叶片 多目标遗传算法 BP神经网络 优化 参数化
【学位授予单位】：重庆大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TH452;TP183
【目录】：

• 摘要3-4
• ABSTRACT4-9
• 1 绪论9-15
• 1.1 课题研究背景和意义9
• 1.2 国内外研究现状9-12
• 1.3 研究目的及内容12-15
• 1.3.1 研究目的12
• 1.3.2 研究内容12-15
• 2 压缩机叶片内流场数值仿真15-33
• 2.1 引言15-16
• 2.2 叶片流线曲率法16-19
• 2.2.1 子午面控制方程17-18
• 2.2.2 回转面控制方程18
• 2.2.3 求解流程18-19
• 2.3 叶片三维 CFD 数值方法19-29
• 2.3.1 CFD 控制方程19-21
• 2.3.2 湍流模型21-22
• 2.3.3 网格生成方法22-25
• 2.3.4 控制方程离散方法25-27
• 2.3.5 求解流程27-29
• 2.4 叶片边界条件29
• 2.5 叶片流场仿真结果分析29-32
• 2.6 小结32-33
• 3 压缩机叶片参数化研究33-43
• 3.1 引言33-34
• 3.2 Bezier 曲线拟合法34-35
• 3.2.1 伯恩斯坦基函数的性质34-35
• 3.2.2 贝塞尔曲线的性质35
• 3.3 B 样条曲线拟合法35-37
• 3.3.1 B 样条基函数及其性质36
• 3.3.2 B 样条曲线的性质36-37
• 3.4 拟合曲线控制顶点反算37-38
• 3.4.1 Bezier 曲线拟合37
• 3.4.2 B 样条曲线拟合37-38
• 3.4.3 最小二乘逼近38
• 3.5 基于 Bezier 和 B 样条曲线的叶片参数化38-40
• 3.6 小结40-43
• 4 目标函数近似模型构建43-55
• 4.1 引言43
• 4.2 ANN 神经网络基本概念43-48
• 4.2.1 人工神经元模型43-45
• 4.2.2 ANN 网络结构45-46
• 4.2.3 神经元的网络模型及工作方式46-47
• 4.2.4 神经网络的学习47-48
• 4.3 BP 神经网络48-50
• 4.3.1 BP 网络的学习算法48-49
• 4.3.2 BP 神经网络算法的改进49-50
• 4.4 RBF 径向基神经网络50-51
• 4.4.1 正则化理论50-51
• 4.4.2 RBF 的学习算法51
• 4.5 神经网络的建立及结果分析51-54
• 4.6 小结54-55
• 5 全局寻优算法研究55-65
• 5.1 引言55
• 5.2 标准遗传算法简介55-59
• 5.2.1 编码方法56-57
• 5.2.2 适应度函数57
• 5.2.3 遗传算子57-59
• 5.3 多目标算法59-62
• 5.3.1 多目标优化问题59
• 5.3.2 Pareto 多目标最优解集59-60
• 5.3.3 多目标遗传算法流程60-61
• 5.3.4 NSGA-II 算法61-62
• 5.4 多目标遗传寻优及结果分析62-64
• 5.5 小结64-65
• 6 压缩机叶片的优化65-79
• 6.1 引言65-66
• 6.2 叶片优化策略及方法66-71
• 6.2.1 优化前处理66-67
• 6.2.2 优化方法和步骤67-68
• 6.2.3 输入输出参数相关分析68-70
• 6.2.4 BP 神经网络的预测70-71
• 6.3 叶片优化结果分析71-78
• 6.4 小结78-79
• 7 总结与展望79-81
• 7.1 全文总结79
• 7.2 研究展望79-81
• 致谢81-83
• 参考文献83-87
• 附录87
• A. 作者在攻读学位期间发表的论文目录87
• B. 作者在攻读硕士学位期间参加的科研项目及得奖情况87

【参考文献】

中国期刊全文数据库 前10条

1 舒信伟;谷传纲;肖军;高闯;;基于均匀设计和遗传算法的离心压缩机叶片优化设计[J];动力工程;2007年05期

2 孙正中;苏莫明;钱泽球;;离心压缩机叶轮S_2流面正反命题的研究[J];风机技术;2007年06期

3 苗永淼,王尚锦;径、混流式三元叶轮“全可控涡”设计的理论和方法[J];工程热物理学报;1981年02期

4 戴韧,陈康民,王企鲲;离心压气机叶轮内部流动的数值研究:分流叶片的作用[J];工程热物理学报;2004年S1期

5 陈波;高学林;袁新;;基于NURBS的叶片全三维气动优化设计[J];工程热物理学报;2006年05期

6 汪创华;刘静;姚瑞锋;王军;;离心叶轮长、短叶片参数对压缩机性能影响分析[J];工程热物理学报;2013年02期

7 刘正先;邢海澎;陈丽英;;基于叶片载荷分布的离心叶轮气动优化[J];工程热物理学报;2013年03期

8 吴立强,尹泽勇,蔡显新;航空发动机涡轮叶片的多学科设计优化[J];航空动力学报;2005年05期

9 汪光文;周正贵;胡骏;;基于优化算法的压气机叶片气动设计[J];航空动力学报;2008年07期

10 朱阳历;王正明;陈海生;谭春青;;叶片全三维反问题优化设计方法[J];航空动力学报;2012年05期

中国博士学位论文全文数据库 前1条

1 朱阳历;叶轮机械叶片全三维反问题优化设计方法研究[D];中国科学院研究生院（工程热物理研究所）;2012年

  本文关键词：基于神经网络的离心压缩机叶片优化研究，由笔耕文化传播整理发布。

本文编号：380522