[發明專利]基于NSGA-II的擬S1流面反問題優化方法

在審

• 申請號: 202011194365.4
• 申請日: 2020-10-30
• 公開（公告）號: CN112287617A
• 公開（公告）日: 2021-01-29
• 發明（設計）人: 李博文;張瑩;吳虎
• 申請（專利權）人: 西北工業大學
• 主分類號: G06F30/28
• 分類號: G06F30/28;G06N3/12;G06F113/08;G06F119/14
• 代理公司: 西北工業大學專利中心 61204
• 代理人: 金鳳

1.一種基于NSGA-II的擬S1流面反問題優化方法，其特征在于包括下述步驟：

步驟1：任意選取一個公知葉片幾何，首先確定待優化擬S1流面的位置，記該位置占全葉片高度的百分比為span，輪轂線上的每個點的坐標為(Z_i，R_hi)，機匣線上每個點的坐標為(Z_i，R_si)，其中輪轂線和機匣線的Z坐標要求一一對應，其中Z坐標通過所選取葉片幾何文件中Z坐標的起點和終點，在起點和終點之間均勻取m個點獲得，通過如下公式求出待優化流面位置的曲線縱坐標R_spani：

R_spani＝span·R_hi+(1-span)·R_si)

其中，R_hi為i點對應機匣的縱坐標，R_si為i點對應輪轂的縱坐標；即可得出S1流面；

步驟2：對步驟1中所獲取到的S1流面進行增厚，厚度d的計算公式如下：

其中，c為流片環面面積與全流道環面面積的比值；

步驟3：通過步驟2中求得的d，通過下式計算出S1流面的上表面坐標(Z_i，R_upi)以及下表面坐標(Z_i，R_downi)：

用R_upi替換R_si，用R_downi替換R_hi，即可獲得S1流面上、下表面幾何，將S1流面上、下表面幾何導入NUMECAA/AUTOGRID5進行網格自動劃分，再將得到的網格輸入正問題擬S1求解器進行計算，得到該截面位置的載荷分布；

將載荷分布參數化，并通過NSGA-II遺傳算法控制參數變化，以達到最優化載荷和增壓比的目標。

2.根據權利要求1所述的一種基于NSGA-II的擬S1流面反問題優化方法，，其特征在于：

所述載荷分布參數化的具體步驟如下：

采用三次樣條參數化葉片上的載荷分布，讀取截面位置的載荷分布，先給出預測控制點數量，得到參數化三次樣條曲線，并不斷調整控制點數量，當三次樣條曲線的走勢與載荷分布的走勢一致時，確定該控制點所對應的待優化參數的數量以及初值。

3.根據權利要求1所述的一種基于NSGA-II的擬S1流面反問題優化方法，，其特征在于：

所述通過NSGA-II遺傳算法控制參數變化的步驟為：首先，隨機產生規模為N的初始種群，非支配排序后通過遺傳算法的選擇、交叉、變異三個基本操作得到第一代子代種群；其次，從第二代開始，將父代種群與子代種群合并，進行快速非支配排序，同時對每個非支配層中的個體進行擁擠度計算，根據非支配關系以及個體的擁擠度選取優化目標最大化的多個個體組成新的父代種群；最后，通過遺傳算法的操作產生新的子代種群：依此類推，直到滿足程序結束的條件。

4.根據權利要求1所述的一種基于NSGA-II的擬S1流面反問題優化方法，，其特征在于：

所述非支配排序即：

對于最小化多目標優化問題，對于n個目標分量f_i(x)，i＝1，2，...，n任意給定兩個決策變量X_a，X_b，如果有以下兩個條件成立，則稱X_a支配X_b：

1.對于都有f_i(X_a)≤f_i(X_b)成立；

2.使得f_i(X_a)≤f_i(X_b)成立；

如果對于一個決策變量，不存在其他決策變量能夠支配他，那么就稱該決策變量為非支配解。

5.根據權利要求1所述的一種基于NSGA-II的擬S1流面反問題優化方法，，其特征在于：

所述Z坐標在起點和終點之間均勻取m個點，m取值為100。

6.根據權利要求1所述的一種基于NSGA-II的擬S1流面反問題優化方法，，其特征在于：

所述比值c的取值為0.02。