The invention relates to the optimization design field of hydraulic machinery, in particular to a multi condition and multi-objective optimization design method of a hydraulic turbine impeller. The beneficial effects of the invention are as follows: training BP neural network optimization algorithm, establishing and updating approximate prediction model, reducing CFD calculation of large load, and obtaining enough prediction accuracy by less calculation. BP neural network optimization algorithm and NSGA II combined multi objective genetic algorithm, the algorithm continues to search the optimal solution set at the same time, taking into account the diversity of population, but also can improve the accuracy of. Using NSGA II multi-objective genetic algorithms to optimize the turbine impeller, can solve the traditional design and selection of hydraulic turbine impeller is difficult and prone to vibration, the optimal conditions of the hydraulic turbine from unstable power output, efficiency greatly is low and other issues, taking into account the turbine efficiency, axial force and radial force. Can effectively improve the operation ability of turbine.
【技术实现步骤摘要】
一种液力透平叶轮多工况多目标优化设计方法
本专利技术专利涉及水力机械的优化设计领域,特别是一种液力透平叶轮多工况多目标优化设计方法。
技术介绍
液力透平是将液体流体工质中的压力能转换为机械能的机械设备,利用液力透平可将工艺流程中的液体余压回收再利用,转换为机械能驱动机械设备,是一种能量回收装置,目前广泛应用于石油化工加氢裂化、大型合成氨以及海水淡化等领域。技术上,有20KW回收能量,就可用液力透平回收利用。能量回收液力透平技术及应用对节能减排有重要意义。液力透平主要有反转泵形式、冲击式、导叶式以及目前一些先进国家研发的专用能量回收液力透平。透平回收装置基本布置方式有直驱式和辅助式布置。液力透平能量回收装置应用广泛,其研究向着专门化、特殊化、多样化的方向发展。目前国内普遍使用的液力透平以的反转泵为主,不仅运行效率偏低,而且高效区相对较窄,启动过程耗费时间长,运行工况不稳定,制约了能量回收工程领域的发展。泵反转作液力透平运行对流量变化十分敏感,流量高于最优工况的10%时能量回收效率下降50%,流量低于最优工况的40%时,水力透平无回收功率而且在偏离最优工况点运行时会出现振动和转速、输出功率不稳定等不良现象,由此可见液力透平存在对运行工况的变化较为敏感等一系列问题。国内外一些学者研究发现液力透平在运行时叶轮中的水力损失占总水力损失的50%以上,这就说明液力透平水力性能欠佳的主要原因在于其叶轮性能较差。而反转泵作液力透平,其运行在透平工况时常常达不到标准,出现效率低、运行稳定性差、使用寿命短、存在严重的噪声和振动等一系列问题。基于液力透平以上一系列问题,本专利技术 ...
【技术保护点】
一种液力透平叶轮多工况多目标优化设计方法,其特征在于:首先确定液力透平泵叶轮关键几何参数作为优化设计变量及样本数,采用试验方法生成样本并对其进行筛选得到符合要求的样本点,对初始样本进行液力透平整体自动化造型、网格划分与CFD计算获得相应性能参数,建立优化样本数据库,导入BP神经网络模块经学习训练后建立优化算法的近似代理模型,最后将其内嵌入NSGA‑Ⅱ多目标遗传算法中,以0.7Q、1.0Q、1.2Q三个流量工况点下的效率、径向力和轴向力最优为目标,进行遗传算法的寻优求解,解出叶轮整体的最优解集。一种液力透平叶轮多工况多目标优化设计方法,具体实现步骤如下:Step1:确定液力透平叶轮设计变量、目标函数以及参数约束条件;其次,采用试验设计方法在设计变量的空间内生成设计变量的试验样本;最后,采用Pro/E软件对液力透平初始模型中的变量进行批量参数化设计;Step2:制作网格及CFD软件的批处理文件,实现液力透平所有的试验样本进行自动网格划分与性能CFD计算,最后得到所有模型的性能值;Step3:获得所有样本模型对应的性能参数后,根据试验样本的几何参数和对应液力透平的性能参数训练BP神经网络,以 ...
【技术特征摘要】
1.一种液力透平叶轮多工况多目标优化设计方法,其特征在于:首先确定液力透平泵叶轮关键几何参数作为优化设计变量及样本数,采用试验方法生成样本并对其进行筛选得到符合要求的样本点,对初始样本进行液力透平整体自动化造型、网格划分与CFD计算获得相应性能参数,建立优化样本数据库,导入BP神经网络模块经学习训练后建立优化算法的近似代理模型,最后将其内嵌入NSGA-Ⅱ多目标遗传算法中,以0.7Q、1.0Q、1.2Q三个流量工况点下的效率、径向力和轴向力最优为目标,进行遗传算法的寻优求解,解出叶轮整体的最优解集。一种液力透平叶轮多工况多目标优化设计方法,具体实现步骤如下:Step1:确定液力透平叶轮设计变量、目标函数以及参数约束条件;其次,采用试验设计方法在设计变量的空间内生成设计变量的试验样本;最后,采用Pro/E软件对液力透平初始模型中的变量进行批量参数化设计;Step2:制作网格及CFD软件的批处理文件,实现液力透平所有的试验样本进行自动网格划分与性能CFD计算,最后得到所有模型的性能值;Step3:获得所有样本模型对应的性能参数后,根据试验样本的几何参数和对应液力透平的性能参数训练BP神经网络,以设计变量为近似模型的输入参数,以与之对应的性能参数为输出参数,建立近似代理模型;Step4:对种群中的每个个体进行性能评估以及遗传进化操作,其中个体性能评估功能是通过训练好的并内嵌于遗传算法中的代理模型来实现。采用NSGA-Ⅱ多目标遗传算法对叶轮几何参数进行优化时,首先随机生成初始种群,初始种群中的个体编码;其次,对种群中每个个体进行性能评估,性能参数与目标函数相关;最后,有了每个个体的遗传基因以及目标函数后根据其原理对种群进行遗传操作直至满足算法终止准则,得到多目标优化的Pareto优化解集;Step5:对于获得的Pareto优化解集,采用基于组合赋权法对其进行选优,从该Pareto最优解集中选择一个最适合液力透平多工况高效平稳运行的最优解,从而获得最终优化设计的最优水力模型。2.如权利要求1中所述的一种液力透平叶轮多工况多目标优化设计方法,其特征在于:所述设计变量,参数约束条件以及目标函数如下:(1)设计变量:X=[D1,D2,α1,α2,R1,R2,b2,β2,Φ,Z]T,X—维数为10的设计变量向量;D1—透平叶轮出口直径,m;D2—透平叶轮入口直径,m;α1—透平叶轮前盖板倾角,°;α2—透平叶轮后盖板倾角,°;R1—透平叶轮前盖板圆弧半径,m;R2—透平叶轮后盖板圆弧半径,m;b2—透平叶轮进口轴向宽度,m;β2—透平叶轮叶片进口安放角,°;Φ—透平叶轮叶片包角,°;Z—透平叶轮叶片数,枚;(2)设计变量约束条件分别为:
【专利技术属性】
技术研发人员:曹新泽,曹大清,王秀礼,
申请(专利权)人:滨州东瑞机械有限公司,
类型:发明
国别省市:山东,37
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。