[发明专利]改善大型立式离心泵性能与驼峰不稳定性的匹配优化方法在审

专利信息
申请号: 202110351392.6 申请日: 2021-03-31
公开(公告)号: CN113177271A 公开(公告)日: 2021-07-27
发明(设计)人: 杨港;张德胜;杨雪琪;赵旭涛 申请(专利权)人: 江苏大学
主分类号: G06F30/17 分类号: G06F30/17;G06F30/23;G06F30/27;G06F30/28;G06N3/00;G06T17/20;F04D29/22;G06F111/10;G06F113/08;G06F119/14
代理公司: 暂无信息 代理人: 暂无信息
地址: 212013 江*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 改善 大型 立式 离心泵 性能 驼峰 不稳定性 匹配 优化 方法
【权利要求书】:

1.改善大型立式离心泵性能与驼峰不稳定性的匹配优化方法,其特征在于,包括如下步骤:

(1)从水力部件匹配性会对其性能及驼峰不稳定性产生影响方面考虑,选取大型立式离心泵径向导叶与蜗壳匹配设计参数作为初始优化设计参数;

(2)采用商业数学软件Mintab进行Plackett-Burman筛选试验设计;

(3)对步骤(2)所得结果进行回归方程系数分析,减少优化设计参数;

(4)对步骤(3)中所得的优化设计参数进行最优拉丁超立方采样建立样本数据库;

(5)将步骤(4)中所得的样本数据代入CFturbo进行导叶与蜗壳的参数化建模;

(6)将步骤(5)中所得的导叶与蜗壳水体计算域导入ANSYS ICEM CFD,进行网格划分;

(7)将步骤(6)中所得的导叶与蜗壳和其他水力部件水体计算域网格导入ANSYS CFX进行定常数值模拟计算,得到各样本对应的优化目标值;

(8)对步骤(7)中所得计算结果,使用多层前馈神经网络拟合优化参数和优化目标值;

(9)采用步骤(8)中的多层前馈神经网络结合粒子群优化算法,通过迭代计算不断更新粒子的移动速度和最佳粒子位置,当粒子达到全局最优位置时,停止迭代,输出优化结果。

2.根据权利要求1所述的改善大型立式离心泵性能与驼峰不稳定性的匹配优化方法,其特征在于,选取导叶与蜗壳的十个设计参数进行Plackett-Burman筛选试验,分别为导叶进口宽度、导叶进口直径、导叶出口直径、导叶进口安放角、导叶出口安放角、导叶包角、蜗壳进口宽度、蜗壳扩散管高度、蜗壳出口直径、蜗壳第八断面面积。

3.根据权利要求2所述的改善大型立式离心泵性能与驼峰不稳定性的匹配优化方法,其特征在于,采用Plackett-Burman筛选试验设计12组方案,并对结果进行线性回归分析,找到对设计点效率影响最大的4个设计参数,分别为导叶进口直径、导叶进口安放角、蜗壳进口宽度、蜗壳第八断面面积。

4.根据权利要求3所述的改善大型立式离心泵性能与驼峰不稳定性的匹配优化方法,其特征在于,通过最少的试验次数快速找到各个优化参数对优化目标的影响程度,从而减少优化设计参数,大大降低优化复杂性。

5.根据权利要求4中所述改善大型立式离心泵性能与驼峰不稳定性的匹配优化方法,其特征在于,采用改进了拉丁超立方采样法的最优拉丁超立方采样方法在筛选后优化参数范围内创建样本数据,使样本数据具有更好的空间填充性和均匀性。

6.根据权利要求5所述的改善大型立式离心泵性能与驼峰不稳定性的匹配优化方法,其特征在于,采用脚本程序驱动CFD计算所需的各商业软件,实现三维造型、网格划分、CFD计算的自动化,并基于Isight软件搭建了大型立式离心泵自动数值模拟优化平台。

7.根据权利要求6所述的改善大型立式离心泵性能与驼峰不稳定性的匹配优化方法,其特征在于,以泵设计点效率作为优化目标值,采用含有多个隐藏层的多层前馈神经网络建立优化设计参数和优化目标值之间的关系,多层前馈神经网络具有更好的拟合精度。

8.根据权利要求7所述的改善大型立式离心泵性能与驼峰不稳定性的匹配优化方法,其特征在于,将粒子群优化算法与多层前馈神经网络结合,提高算法寻优精准度并加快算法收敛速度,大大提高优化效率。

9.根据权利要求8所述的改善大型立式离心泵性能与驼峰不稳定性的匹配优化方法,其特征在于,经过多次迭代计算,以优化目标值作为残差收敛判定值,当残差达到预定值后停止计算,输出优化参数的最优参数组合。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于江苏大学,未经江苏大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110351392.6/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top