[发明专利]一种基于混合近似模型的双吸泵多目标优化设计方法

摘要

本发明公开了一种一种基于混合近似模型的双吸泵多目标优化设计方法，主要下步骤：第一：以叶轮主要几何参数作为输入值，泵效率为目标值，建立数据样本；第二，建立人工神经网络近似模型，采用粒子群算法进行求解模型系数；第三，建立二阶响应面近似模型，采用粒子群算法进行求解模型系数；第四，建立人工神经网络模型和二阶响应面模型加权叠加的混合近似模型，采用粒子群算法求解权重系数；第五，采用多目标遗传算法对上述混合近似模型在0.8Q、1.0Q、1.2Q三个工况下进行寻优，寻找最优设计点。本发明能建立更准确的混合近似模型，满足拓宽双吸泵高效区的设计要求，同时能减小设计成本。

主权项

1.一种基于混合近似模型的双吸泵多目标优化设计方法，其特征在于，包括如下步骤：步骤一：根据设计经验选取对双吸泵效率影响较大的参数，采用拉丁超立方试验设计方法对上述参数进行数值方案设计；步骤二：采用CFturbo软件基于步骤一中选取的数值方案进行叶轮三维造型，保存为*.stp文件，将*.stp文件导入到ICEM软件进行非结构网格划分，网格为*.cfx5文件，将*.cfx5导入到CFX中进行设计工况的定常数值模拟计算并获得泵分别在0.8、1.0、1.2工况下的效率值，得到60组效率值；步骤三：以对双吸泵效率影响较大的参数作为输入值，泵在0.8、1.0、1.2倍设计工况下的效率为输出值，建立数据样本，采用人工神经网络模型建立输入值与输出值之间的近似模型，并用粒子群算法求解该模型中所有系数。步骤四：利用步骤三中数据样本，采用二阶响应面模型建立输入值与输出值之间的近似模型，并用粒子群算法求解该模型系数；步骤五：将步骤三中人工神经网络模型与步骤四中二阶响应面模型进行加权叠加，并采用粒子群优化算法求解权值，分别得到0.8、1.0、1.2倍工况下效率值与各参数间的混合近似模型；步骤六：采用多目标遗传算法求解上述混合近似模型，得出三个工况下效率均较高时对双吸泵效率影响较大的参数的最优组合。步骤七：对双吸泵效率影响较大的参数的最优组合进行三维造型，并采用相同的CFX设置进行数值模拟，判断能否达到设计要求，若达到设计要求，则设计完成，若没达到设计要求，则返回步骤三，重新选择参数。