[發明專利]一種高負荷風扇/壓氣機端壁造型優化設計方法

在審

• 申請號: 201410554023.7
• 申請日: 2014-10-17
• 公開（公告）號: CN104317997A
• 公開（公告）日: 2015-01-28
• 發明（設計）人: 金東海;桂幸民;劉西武;趙偉光
• 申請（專利權）人: 北京航空航天大學
• 主分類號: G06F17/50
• 分類號: G06F17/50
• 代理公司: 北京慧泉知識產權代理有限公司 11232
• 代理人: 王順榮;唐愛華

1.一種高負荷風扇/壓氣機端壁造型優化設計方法，其特征在于：該方法具體步驟為：

步驟一：給定設計變量初始值及取值范圍，試驗設計因素個數、水平及試驗次數N即初始樣本數，給定網格生成及流場計算所需模板、遺傳算法和神經網絡所需各參數，優化迭代最大次數I_max；實驗設計方法和分析方法分別為：正交試驗設計和直觀分析法；

步驟二：根據試驗設計提供的設計變量對壓氣機端壁進行參數化造型，生成對應的端壁型面；針對壓氣機中的非軸對稱端壁，發展了兩種端壁參數化造型，即軸向及周向函數控制法和離散點控制端壁曲面法；

步驟三：網格生成及流場求解，得到目標函數值及對應的第i個樣本；

目前國際上已開發了大量的CFD流場數值模擬程序或軟件，為壓氣機設計的快速發展提供了強大動力，就壓氣機的數值模擬而言，所采用的CFD數值模擬工具的模擬精度和計算速度都必須經過嚴格的考核，否則將會造成嚴重的后果；優化平臺采用商用軟件NUMECA進行定常粘性的三維數值模擬；

步驟四：如果i≤N，則i＝i+1并返回步驟二，繼續初始樣本點的生成，否則進入步驟五，即完成所有初始樣本點的計算；

步驟五：根據得到的樣本點，應用自適應遺傳算法和BP算法的結合訓練人工神經網絡響應面，對應第j次訓練，得到最佳網絡結構；

針對葉輪機械中的三維氣動數值優化問題，通過建立關于優化自變量和氣動性能的近似模型，以此構建他們之間的映射關系，用函數求解替代耗時的三維CFD流場數值模擬可極大地加快優化速度，具有實際的應用價值；目前常用的近似模型有很多種類，其中響應面模型是應用最普遍的模型，采用一階、二階、三階和四階低階多項式模型；這里應用的是人工神經網絡響應面模型；

步驟六：以最佳神經網絡網絡結構為基礎，利用自適應遺傳算法對其進行全局尋優，得到基于響應面的目標函數最優值對應的設計變量，若j≥2，判斷本次得到的設計變量與第j-1次得到的設計變量是否相同，若相同，則k＝k+1，否則k＝1；

遺傳算法是一種通過模擬自然界進化過程解決最優化問題的計算模型，遺傳算法中主要運行參數有：種群規模N、交叉概率p_c、變異概率p_m、最大進化代數n_max；

步驟七：根據得到的設計變量對端壁進行造型，網格生成、流場求解，得到設計變量對應于CFD的計算結果，優化平臺采用商用軟件NUMECA進行定常粘性的三維數值模擬；

步驟八：判斷數據庫中是否包含得到的新樣本點，若沒有，將該新樣本點添加到數據庫中，N＝N+1；

步驟九：判斷k≤c經驗系數且j≤I_max，若滿足條件，進入步驟五，重復上述過程，否則進入步驟十；

步驟十：輸出最優目標函數值及其對應的設計變量，以及迭代次數j相關參數，最后程序終止，端壁優化結束；

步驟十一：基于優化方法的函數驗證

為了檢驗基于神經網絡響應面優化平臺的尋優性能，需要對其進行函數優化驗證，這里分別選用多峰值的一元函數、二元函數進行驗證。