基于遗传算法的平面叶栅多目标优化设计论文

《基于遗传算法的平面叶栅多目标优化设计论文》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于遗传算法的平面叶栅多目标优化设计论文摘要：本文提出了一个基于小生境遗传算法的平面叶栅多目标优化设计方法。该方法利用奇点分布法设计无厚翼型初始骨线，在最大厚度一定的条件下，采用NACA-0012型空气动力翼型的厚度分布规律对已知骨线进行加厚得到翼型，从而得到平面叶栅。然后以平面叶栅表面边界层中的流动损失最小和翼型气蚀系数最低为多目标，用距离法构造二者统一的目标函数，利用遗传算法来搜索最佳的骨线形状。已知叶栅的流场分析由一个基于边界元的程序完成。假定总损失与叶栅表面边界层中的流动损失成正比，该损失

2、可通过积分法计算叶栅边界层得到。将该方法应用于ZZ440叶栅的设计，结果显示可以得到较满意的解。关键词：遗传算法平面叶栅多目标优化设计目前.freel3/s，n10=115r/min,ns=440mk,D=1m。流场计算区域如图2所示。2.2优化变量取值范围在设计出初始无厚翼型骨线时，即可得到的骨线上六个骨线等分计算点的夹角值。各优化变量βi在初始骨线角的基础上左右波动20%，即可得到优化变量的取值范围。如在第i个优化点的初始骨线角度为β0i，则在该点的优化变量βi的变化范围0.8β0i，1.2

3、β0i。如此确定的设计变量取值的上下限可在编码方案中自动被考虑，无须再作为优化约束另行处理。2.3遗传算法参数的选择在本例中，采用可以较好处理多峰问题的基于共享机制的小生境技术遗传算法7,.freel=0.3，海明距离阀值Ls=0.5时，就本例而言，可望得到较好的算法形态。2.4数值计算结果及其分析上述思想用FortranPoin=0.36，ξmin=0.050。而后，运用距离法进行多目标优化。遗传算法运行至第32代时达到最优，其优化设计的计算结果如图所示。表1优化前后骨线角比较——β2β2β3β

4、4β5β6优化前优化后0.40280.48010.49980.55800.60330.63860.72690.75520.87880.96270.106111.0875表2优化前后特性值比较——绕单个翼型环量气蚀系数损失系数反问题计算值正问题计算值(骨线优化前)正问题计算值(骨线优化后)0.6820.7610.681——0.530.39——0.0730.058在上图中，图3是优化前后骨线形状比较图，图4、图5分别是翼型表面相对流速分布和压力分布比较图，表1是优化前后骨线角比较，表2是特性值比较。由

5、表2可知，骨线优化前的环量比设计要求的环量大11%，而优化后的环量则和要求值相差很小。原因是常规设计骨线是按照翼型无厚进行设计的，对骨线进行加厚以后流道变窄，流速加大，环量增大，所以导致环量与给定值相差较大。而在优化设计中，我们将环量满足要求作为约束条件，故设计出的叶栅的环量和给定值相差很小。同时，用骨线优化后的翼型相对于优化前，最大流速较小，压力分布较均匀，流场特性有所改善，优化得到的损失系数ξ=0.058，气蚀系数σ=0.39；而优化前的损失系数ξ′=0.073，气蚀系数σ′=0.53。很明显

6、，优化后不仅环量满足要求，且损失系数小，气蚀系数也小。从而说明了此方法的有效性。3结论本文提出了一个基于遗传算法的平面叶栅多目标优化设计方法，它不仅解决了奇点法设计无厚翼型在加厚后导致环量不满足要求的问题，同时还能提高效率，减小气蚀系数。算例表明，用该方法得到叶栅的能量性能和空化性能均有所提高，流场特性也有所改善，不失为一种较好的方法。本方法的缺点是只考虑了叶栅的边界层损失，而忽略了其它损失。综合考虑其它损失的优化方法正是今后需要进一步研究的课题。参考文献：1陈国良，等.遗传算法及应用M.北京：人

7、民邮电出版社，1996.2高建铭，姚志民.水轮机的水力计算M.北京：电力工业出版社，1982.3RamanaVGrandhi,GeethaBharatram.MultiobjectiveOptimizationofLargeScaleStructuresJ.AIAAJOURNAL,1993,31(7).4布来比亚CA.工程师用的边界单元法M.北京：科学出版社，1989.5罗兴.水力机械转轮现代设计理论及应用M.西安：西安交通大学出版社，1997.6刘大恺.水轮机M.北京：中国水利电力出版社，19

8、97.7周明，孙树栋.遗传算法原理及应用M.北京：国防工业出版社，1999.8米凯利维茨Z.演化程序—遗传算法和数据编码的结合M.北京：科学出版社，2000.