[发明专利]一种水轮机固定导叶叶型智能优化方法

权利要求书

1.一种水轮机固定导叶叶型智能优化方法，其特征在于，包括：

(1)根据原始水轮机固定导叶的叶型参数，建立固定导叶的参数化几何模型；

(2)基于固定导叶的参数化几何模型建立固定导叶的三维CFD流场仿真模型，进而对不同叶型的固定导叶进行CFD模拟计算，得到各个叶型参数对流场特性的影响；

(3)利用各个叶型参数对流场特性的影响建立训练样本集，采用极限学习机的方法拟合神经网络，得到叶型参数与性能指标的对应关系；

(4)根据叶型参数与性能指标的对应关系，以水轮机运行时无共振、涡致振动振幅最小、水力效率最高为优化目标，建立目标函数，利用目标函数结合遗传算法在神经网络中对叶型参数寻优，得到最优叶型参数；

所述步骤(4)包括：

(4-1)根据叶型参数与性能指标的对应关系，以水轮机运行时无共振、涡致振动振幅最小、水力效率最高为优化目标，建立目标函数，利用目标函数结合遗传算法在神经网络中对叶型参数寻优，得到最优叶型参数；

(4-2)根据最优叶型参数建立新的几何模型，基于新的几何模型建立新的三维CFD流场仿真模型，进而对最优叶型参数的固定导叶进行CFD模拟计算，得到固定导叶性能评估结果，如果固定导叶性能评估结果未满足要求，则将固定导叶性能评估结果加入训练样本集后执行步骤(3)；如果固定导叶性能评估结果满足要求，则此时最优叶型参数对应的叶型为固定导叶的最优叶型。

2.如权利要求1所述的一种水轮机固定导叶叶型智能优化方法，其特征在于，所述叶型参数包括叶片厚度、倾角、圆角半径和出水边型式。

3.如权利要求1或2所述的一种水轮机固定导叶叶型智能优化方法，其特征在于，所述步骤(2)包括：

对固定导叶的参数化几何模型进行网格划分，得到固定导叶的三维CFD流场仿真模型，采用正交试验法在固定导叶的三维CFD流场仿真模型中对不同叶型的固定导叶进行CFD模拟计算，得到各个叶型参数对流场特性的影响。

4.如权利要求1或2所述的一种水轮机固定导叶叶型智能优化方法，其特征在于，所述性能指标包括尾迹压力脉动幅值、旋涡脱落频率、尾迹长度、能量损失以及旋涡尺寸。

5.如权利要求1或2所述的一种水轮机固定导叶叶型智能优化方法，其特征在于，所述目标函数为：

其中，p表示平均动压，e表示计算域入口与出口之间的能量损失；l表示固定导叶的尾迹长度，p₀、l₀、e₀分别表示原始水轮机固定导叶的平均动压、尾迹长度、能量损失；w_p、w_l、w_e分别表示平均动压、尾迹长度、能量损失的权重因子。

6.如权利要求5所述的一种水轮机固定导叶叶型智能优化方法，其特征在于，所述能量损失为：

其中，P_in表示进水边平均压力，P_out表示出水边平均压力，ρ表示水的密度，V_in表示进水边平均速度，V_out表示出水边平均速度，g表示重力加速度。

7.如权利要求5所述的一种水轮机固定导叶叶型智能优化方法，其特征在于，所述目标函数的约束为旋涡脱落频率与固定导叶固有频率之差大于20％。