[发明专利]一种水轮机固定导叶叶型智能优化方法

说明书

本发明公开了一种水轮机固定导叶叶型智能优化方法，包括：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；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；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；根据叶型参数与性能指标的对应关系，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。本发明的智能优化方法能够根据实际工程需求有效提升水轮机固定导叶的性能，并减少设计时间，降低设计成本。

技术领域

本发明属于水轮机固定导叶叶型优化设计领域，更具体地，涉及一种水轮机固定导叶叶型智能优化方法。

背景技术

在大型水轮机运行过程中，水力因素是导致水力发电机组振动的主要原因之一。水力因素通常被分为三种：部分载荷下尾水管中的低频压力脉动；偏离最优工况时转轮内由叶道涡引起的压力脉动；由卡门涡引起的发生在固定导叶、活动导叶、转轮叶片末端的高频压力脉动。其中卡门涡对物体的周期作用力会造成周期性振动，尤其在旋涡脱落频率接近叶片固有频率时，这种振动将引发共振，导致更加剧烈的振动，使叶片萌生裂纹。卡门涡引起的共振不仅会影响下游水流，降低效率，导致叶道涡出现，还会对机组部件造成严重损伤。因此，对大型水轮机上由卡门涡引发的共振开展研究具有重要意义。

采用数值方法能够有效地对湍流现象进行研究。但对于优化设计，由于具备更强的实用性，并且能够突破实验条件的限制，计算流体动力学(CFD)是一种更合适的方法。CFD与试验结合的方法已被广泛应用于由漩涡引起的水翼振动研究上，但这些研究缺少对不同固定导叶叶型的影响的系统性综合分析，也没有提出科学严谨的减振措施。

由此可见，现有技术存在固定导叶发生共振，疲劳寿命较短，能量损失较大，水轮发电机组的安全稳定性较差和水力效率较低的技术问题。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种水轮机固定导叶叶型智能优化方法，由此解决现有技术存在固定导叶发生共振，疲劳寿命较短，能量损失较大，水轮发电机组的安全稳定性较差和水力效率较低的技术问题。

为实现上述目的，本发明提供了一种水轮机固定导叶叶型智能优化方法，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。

进一步地，叶型参数包括叶片厚度、倾角、圆角半径和出水边型式。

进一步地，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。

进一步地，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。

进一步地，目标函数为：