基于遗传算法的离心压缩机叶轮叶片型线的气动优化设计

《基于遗传算法的离心压缩机叶轮叶片型线的气动优化设计》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、针453910摘要基于遗传算法的离心压缩机叶轮叶片型线的气动优化设计摘要随着叶轮机械总体研究水平的不断提高，寻求气动问题的最优解和气动设计过程的自动化己经成为人们下一步研究的重要对象和目标。遗传算法以其独特的鲁棒性、自适应性、全局优化性等优点成为研究这一问题的有力工具，其应用正受到越来越多的关注。但目前离心压缩机中遗传算法的应用还主要局限在静止叶栅设计方面，将其用于叶轮叶片型线气动设计的研究极为少见11本文着眼于遗传算法在离心叶轮叶片型线设计中的应用，试图对应用中的基本问题和算法的执行策略作初步的研究和分析，为其更深入的

2、发展打下基础。本文首先对二元离心叶轮叶片型线的设计问题进行了简化。在此基础上运用叶型表示的中弧线方法、叶轮内势流流场的二元求解程序和相应的流动损失计算，建立了二元离心叶轮叶片型线正命题设计的遗传优化模型，对模型各个部分的构建原则进行了初步的分析和说明。并编制了计算机程序。采用本文的计算机程序对两个典型的二元叶轮算例进行了设计计算，通过优化前后叶型气动性能的对比验证了程序的可靠性和模型的合理性。另外利用CFD软件对优化设计的叶轮和相应的具有传统圆弧叶型的叶轮进行了全三维粘性流场分析，计算结果表明优化设计叶型的性能相比圆弧叶

3、型有明显提高，进一步说明文中建立的二元叶轮叶型优化方法具有进一步发展为一种独立优越的二元叶轮叶片造型方法的潜力。关键词:遗传算法、叶片型线设计、优化模型、圆弧叶型、三维粘性流场分析论文类型:应用基础一I一摘要AerodynamicDesignOptimizationofCompressorImpellerBladeProfileBasedonGeneticAlgorithmsAbstractResearchinturbomachineryhasbeenputintodepthwithtime.Currently,toac

4、hieveanoptimalgeometrydesignforaerodynamicproblemsanddesignprocessautomationbecomesoneofthemajorresearchgoalsinthisarea.GeneticAlgorithmsarepowerfultoolshelpingtoachievethispurposebecauseoftheirinherentrobustness,self-adaptationandglobaloptimizationcapacity,andth

5、eyhaveattractedmoreandmoreatention.Buttheirrecentapplicationincentrifugalcompressordesignisconfinedtothedesignofstaticcascades.ThisstudyaimsatapplyingGeneticAlgorithmstotheoptimaldesignofcompressorimpellerbladeprofiles,andcarvesoutinitialstudyandanalysisofthebasi

6、cproblemsforthisnewapplication.Theworkpresentedinthisthesiswillprovideabasisforfuturein-depthstudyinthisfieldDesignproblemoftwo-dimensionalcentrifugalimpellerbladeprofileisreasonablysimplified.Ageneticoptimizationmodelisestablishedwithacombinationofthemeancamberl

7、ineparameterizationmethodofbladeprofile,apotentialflowmodelfortwo-dimensionalflowfieldsimulationintheimpeller,andaflowlossmodel.Acorrespondingcomputercodeisdeveloped.Anddiferentpartsoftheoptimizationmodelareanalyzed.Thedevelopedcomputercodeisusedtodesigntwotypica

8、lcompressorimpellers.Thecomparisonbetweenthefinaloptimalprofilesandthebestprofilesformedinthefirstpopulationofthegeneticoptimizationprocessshowsthattheperforma