[发明专利]一种基于质量矩极小化的大型高速回转装备叶片的排序方法

说明书

本发明是一种基于质量矩极小化的大型高速回转装备叶片的排序方法。本发明建立大型高速回转装备质量矩物理模型，进行叶片质量矩优化，随机产生初始种群；根据叶片的自适应度，基于建立的大型高速回转装备质量矩物理模型，确定叶片的适应度的相对值；对叶片的适应度的相对值进行迭代计算，得到最大的适应度的相对值；当迭代次数小于250次时，采用云自适应遗传算法对叶片进行排序，并进行选择操作、交叉操作和变异操作，生成子代种群；直至满足迭代次数大于等于250次，叶片排序序号，得到最佳的叶片排序。本发明从本质上反应实际转子不平衡量，在搜索和开发之间由更好的平衡能力，从而极大改善了局部寻优的问题。

技术领域

本发明涉及大型高速回转装备叶片排序配技术领域，是一种基于质量矩极小化的大型高速回转装备叶片的排序方法。

背景技术

大型高速回转装备不平衡量的优化是一个工程上的难题。质量矩则是不平衡量的主要部分，而合理的叶片排序能够极大地降低转子质量矩。现已有有限元、神经网络、遗传算法、粒子群算法等被应用到航空发动机、风力机、压气机的不平衡量优化中来。

在面对大型高速回转装备的叶片排序问题中，很多优化方法简单地考虑了叶片质量矩的存在，而不考虑叶盘质量偏心的情况，也就是说叶盘也存在质量矩。而经过物理模型的研究，不考虑转子质量矩的叶片排序结果并没有达到转子质量矩极小化的结果。

一般叶片排序方法速度慢、耗时长，如枚举法、搜索法；神经网络算法学习过程长，容易陷入局部最优情况；而粒子群算法对于离散的优化问题处理不佳，一般遗传算法随机性强，易早熟，同样容易陷入局部最优情况。

发明内容

本发明为解决现有叶片排序方法速度慢、耗时长，本发明提供了一种基于质量矩极小化的大型高速回转装备叶片的排序方法，本发明提供了以下技术方案：

一种基于质量矩极小化的大型高速回转装备叶片的排序方法，包括以下步骤：

步骤1：建立大型高速回转装备质量矩物理模型，进行叶片质量矩优化，随机产生初始种群；

步骤2：根据叶片的自适应度，基于建立的大型高速回转装备质量矩物理模型，确定叶片的适应度值；

步骤3：对叶片的适应度值进行迭代计算，得到最大的适应度值；

步骤4：当迭代次数小于250次时，采用云自适应遗传算法对叶片进行排序，并进行选择操作、交叉操作和变异操作，生成子代种群；

步骤5：对所述子代种群进行步骤2至步骤3的操作，直至满足迭代次数大于等于250次，叶片排序序号，得到最佳的叶片排序。

优选地，通过下式建立大型高速回转装备质量矩物理模型：

其中，M为叶片的总质量矩，m_i为第i个叶片的质量，为由叶片安装中心到叶片质心的矢量，M_x为各叶片质量矩在x轴上投影的和，M_y为各叶片质量矩在y轴上投影的和，Z₁为转子的质量矩总不平衡量，M_e为转子偏心矩，M_ex为转子偏心矩在x轴上的分量，M_ey为为转子偏心矩在y轴上的分量，θ为叶片质心位置与x轴的夹角，x_i和y_i为第i个叶片执行的x轴和y轴坐标，m_ix_i和m_iy_i为第i个叶片的质量矩在x轴和y轴上的分量，n为叶片数，θ₂为第一个叶片的安装位置与叶盘质量矩的夹角。

优选地，所述步骤2具体为：