[发明专利]考虑缺陷的大型透平膨胀机叶轮叶片结构优化设计方法

权利要求书

1.考虑缺陷的大型透平膨胀机叶轮叶片结构优化设计方法，其特征在于：包括以下步骤：

步骤1：对带缺陷的叶轮模型进行不同载荷应力分析，得到不同载荷对裂纹的影响程度，以作为叶轮简化裂纹参数化试验的受力条件分析；

步骤2：设置简化裂纹参数，每个参数设定样本数，以此确定叶轮对裂纹的敏感区域；

步骤3：简化裂纹参数化试验表明裂纹深度与分布形式对叶轮的强度影响较大，主要敏感区域为叶根附近，以减小裂纹处应力集中为出发点，确定叶片截面厚度为叶轮局部优化对象；

步骤4：设定叶片不同截面厚度为设计变量，并规定其变化范围，选取在相同的载荷条件下无缺陷叶轮的最大等效应力数值为约束条件,所受的最大等效应力及质量为目标函数对叶轮进行局部优化；

步骤5：输出优化结果，利用有限元校核验证，确定具体优化参数数值；

其中，

步骤1的载荷应力为离心载荷及气动载荷应力；

步骤2中的裂纹参数为长度，宽度，深度及分布位置；

步骤4包括以下具体过程：

a.建立广义回归神经网络响应模型

1)计算隐含层神经元径向基函数中心和神经元阈值

将设计变量即叶轮不同截面的厚度参数和对应的最大等效应力值与其质量作为神经网络的训练样本；输入矩阵为厚度截面参数，已知的样本输出矩阵为对应的最大等效应力和质量；

2）计算隐含层神经元输出和确定隐含层与输出层间的权值矩阵

通过1）后可以求出隐含层神经元的输出，将训练集的输出值矩阵作为隐含层与输出层之间的连接权值W；

3）计算输出层神经元的输出值即神经网络的输出值；

在2）确定连接权值之后，通过输入训练样本进行学习并建立神经网络响应模型；将叶片截面厚度矩阵输入神经网络响应模型中即可求出对应的最大等效应力值和质量输出性能值；

b.采用基于遗传算法的多目标优化算法对叶片截面厚度进行优化

基于叶片截面厚度和对应的最大等效应力与质量的神经网络预测模型，选取初始训练样本，利用基于遗传算法的多目标优化算法进行选择、交叉及变异遗传操作产生子种群，精英自动保留，父子种群合并，计算相应的序值和拥挤距离，修剪种群使个体数目等于种群的大小，进行终止条件判断得到Pareto解集；将优化解集分别进行数值模拟和神经网络模型预测，根据误差大小对结果取舍优化。

2.根据权利要求1所述的考虑缺陷的大型透平膨胀机叶轮叶片结构优化设计方法，其特征在于：所述载荷应力分析采用有限元分析：

1）仅考虑离心力的作用；在有限元分析，叶轮采用轴孔固定约束，添加叶轮模型的材料，并指定相应的旋转速度，分析得出离心力作用下的应力分布情况；

2）仅考虑气动载荷的作用；在workbench中采用FSI进行叶轮流固耦合分析，将fluent后处理中叶轮流场模拟的叶片压力载荷导入到叶轮模型上，叶片压力单向传递到叶轮的静力分析中，作为表面载荷施加到叶片上，不设定转速，进行静力分析，完成气体载荷的模拟，得到仅考虑气体载荷情况下的应力分布情况。

3.根据权利要求1所述的考虑缺陷的大型透平膨胀机叶轮叶片结构优化设计方法，其特征在于：过程a中，采用具有较强的非线性映射能力和柔性网络结构的广义回归神经网络来建立设计变量与目标函数的神经网络模型，根据叶片不同截面厚度和带裂纹的叶轮所受应力及质量的关系，建立叶片不同截面厚度和最大等效应力及质量之间的非线性映射关系；具体步骤主要是通过样本训练确定出神经网络中的一些重要参数如径向基函数中心、神经元阈值及权值。

4.根据权利要求1所述的考虑缺陷的大型透平膨胀机叶轮叶片结构优化设计方法，其特征在于：过程b中，应用基于遗传算法的多目标优化算法，随机选取规定的样本点组成种群，将采用基于神经网络的叶片截面厚度和叶轮所受最大等效应力及质量形成的映射关系作为目标，选取无缺陷叶轮同等载荷下的最大等效应力为约束条件，得到相应的Pareto前沿点，通过这些点进行有限元校核分析得出和预测值之间的误差。