[发明专利]一种海水淡化增压多级泵叶轮智能优化方法

说明书

本发明公开了一种海水淡化增压多级泵叶轮智能优化方法，包括：设置算法参数；对染色体在计算域内进行初始化；建立每个染色体对应的叶轮水体模型；绘制叶轮网格；对目标函数值进行归一化加权组合，得到统一评价函数。获得染色体对计算域的适应度；判断最佳染色体是否达到迭代停止条件，若否，则对染色体进行交叉、变异等操作得到新一组染色体，返回继续迭代；若是，则停止迭代，输出优化结果。本发明采用多目标遗传算法(MOGA)结合CFD对参数化的海水淡化增压多级泵进行优化。该方法具有优化效率高，计算精度好，优化成功度高的优点。

技术领域

本发明属于泵优化设计领域，尤其是海水淡化增压泵的叶轮及其优化办法。

背景技术

海水由于其含盐量非常高，因此不能会直接被使用。目前主要采用两种方法淡化海水：蒸馏法和反渗透膜法。蒸馏法主要被用于特大型海水淡化处理上以及热能丰富的地方，相对而言，反渗透膜法的适用面更广，且脱盐率更高，因此被广泛应用。反渗透膜法首项将海水提取上来进行初步处理，降低海水蚀度，杀灭细菌等微生物，然后采用特种高压泵增压，使海水进入反渗透膜。经过该方法处理后的海水，其含盐量大大降低，淡化后的水质甚至优于自来水，从而供给工业、商业、居民等领域使用。

然后，由于季节变化，提取上来的海水温度差距很大。据相关资料显示，北半球亚热带地区表层海水温度的年温差可达5-10℃。工质温度的变化对于泵的扬程等外特性性能具有一定影响，而对于增压泵而言，维持出口压力的稳定对于海水淡化工作具有重要意义。目前，根据不同的海水温度，海水淡化工作中主要采用变转速的方法调节流量，从而维持出口压力稳定，然而，关于适用不同水温的海水淡化泵叶轮的优化设计工作并未见报道。

发明内容

针对该泵的特点，为了维持该泵对于不同温度工质性能稳定，本发明提供了一种结合多目标遗传算法(Multi-objective Genetic Algorithm,MOGA)和CFD技术(Computational Fluid Dynamics)的海水淡化增压泵叶轮的多目标优化设计方法，以提高海水淡化增压多级泵对不同温度工质的扬程稳定性。

本发明是通过以下技术手段实现上述技术目的的。一种海水淡化增压多级泵叶轮智能优化方法，包括以下步骤：

(1)采用Visual Studio 2017编译遗传算法脚本(C++)主程序并设置算法参数；

(2)采用随机抽样方法对染色体在计算域内进行初始化；

(3)将步骤(2)所得的染色体参数代入ANSYS WorkBench 18.0，调用ANSYSBladeGen 18.0建立每个染色体对应的叶轮水体模型；

(4)将步骤(3)中所得的叶轮水体图导入ANSYS ICEM 18.0，绘制叶轮网格；

(5)将步骤(4)中所得的叶轮网格和静水域网格代入ANSYS CFX 18.0进行定常数值；

(6)读取步骤(5)所得计算结果，得到其在不同温度工质下的扬程，对目标函数值进行归一化加权组合，得到统一评价函数。

(7)读取步骤(6)中的统一评价函数，获得染色体对计算域的适应度；

(8)判断步骤(7)中的最佳染色体是否达到迭代停止条件，若否，则对染色体进行交叉、变异等操作得到新一组染色体，返回步骤(3)继续迭代；若是，则停止迭代，输出优化结果。

上述方案中，采用贝塞尔曲线表达叶片型线、叶片厚度的变化趋势和叶片安放角的变化趋势，从而实现叶片的参数化造型。

上述方案中，采用ANSYS WorkBench和C++程序结合实现自动化叶轮水体建模、叶轮水体网格绘制及外特性数值模拟。

上述方案中，采用脚本程序自动读取CFX计算结果。