本发明专利技术涉及一种指尖密封的混合教与学优化方法，属于柔性密封技术领域。本发明专利技术首先，通过均匀试验设计法和ANSYS软件仿真获取多组结构参数及其对应的迟滞率ε和平均接触压力P作为BP神经网络的训练数据集；其次，通过训练BP神经网络分别构建迟滞率ε、平均接触压力P与指尖密封结构参数间的隐式映射关系；最后，依据映射关系，结合pareto支配法，以最小化迟滞率ε和平均接触压力P为目标，采用混合教与学优化方法对指尖密封的结构参数进行优化；本发明专利技术方法具有较高的鲁棒性和优化性能，能合理搜索指尖密封结构参数优化问题的解空间；获取的Pareto最优解集能满足实际工程中多偏好决策的需求；具有易理解、易移植、参数少、框架简单、并行搜索能力强、便于推广等特点。便于推广等特点。便于推广等特点。
【技术实现步骤摘要】
一种指尖密封的混合教与学优化方法
[0001]本专利技术涉及一种指尖密封的混合教与学优化方法，属于柔性密封
技术介绍
[0002]随着现代科学技术的飞速发展，航空界对航空发动机的推重比、燃油效率、可靠性及运行成本等方面的工况要求愈加严苛。传统的密封结构逐渐难以满足现代航空发动机的工况需求。研究发现，先进的密封技术对于提高航空发动机整机性能具有重要作用且其优良的性价比特性也已得到航空界研究人员的广泛认同。指尖密封是继刷式密封之后出现的一种能够适应转子轴向和径向跳动而不损伤密封整体性能的先进柔性密封，主要用于航空发动机的气路密封和主轴密封。
[0003]提高指尖密封工作性能和寿命的关键是解决迟滞和磨损问题。迟滞和磨损受指尖密封结构参数的影响，主要结构参数有基圆半径r
b
、指尖梁个数n，指尖靴高度x
g
，下游保护高度g
d
。指尖密封的迟滞和磨损两个性能反映在指尖密封的结构上是相互矛盾的。目前迟滞和磨损两个性能在指尖密封的结构设计中已得到较多研究，但是研究均是针对迟滞或磨损中某单一性能开展，同时考虑两者的研究尚且不多。
[0004]指尖密封的整体性能与迟滞和磨损均相关，这一相互矛盾的性能指标构成了典型的多目标优化问题。现有的指尖密封性能优化方法仅为决策者提供了一种决策方案，但是仅提供一种决策方案是难以反映多目标优化问题的本质和特性，且在现实中决策者的偏好往往因工程实际的需求具有多样性。因此，需要开展可获取多种决策方案的指尖密结构参数多目标性能优化研究。
技术实现思路
[0005]本专利技术所要解决的技术问题是提供一种指尖密封的混合教与学优化方法，用于在提升指尖密封性能的同时为决策者提供多种不同偏好的决策方案以满足工程实际多样性的需求。
[0006]本专利技术采用的技术方案是：一种指尖密封的混合教与学优化方法，首先，通过均匀试验设计法和ANSYS软件仿真获取多组结构参数及其对应的迟滞率ε和平均接触压力P作为BP神经网络的训练数据集；其次，通过训练BP神经网络分别构建迟滞率ε、平均接触压力P与指尖密封结构参数间的隐式映射关系；最后，依据映射关系，结合pareto支配法，以最小化迟滞率ε和平均接触压力P为目标，采用混合教与学优化方法对指尖密封的结构参数进行优化；具体步骤如下：
[0007]Step1、使用均匀试验设计方法得到多组指尖密封结构参数其中，x
i
表示第i组结构参数，即决策变量，表示第i组结构参数中的基圆半径；n表示第i组结构参数中的指尖梁个数；表示第i组结构参数中的指尖靴高度；表示第i组结构参数中的下游保护高度；
[0008]Step2、使用ANSYS软件对Step1中的每组结构参数对应的指尖密封结构进行有限元分析，获取对应的迟滞率ε和平均接触压力P，从而得到用于BP神经网络的训练数据集；
[0009]Step3、采用Step2中的训练数据集训练BP神经网络，分别构建迟滞率ε、平均接触压力P与Step1中指尖密封结构参数之间的隐式映射关系；
[0010]Step4、根据Step3中建立以同时最小化迟滞率ε和平均接触压力P为目标的指尖密封结构参数优化模型；
[0011]minF(x)＝[ε(x),p(x)]ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
[0012]ε(x)＝net1(x)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)
[0013]p(x)＝net2(x)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)
[0014]其中，F(x)表示优化目标；ε(x)表示迟滞率；p(x)表示平均接触压力；x表示决策变量；net1表示迟滞率与结构参数建立的映射关系；net2表示平均接触压力与结构参数建立的映射关系；
[0015]决策变量为：
[0016]x＝[r
b
,n,x
g
,g
d
]ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)
[0017]其中，r
b
表示基圆半径；n表示指尖梁个数；x
g
表示指尖靴高度；g
d
表示下游保护高度；
[0018]约束条件为：
[0019]10mm≤r
b
≤14mm
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)
[0020]24≤n≤54
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)
[0021]0.3mm≤x
g
≤0.7mm
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(7)
[0022]0.2mm≤g
d
≤0.4mm
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(8)
[0023]优化结果为：
[0024]x
*
＝arg{F(x)}
→
min
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(9)
[0025]其中，x
*
表示同时最小化迟滞率和平均接触压力时的最优决策变量；
[0026]Step5、对Step4的优化模型采用混合教与学优化方法进行优化求解，具体求解步骤为：
[0027]1)：初始化算法参数并随机生成初始种群，其中，种群规模设定为50，算法最大迭代次数设定为200，初始种群为
[0028][0029]2)：根据式(2)、(3)计算初始种群中每个个体的优化指标，如个体则有ε(x1)＝net1(x1)，p(x1)＝net2(x1)；
[0030]3)：根据Pareto支配规则获取或更新现有种群的Pareto解集，Pareto支配法主要用于对多目标优化问题的解进行评价；
[0031]4)：“教学”阶段，从Pareto解集中随机选取一个个体作为“教师”，种群中的其他个体依次通过向“教师”学习的方式进行更新获取新解，然后新解与现有解运用Pareto支配规
则进行评价，若新解可以Pareto支配现有解，则用新解更新替代现有解，否则现有解保持不变，算法返回继续运行，新解产生方式如式(11)所示：
[0032][0033]其中，表示现有种群中第i个个体；表示现有种群中第i个个体对应的新解；
△
i
表示现有种群中第i个个体与“教师”的差异值；rand
i
表示0～1的一个随机数；表示从Pareto解集中随机选取的“教师”；表示Pareto解集中个体的平均值；T表示一个随机数，其值为1或2；
[0034]5)：“互学”阶段，对“教学”阶段更新后的种群个体依次执行，
①
从种群中任选两个个体和若可以Pareto支配则依式(12)获取新解，否则依式(13)获取新解；
②
若新解可以Pareto支配现有解，则用新解更新替代本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种指尖密封的混合教与学优化方法，其特征在于：首先，通过均匀试验设计法和ANSYS软件仿真获取多组结构参数及其对应的迟滞率ε和平均接触压力P作为BP神经网络的训练数据集；其次，通过训练BP神经网络分别构建迟滞率ε、平均接触压力P与指尖密封结构参数间的隐式映射关系；最后，依据映射关系，结合pareto支配法，以最小化迟滞率ε和平均接触压力P为目标，采用混合教与学优化方法对指尖密封的结构参数进行优化；具体步骤如下：Step1、使用均匀试验设计方法得到多组指尖密封结构参数其中，x
i
表示第i组结构参数，即决策变量；表示第i组结构参数中的基圆半径；n表示第i组结构参数中的指尖梁个数；表示第i组结构参数中的指尖靴高度；表示第i组结构参数中的下游保护高度；Step2、使用ANSYS软件对Step1中的每组结构参数对应的指尖密封结构进行有限元分析，获取对应的迟滞率ε和平均接触压力P，从而得到用于BP神经网络的训练数据集；Step3、采用Step2中的训练数据集训练BP神经网络，分别构建迟滞率ε、平均接触压力P与Step1中指尖密封结构参数之间的隐式映射关系；Step4、根据Step3中建立以同时最小化迟滞率ε和平均接触压力P为目标的指尖密封结构参数优化模型；min F(x)＝[ε(x),p(x)]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)ε(x)＝net1(x)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)p(x)＝net2(x)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)其中，F(x)表示优化目标；ε(x)表示迟滞率；p(x)表示平均接触压力；x表示决策变量；net1表示迟滞率与结构参数建立的映射关系；net2表示平均接触压力与结构参数建立的映射关系；决策变量为：x＝[r
b
,n,x
g
,g
d
]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)其中，r
b
表示基圆半径；n表示指尖梁个数；x
g
表示指尖靴高度；g
d
表示下游保护高度；约束条件为：10mm≤r
b
≤14mm
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)24≤n≤54
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ...
【专利技术属性】
技术研发人员：王娟，刘美红，陈文博，孙军锋，李遇贤，雷俊杰，宋晓磊，王学良，
申请(专利权)人：昆明理工大学，
类型：发明
国别省市：
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。