[发明专利]一种航空离心泵叶型优化设计方法

说明书

本发明公开了一种航空离心泵叶型优化设计方法，在Matlab平台下分别采用五点四次bezier曲线和线性函数控制叶型圆周角分布和积叠变化规律，通过软件UG和Fluent的联合批处理方法对15组设计结果进行内流场数值仿真。在曲面插值获得计算空间边界条件的基础上，采用中心差分格式对双调和偏微分方程进行数值求解，建立超曲面性能代理模型。以效率最高为目标函数基于人工鱼群算法对设计变量进行全局寻优。结果表明：基于双调和方程的超曲面代理模型能够保证试验值与预测值完全一致，而优化后的离心叶轮流动中的尾迹效应被明显减弱，水力效率比原型泵提高5.4%。

技术领域

本发明属于航空离心泵设计技术领域，涉及一种航空离心泵叶型优化设计方法，具体地说，涉及一种利用基于双调和方程模型和混合人工鱼群算法进行航空离心泵叶型优化设计的方法。

背景技术

燃油离心泵是航空发动机燃油系统中重要的动力部件，对叶轮型线的优化设计，能够在不变动主要尺寸的基础上提高离心泵的整体性能，具有非常重要的工程实用意义，国内外学者对此展开过大量研究。

在型线参数化领域，李春等采用3次B样条曲线来设计离心泵叶轮前、后盖板轴面流线和流线展开线。殷明霞、刘群辉等基于Bezier理论，利用OpenGL作为图形图像的开发工具，开发出叶轮机二维叶型参数化设计软件。在优化代理模型的研究方面，赵伟国等利用人工神经网络的学习功能，建立效率目标函数与优化变量之间的映射关系，采用遗传算法对设计变量进行全局寻优。张人会等采用自由曲面变形方法实现叶型的参数化设计，采用共轭梯度方法对离心泵叶轮载荷进行优化改型研究。张宇等基于拉丁超立方抽样，构建Kriging代理模型对船用双吸离心泵叶轮进行优化设计。SHI等采用正交试验方法对深井泵叶轮进行优化设计研究。KIM将因子分析方法应用于叶轮设计，基于数据回归分析探讨优化参数对性能的影响，并耦合曲面响应方法和正交试验方法对混流泵进行优化研究。李嘉等采用采用多项式空间曲线拟合新型一体式叶轮型线，并通过优化型线控制方程系数，实现离心叶轮的性能优化。

综上所述以往的研究中大多采用正交试验法、曲面响应法、神经网络方法和Kriging法等数据挖掘方法构建性能代理模型。由于多项式方程形式的限制，曲面响应法和正交试验方法的精度不高，当优化变量增多时，代理模型的灵敏度和准确性会变差。而神经网络和Kriging方法需要进行大量的样本学习，否则会在模型预测值与实际试验值之间产生较大的误差，降低模型的精度。如果对每一样本都进行流场计算，由于优化过程中CFD的计算量巨大，优化设计变量较多，会导致维数灾难降低优化效率。近年来基于偏微分方程的代理模型方法逐渐得到应用，其中偏微分双调和方程代理模型将样本学习结果作为边界控制条件，通过求解4阶双调和方程来构建变量空间上的超曲面，在较少的样本学习条件下，实现模型预测值与实际试验值的完全一致，保证了代理模型的精度。

此外，由于离心泵叶轮流道形状的几何边界与流动性能之间关系复杂，以往的研究多采用的经典梯度方法和遗传算法对参数进行优化。然而，梯度算法通过获取目标函数的最速下降方向，能够实现较快的收敛，然而其最大弊病在于寻优结果依赖初值，不具有全局搜索能力。对于曲面响应法或正交试验法而言，优化变量有限且性能模型以多项式方程表达，梯度算法尚能满足需求。而对神经网络和Kriging模型等深度数据挖掘模型而言，则需要具备良好的全局优化能力。遗传算法通过将设计参数编码，子代交叉遗传、变异等方式，以种群进化手段，实现空间内的全局寻优。但是遗传算法在求解时编码复杂，迭代周期长，且全局搜索能力仅依赖变异概率，这限制了遗传算法在离心泵叶轮优化中的应用。因此，构建新型高效优化算法，提高优化过程中状态的转移能力，避免陷入局部最优解，是目前优化设计研究面临的另一个问题。与传统经典算法和其他启发式智能算法相比，人工鱼群算法通过模仿鱼群的运动，将状态的行为分为觅食、聚群、追尾和随机变化，多行为方式的组合能够有效避免陷入局部最优解，提高了算法的计算速度和全局收敛性，此外，人工鱼群算法不需要进行复杂的编码和转换过程，使程序编制得到简化。

发明内容