[发明专利]一种中低比转速叶轮多工况智能优化方法

摘要

本发明涉及一种中低比转速叶轮多工况智能优化方法，包括：填写遗传算法运行所需要的参数，调用算法脚本，随机初始化种群染色体，调用对象函数脚本，建立叶轮水体模型。绘制叶轮网格。进行多工况的定常数值模拟，得到其不同工况下的外特性性能。将所得的结果进行多项式拟合，并使用“效率屋”公式求得“效率屋”面积，反馈至算法程序评价各个染色体对计算域的适应度，并对其降序排列。判断最优结果是否满足优化要求，若是，则结束优化，输出优化结果；否则，对结果进行择优、交叉和变异操作，已生成新一代染色体，并返回步骤3继续迭代计算，直到满足优化要求。本发明有效避免了多工况优化设计中不同工况下效率提高不均的现象。

主权项

1.一种中低比转速叶轮多工况智能优化方法，其特征在于以下步骤：(1)采用Matlab 2017b运行计算脚本主程序并填写遗传算法运行所需要的参数；(2)调用算法脚本，代入步骤1中所输入的参数，随机初始化种群染色体，以使种群在计算域内具有多样性；(3)调用对象函数脚本，读取步骤2中每条染色体的参数，导入到CFTurbo 10.0中建立叶轮水体模型。(4)将步骤3中所得的叶轮水体模型导入ANSYS ICEM 18.0中绘制叶轮网格；(5)将步骤4中所得的叶轮网格导入到ANSYS Fluent 18.0中，对其进行多工况的定常数值模拟，得到其不同工况下的外特性性能；(6)将步骤5中所得的结果进行多项式拟合，并使用“效率屋”公式求得“效率屋”面积，反馈至算法程序评价各个染色体对计算域的适应度，并对其降序排列；(7)判断最优结果是否满足优化要求，若是，则结束优化，输出优化结果；否则，对步骤6中得到的结果进行择优、交叉和变异操作，已生成新一代染色体，并返回步骤3继续迭代计算，直到满足优化要求。