發(fā)布時間：2017-05-20 03:07

  本文關(guān)鍵詞：基于神經(jīng)網(wǎng)絡(luò)的離心壓縮機葉片優(yōu)化研究，由筆耕文化傳播整理發(fā)布。

【摘要】：離心葉輪是壓縮機做功的主要部件，葉片的形狀對其內(nèi)流性能具有重要影響。因此研究優(yōu)化葉片形狀，提升葉輪內(nèi)流性能，降低能耗具有重要意義。 本文基于神經(jīng)網(wǎng)絡(luò)采用正命題方法，以葉輪葉片為研究對象，以葉輪的等熵效率、總壓比為目標參數(shù)，通過改變?nèi)~片形狀來研究探討葉片的優(yōu)化設(shè)計方法。 本文首先解決了葉片參數(shù)化的問題，對比研究了Bezier和B樣條兩種擬合方法的優(yōu)劣，最終確定用Bezier曲線對葉片形狀進行擬合。這樣葉片形狀就可用Bezier曲線的控制點坐標來控制，解決了葉片參數(shù)化的問題。 其次在流場求解方法的選擇上，本文為了節(jié)約計算時間，在對比了三維CFD和二維流線曲率法后，決定采用基于二維流線曲率法的Throughflow軟件作為此次優(yōu)化的流場求解器。流場求解器用于生成初期樣本點，驗證優(yōu)化后葉片的預(yù)測性能。 由于流場計算仿真所耗時間過長，而且葉片形狀參數(shù)與優(yōu)化目標之間的關(guān)系很難用解析式進行表達，因此本文采用了BP神經(jīng)網(wǎng)絡(luò)作為近似模型替代真實流場求解器對性能進行預(yù)測。通過預(yù)先產(chǎn)生的樣本點不斷訓(xùn)練神經(jīng)網(wǎng)絡(luò)，直到其預(yù)測精度提高到要求值。在此基礎(chǔ)上引入了多目標遺傳算法在參數(shù)給定的范圍內(nèi)進行全局尋優(yōu)，，將神經(jīng)網(wǎng)絡(luò)嵌入進遺傳算法里，由BP網(wǎng)絡(luò)來評價適應(yīng)度值，然后得到Pareto最優(yōu)解。以上整個優(yōu)化系統(tǒng)是以Bezier控制點為輸入?yún)?shù)，神經(jīng)網(wǎng)絡(luò)預(yù)測值為輸出參數(shù)，進行迭代尋優(yōu)，直到達到設(shè)定的迭代步數(shù)為止。 本文最后針對某型壓縮機葉片進行優(yōu)化，驗證了該方法的有效性。結(jié)果顯示，優(yōu)化后的葉片其效率提高了0.126%、壓比提高了0.577%，因此該方法是一種可靠有效的葉片優(yōu)化設(shè)計方法。
【關(guān)鍵詞】：葉片 多目標遺傳算法 BP神經(jīng)網(wǎng)絡(luò) 優(yōu)化 參數(shù)化
【學(xué)位授予單位】：重慶大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：TH452;TP183
【目錄】：

• 摘要3-4
• ABSTRACT4-9
• 1 緒論9-15
• 1.1 課題研究背景和意義9
• 1.2 國內(nèi)外研究現(xiàn)狀9-12
• 1.3 研究目的及內(nèi)容12-15
• 1.3.1 研究目的12
• 1.3.2 研究內(nèi)容12-15
• 2 壓縮機葉片內(nèi)流場數(shù)值仿真15-33
• 2.1 引言15-16
• 2.2 葉片流線曲率法16-19
• 2.2.1 子午面控制方程17-18
• 2.2.2 回轉(zhuǎn)面控制方程18
• 2.2.3 求解流程18-19
• 2.3 葉片三維 CFD 數(shù)值方法19-29
• 2.3.1 CFD 控制方程19-21
• 2.3.2 湍流模型21-22
• 2.3.3 網(wǎng)格生成方法22-25
• 2.3.4 控制方程離散方法25-27
• 2.3.5 求解流程27-29
• 2.4 葉片邊界條件29
• 2.5 葉片流場仿真結(jié)果分析29-32
• 2.6 小結(jié)32-33
• 3 壓縮機葉片參數(shù)化研究33-43
• 3.1 引言33-34
• 3.2 Bezier 曲線擬合法34-35
• 3.2.1 伯恩斯坦基函數(shù)的性質(zhì)34-35
• 3.2.2 貝塞爾曲線的性質(zhì)35
• 3.3 B 樣條曲線擬合法35-37
• 3.3.1 B 樣條基函數(shù)及其性質(zhì)36
• 3.3.2 B 樣條曲線的性質(zhì)36-37
• 3.4 擬合曲線控制頂點反算37-38
• 3.4.1 Bezier 曲線擬合37
• 3.4.2 B 樣條曲線擬合37-38
• 3.4.3 最小二乘逼近38
• 3.5 基于 Bezier 和 B 樣條曲線的葉片參數(shù)化38-40
• 3.6 小結(jié)40-43
• 4 目標函數(shù)近似模型構(gòu)建43-55
• 4.1 引言43
• 4.2 ANN 神經(jīng)網(wǎng)絡(luò)基本概念43-48
• 4.2.1 人工神經(jīng)元模型43-45
• 4.2.2 ANN 網(wǎng)絡(luò)結(jié)構(gòu)45-46
• 4.2.3 神經(jīng)元的網(wǎng)絡(luò)模型及工作方式46-47
• 4.2.4 神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)47-48
• 4.3 BP 神經(jīng)網(wǎng)絡(luò)48-50
• 4.3.1 BP 網(wǎng)絡(luò)的學(xué)習(xí)算法48-49
• 4.3.2 BP 神經(jīng)網(wǎng)絡(luò)算法的改進49-50
• 4.4 RBF 徑向基神經(jīng)網(wǎng)絡(luò)50-51
• 4.4.1 正則化理論50-51
• 4.4.2 RBF 的學(xué)習(xí)算法51
• 4.5 神經(jīng)網(wǎng)絡(luò)的建立及結(jié)果分析51-54
• 4.6 小結(jié)54-55
• 5 全局尋優(yōu)算法研究55-65
• 5.1 引言55
• 5.2 標準遺傳算法簡介55-59
• 5.2.1 編碼方法56-57
• 5.2.2 適應(yīng)度函數(shù)57
• 5.2.3 遺傳算子57-59
• 5.3 多目標算法59-62
• 5.3.1 多目標優(yōu)化問題59
• 5.3.2 Pareto 多目標最優(yōu)解集59-60
• 5.3.3 多目標遺傳算法流程60-61
• 5.3.4 NSGA-II 算法61-62
• 5.4 多目標遺傳尋優(yōu)及結(jié)果分析62-64
• 5.5 小結(jié)64-65
• 6 壓縮機葉片的優(yōu)化65-79
• 6.1 引言65-66
• 6.2 葉片優(yōu)化策略及方法66-71
• 6.2.1 優(yōu)化前處理66-67
• 6.2.2 優(yōu)化方法和步驟67-68
• 6.2.3 輸入輸出參數(shù)相關(guān)分析68-70
• 6.2.4 BP 神經(jīng)網(wǎng)絡(luò)的預(yù)測70-71
• 6.3 葉片優(yōu)化結(jié)果分析71-78
• 6.4 小結(jié)78-79
• 7 總結(jié)與展望79-81
• 7.1 全文總結(jié)79
• 7.2 研究展望79-81
• 致謝81-83
• 參考文獻83-87
• 附錄87
• A. 作者在攻讀學(xué)位期間發(fā)表的論文目錄87
• B. 作者在攻讀碩士學(xué)位期間參加的科研項目及得獎情況87

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 舒信偉;谷傳綱;肖軍;高闖;;基于均勻設(shè)計和遺傳算法的離心壓縮機葉片優(yōu)化設(shè)計[J];動力工程;2007年05期

2 孫正中;蘇莫明;錢澤球;;離心壓縮機葉輪S_2流面正反命題的研究[J];風(fēng)機技術(shù);2007年06期

3 苗永淼,王尚錦;徑、混流式三元葉輪“全可控渦”設(shè)計的理論和方法[J];工程熱物理學(xué)報;1981年02期

4 戴韌,陳康民,王企鯤;離心壓氣機葉輪內(nèi)部流動的數(shù)值研究:分流葉片的作用[J];工程熱物理學(xué)報;2004年S1期

5 陳波;高學(xué)林;袁新;;基于NURBS的葉片全三維氣動優(yōu)化設(shè)計[J];工程熱物理學(xué)報;2006年05期

6 汪創(chuàng)華;劉靜;姚瑞鋒;王軍;;離心葉輪長、短葉片參數(shù)對壓縮機性能影響分析[J];工程熱物理學(xué)報;2013年02期

7 劉正先;邢海澎;陳麗英;;基于葉片載荷分布的離心葉輪氣動優(yōu)化[J];工程熱物理學(xué)報;2013年03期

8 吳立強,尹澤勇,蔡顯新;航空發(fā)動機渦輪葉片的多學(xué)科設(shè)計優(yōu)化[J];航空動力學(xué)報;2005年05期

9 汪光文;周正貴;胡駿;;基于優(yōu)化算法的壓氣機葉片氣動設(shè)計[J];航空動力學(xué)報;2008年07期

10 朱陽歷;王正明;陳海生;譚春青;;葉片全三維反問題優(yōu)化設(shè)計方法[J];航空動力學(xué)報;2012年05期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 朱陽歷;葉輪機械葉片全三維反問題優(yōu)化設(shè)計方法研究[D];中國科學(xué)院研究生院（工程熱物理研究所）;2012年

  本文關(guān)鍵詞：基于神經(jīng)網(wǎng)絡(luò)的離心壓縮機葉片優(yōu)化研究，由筆耕文化傳播整理發(fā)布。

本文編號：380522