关于径向基神经网络及叶轮轴面投影图优化

发布时间:2019-09-26 14:10
引言

 

核电站的安全是核电站运行的首要保障?在核电站系统中,余热排出系统的主要作用是保护核电站的安全以及在发生重大事故时将核能产生的损失最小化?在余热排出系统中,核心部件是两台余热排出泵和两台热交换器?因此,余热排出泵的设计需要考虑安全性?高性能?稳定性?使用寿命等方面?近来年,在余热排出泵的水力性能优化方面已开展了研究,取得了一定的研究成果? 叶轮设计是水泵设计过程中的关键,叶轮轴面投影图是重要的叶轮设计步骤之一,目前,轴面投影图的设计主要是以相似比转数?性能良好的轴面投影图作参考,再根据经验公式计算得到的叶轮几何参数绘图,再经过反复修改,如果设计不合理,会导致泵性能变差?在轴面投影图的研究中,一方面是轴面投影图的绘制及CAD软件开发,另一方面是轴面投影图的优化? 对旋转机械的性能优化方法研究方面,国内外的专家学者们做了大量的数值模拟和试验优化研究?采用的优化方法主要包括试验优化设计方法?正反问题迭代优化和现代优化算法等? 为了提高余热排出泵的效率,本文采用定常数值模拟?拉丁超立方试验设计?径向基神经网络和遗传算法对叶轮轴面投影图上的前盖板圆弧半径r s?后盖板圆弧半径rh?前盖板倾角αs后盖板倾角αh等4个几何变量进行优化设计?

 

1计算模型与数值方法

 

1.1计算模型 为余热排出泵三维模型示意图,结构形式为单级单吸卧式结构?余热排出泵叶轮的原始轴面投影图采用的是单圆弧法进行绘制,即前后盖板流线均是一段直线和圆弧组成,如图2所示?余热排出泵过流部件的几何参数为:叶轮进口直径Dj=270mm,叶轮出口直径D2=511mm,叶片出口宽度b2=49mm,叶片包角φ=115°,叶片出口安放角2=23°,叶轮叶片数Z i=5,导叶进口直径D3=515mm,导叶出口直径D4=718mm,导叶进口宽度b3=55mm,导叶出口宽度b4=84mm,导叶叶片数Zd=7,蜗壳进口直径D5=840mm,蜗壳进口宽度b5=250mm?余热排出泵的性能参数如下:流量Qd=910m3/h,扬程Hd=77m,效率η=76%,转速n=1490r/min,比转速ns=104.5?

 

1.2数值模拟方法 采用Creo Parameter 2.0软件对余热排出泵计算域进行三维造型,计算域包括进口段?叶轮?导叶和蜗壳共4个部分?并采用ICEM软件进行结构化网格划分,对壁面进行网格加密?计算域网格? 采用ANSYS CFX14.5对计算域进行定常数值模拟?假设流体是三维不可压粘性的,采用SSTk-ω湍流模型求解雷诺时均方程?采用多重旋转坐标系技术设置旋转域和静止域?进出口的边界条件分别设置为总压进口和质量流量出口?叶轮与静止部件的交接面设置为“Frozen rotor”,而静止部件之间设置为“None”,壁面采用无滑边界条件,近壁区采用自动壁面函数处理?求解离散设置为二阶迎风格式,物理时间设置为1/ω,其中ω为叶轮的旋转角速度,收敛残差为10-5?

 

2试验验证

 

为了验证数值模拟计算的可靠性,对余热排出泵按比例缩小到0.7倍的模型泵进行外特性试验,试验在宜兴优纳特机械有限公司的开式试验台进行?从图可以看出,数值模拟得到的性能曲线与试验性能曲线基本一致,在设计工况下,数值模拟得到的扬程系数为4.56,效率为70.57%,试验得到的扬程系数为4.66,效率为73.3%,相对偏差分别为-2.1%和-3.7%?因此数值模拟能较准确地预测出余热排出泵的性能曲线,数值模拟结果是值得可信的? 为了提高余热排出泵的效率,采用拉丁超立方试验设计方法对叶轮轴面投影图上的前盖板圆弧半径?后盖板圆弧半径?前盖板倾角和后盖板倾角4个几何变量进行35组叶轮方案设计,应用ANSYS CFX14.5软件对余热排出泵进行定常数值模拟,得到设计工况下的效率,应用径向基神经网络建立效率与轴面图影图的4个几何变量之间的近似模型,最后采用遗传算法对近似模型进行极值寻优,获得最优的轴面投影图几何参数组合? 研究结果表明:对比原始泵的数值模拟性能曲线和试验外特性能曲线,两者吻合较好;径向基神经网络能较好地预测出泵在设计点的效率;优化的轴面投影图使得余热排出泵的水力效率提高了6.18个百分点,改善了叶轮内流场特性?因此,叶轮轴面投影图的优化设计方法是可行的?   3优化设计过程

 

在优化设计过程中,对设计变量进行多方案组合设计,多个方案的数值模拟必然会消耗大量的计算资源和时间,才能找到最优的方案?本文基于Isight优化软件平台,结合近似模型和现代优化算法,将数学方法应用到优化设计过程中,节省优化设计周期,减少计算资源?采用拉丁超立方试验设计方法对叶轮轴面投影图进行多方案设计,对每个方案进行数值模拟计算,得到设计工况下的效率,采用径向基神经网络建立效率与轴面投影图上几何参数之间的近似函数模型,采用遗传算法对近似函数模型进行寻优,最终得到优化的几何参数?优化设计流程?

 

3.1设计目标 本文优化设计的目标是提高余热排出泵的效率η?由径向基神经网络近似模型建立效率与叶轮轴面投影图上的4个几何参数之间的函数关系?

 

3.2拉丁超立方试验设计方法 拉丁超立方试验设计方法能设计出在空间上均匀分布的设计方案,同时有能力拟合二阶或更非线性的关系?叶轮轴面投影图的4个设计变量范围?是的由拉丁超立方试验设计方法得到35组叶轮设计方案及由数值模拟得到的在计工况下对应效率值?

 

3.3径向基神经网络 径向基神经网络属于前向神经网络类型,是一种三层前向网络,第1层为输入层,第2层为隐藏层,径向基函数为对中心点径向对称且衰减的非负非线性函数?第3层为输出层,输出输入值对应的响应值?径向基神经网络具有结构简单?学习收敛速度快的优点,而且能够逼近任意非线性函数?其结构形式?

 

3.4多岛遗传算法 多岛遗传算法在传统遗传算法上进行了改进,具有更优良的全局求解能力和计算效率?其原理,优点在于将每个种群分为几个子群,即“岛”,这个可以抑制传统遗传算法中的早熟现象?在Isight优化软件中对多岛遗传算法的部分参数选取子群规模数为20,岛的个数为10,迭代数为50,交叉概率为0.9,变异概率为0.01,岛间迁移率为0.01?

 

3.5优化设计结果 根据表2的数据建立了效率与4个设计参数之间的径向基神经网络近似模型,采用多岛遗传算法对近似模型进行寻优,经过10000步迭代计算,优化前后的几何参数和效率对比,通过遗传算法计算的效率为76.73%?可以看出优化后前盖板圆弧半径变小?后盖板圆弧半径变大?前盖板倾角变小而后盖板倾角不变?根据优化得到的叶轮轴面投影图几何参数,对叶轮重新造型并进行数值模拟,得到的泵在设计工况下的效率为76.75%,比原始方案效率提高了6.18%,同时与径向基神经网络预测的相差0.02%,说明径向基神经网络能准确地预测出泵在设计工况下的效率? 原始叶轮与优化叶轮速度分布对比,可以看出,前盖板的速度分布明显不同,而叶轮后盖板上的速度分布则没有太大变化?从图10a可知,原始叶轮在前盖板存在低速区域,有明显的漩涡,产生较大的水力损失,且进口区域速度梯度变化大?由图10b可以看出,在前盖板漩涡区域消失,且速度分布均匀,说明优化的轴面有效地使轴面形状更符合流体流动特性,优化后的轴面提高了叶轮的水力效率? 原始叶轮与优化叶轮内湍动能分布,湍动能反映了流体在流道内产生的脉动损失程度?优化前的叶轮内湍动能分布不均匀,在叶轮出口处湍动能最大;优化后的叶轮明显降低了叶轮内的湍动能,因而内部流场得到改善?

 

4结论

 

(1)结合定常数值模拟?拉丁超立方试验设计?径向基神经网络和遗传算法对叶轮轴面投影图上的4个几何变量进行优化设计?可实现对叶轮轴面投影图的快速优化,缩短了优化设计周期,节省了计算资源? (2)径向基神经网络建立了目标函数与设计变量之间的近似模型,通过对比近似模型预测值与CFD计算值,径向基神经网络具有较高的预测精度? (3)通过优化叶轮轴面投影图,余热排出泵的效率提高了6.18个百分点?同时有效地改善了叶轮内部流场特性?说明优化方法具有可行性,对优化叶轮的其他主要几何参数具有重要的参考意义?

 

参考文献(略)
如果您有论文代写需求,可以通过下面的方式联系我们
点击联系客服

提交代写需求

如果您有论文代写需求,可以通过下面的方式联系我们。