科研之友
微信
新浪微博
Facebook
分享链接
摘要
为提高透平式能量回收一体机的水力性能，采用RBF神经网络、NSGA-Ⅱ遗传算法和数值模拟集成的设计方法，对高压泵进行多工况优化设计.以高压泵三工况点的加权平均效率为优化目标，设计工况点下的扬程为约束条件，结合Plackett-Burman筛选试验，将进口安放角、出口安放角、叶片出口宽度及叶片包角作为优化变量，采用最优拉丁超立方设计试验空间，基于Isight多学科优化平台，通过编写批处理命令集成CFturbo, ICEM,CFX,搭建智能水力优化平台，实现高压泵的CFD自动预报.基于数值模拟结果，利用RBF神经网络建立目标函数与几何参数之间的非线性关系，并运用NSGA-Ⅱ算法对该模型寻优.研究结果表明：RBF神经网络模型能够准确预测高压泵效率以及扬程与设计变量之间的关系；优化后高压泵与初始方案相比，3个工况点加权平均效率提高了3.38%,在0.8Qd,1.0Qd和1.2Qd工况下效率分别提高了2.21%,3.59%和4.23%;优化后叶轮在设计工况点附近轴功率略有减小；对比优化前后叶轮的流场分布，优化后的叶轮进口低速区减小，内部速度梯度分布更加均匀，流场得到明显改善，能量耗散减小.研究结果可为高压泵多工况水力优化设计提供一定理论依据.
- 单位
