[发明专利]基于数据降维及多二维流面的径流式透平气动优化方法

说明书

本发明公开了一种基于多二维流面及数据降维的径流式透平气动优化方法，该方法包括：1、选取静叶设计变量，基于数据降维进行参数化建模；2、对动叶设计变量降维后的参数化建模，结合静叶设计变量随机生成设计变量矩阵；3、采用多二维流面计算的方法获取优化变量等熵效率；4、采用遗传算法对初始种群进行多代交叉变异，获得收敛解；5、选取优化过程中等熵效率最高的5％个体，采用三维CFD计算，得到精确解，获取最佳设计变量。这一优化方法具有数据维度低、收敛速度快、节省计算资源及时间的优点，具有重要的工程意义及广阔的应用前景。

技术领域

本发明属于径流式透平机械技术领域，具体涉及一种基于数据降维及多二维流面的径流式透平气动优化方法。

背景技术

径流式透平机械包括向心透平及离心压缩机，具有尺寸小、重量轻、寿命长、结构简单、操作维护方便、造价低廉等优点。尤其针对流量较小的设计工况，径流式透平机械的效率较高。随着工程技术的日益发展，径流式透平机械近年来应用广泛，例如中、小功率燃气轮机装置和柴油机的涡轮增压器等。

径流式透平机械的设计变量通常包括静叶即透平喷嘴和压缩机扩压器型线、动叶子午面和动叶型线。径流式透平机械的气动设计目前主要依赖设计人员经验对动叶和静叶型线进行调整，实现气动优化。这一过程需要大量人力及计算资源，且耗时长，难以满足生产作业需求。因此，智能优化算法在气动优化过程中的应用显得尤其重要。目前常用的智能优化算法有遗传算法、模拟退火算法、粒子群算法等。然而，由于径流式透平叶片本身结构复杂，对静叶和动叶叶型进行参数化时得到的设计变量过多，同时，三维流体动力学计算的网格量巨大，且计算收敛慢，采样获得的样本数量不足，优化过程缓慢。因此，本发明针对现有优化方法的不足，建立数据降维机制，减少设计变量，同时提出一种结果精度高、计算速度快、收敛性良好的多二维流面计算方法，具有重要的工程意义。

发明内容

本发明的目的在于针对现有技术的不足，提供了一种基于数据降维及多二维流面的径流式透平气动优化方法，主要应用于向心透平及离心压缩机装置的气动优化，可减少设计变量，加速气动优化过程，具有重要的工程意义及广阔的应用前景。

本发明采用如下技术方案来实现：

基于数据降维及多二维流面的径流式透平气动优化方法，包括以下步骤：

1)确定静叶叶型优化所需的设计变量，对设计变量进行数据降维，并给定设计变量的限定条件，满足叶型曲线的基本要求，实现进一步降维，最终形成静叶的一维设计变量矩阵x_s＝(x₁,x₂,...,x_s)；

2)确定动叶子午面及叶型优化所需的设计变量，给定设计变量的限定条件，实现降维，形成动叶的一维设计变量矩阵x_r＝(x₁,x₂,…,x_r)，最终随机生成N组设计变量x_N，其矩阵维度为N行(s+r)列，其中x_N的第i行x_N(i)＝[x_s,x_r]，i为任意正整数；

3)以x_N作为初始化种群，以等熵效率η_is作为优化变量，采用单目标遗传算法对静叶和动叶型线进行优化，其中对随机生成的设计变量矩阵x_N采用多二维流面的计算方法；

4)经过初始种群x_N的多代交叉变异，遗传算法的优化收敛，此时筛选等熵效率η_is较高的个体，进行三维计算流体动力学求解，获得最终优化结果。

本发明进一步的改进在于，步骤1)的具体实现方法如下：