[发明专利]基于自适应差分变异人群搜索算法的叶片结构优化方法

权利要求书

1.一种基于自适应差分变异人群搜索算法的叶片结构优化方法，其特征在于：该方法包括以下步骤：

步骤一、获取初始涡轮流量计的仿真仪表系数特性曲线，并计算仪表系数线性度误差δ；

步骤二、以流量计叶片半径、叶片边缘厚度、叶片倾斜角度三个结构参数作为设计变量，仪表系数线性度误差δ为输出目标值，进行仿真正交试验；

步骤三、基于仿真数据，应用响应面法拟合出目标值关于设计变量的二次回归拟合方程；

步骤四、以步骤三中的拟合方程作为适应度函数，通过基于自适应差分变异的人群搜索算法，以适应度值最小为优化目标，进行结构参数寻优；

步骤五、使用优化后的叶片结构进行模拟仿真，获得优化后的仪表系数曲线。

2.根据权利要求1所述的基于自适应差分变异人群搜索算法的叶片结构优化方法，其特征在于：步骤一中仪表系数线性度误差δ表达式如下：

式中，K_max＝Max{K_i}，K_min＝Min{K_i}，i＝1,2,…,n；n为进行结构参数优化选取的流量点个数；K_i为第i个流量点对应的仪表系数；为平均仪表系数。

3.根据权利要求1所述的基于自适应差分变异人群搜索算法的叶片结构优化方法，其特征在于：步骤三中拟合的二次回归拟合方程为：

δ＝48.74314-5.17338×R_t+2.77162×a-0.07254×θ-0.41636×R_t×a+4.28292e-4×R_t×θ+0.025524×a×θ+0.14584×R_t²+4.02328×a²+5.70176e-4×θ²

式中，R_t为叶片半径；a为叶片边缘厚度；θ为叶片倾斜角度。

4.根据权利要求1所述的基于自适应差分变异人群搜索算法的叶片结构优化方法，其特征在于：自适应差分变异人群搜索算法的算法流程如下：

Step1初始化，对搜索者位置进行随机赋值，产生初始种群pop_i；

Step2评价，计算搜索个体的适应度值；

Step3变异，根据当前最佳位置gbest_r1,t和两个随机位置pop_r2,t和pop_r3,t，对初始种群进行自适应差分变异操作，产生变异种群pop_i,t+1；

Step4搜寻，计算每个搜寻者搜索方向以及搜索步长α_i；

Step5位置更新，根据搜索方向和步长进行位置更新；

Step6获取搜寻者个体最佳适应度值fitgbest(i)，若当前搜寻者适应度值fit(i)fitgbest(i)，则用fit(i)替换fitgbest(i)；

Step7获取搜寻者全局最佳适应度值fitzbest(i)，若当前搜寻者适应度值fit(i)fitzbest(i)，则用fit(i)替换fitzbest(i)；

Step8迭代计算t+1；

Step9当达到最大迭代次数时，停止搜索输出最优结构参数组合以及最小线性度误差值；否则，转至Step2。