基于径向基神经网络-遗传算法的海流能水轮机叶片 - Ingenta Connect.PDF

第 30 卷 第 8 期 农 业 工 程 学 报 Vol.30 No.8 2014 年 4 月 Transactions of the Chinese Society of Agricultural Engineering Apr. 2014 65 基于径向基神经网络-遗传算法的海流能水轮机叶片翼型优化 ※ 朱国俊，冯建军 ，郭鹏程，罗兴锜 （西安理工大学水利水电学院，西安 710048 ） 摘 要：如何提高海流能水轮机的能量捕获效率是海洋能开发领域的重点研究课题，而提高海流能水轮机能量 性能的关键在于其叶片几何的构造基础——水力翼型的性能提升。该文提出了一种水力翼型的多工况优化设计 方法，该方法采用 Bezier 曲线参数化技术建立翼型的参数化表征方法，然后利用拉丁超立方试验设计技术在设 计空间获取训练径向基（radial basis function ，RBF ）神经网络的样本点，通过计算流体动力学的方法获得每个 翼型样本的性能参数后开展神经网络的学习训练，最后采用 RBF 神经网络与 NSGA-II 遗传算法相结合的现代 优化技术数值求解水力翼型的多工况优化问题。基于上述优化方法对 NACA63-815 翼型进行了优化改进，重点 研究了该翼型在 3 个攻角工况下（0，6°和 12°）的优化问题及求解方法。优化结果表明，优化后的翼型在 3 个 工况点下都具有更好的升阻比性能，同时也能更好地抑制失速现象的产生，验证了该优化方法的理论正确性和 可行性。 关键词：神经网络；水轮机；遗传算法；优化；叶片翼型；多工况优化 doi ：10.3969/j.issn.1002-6819.2014.08.008 中图分类号：TK733+ .3 文献标识码：A 文章编号：1002-6819(2014)-08-0065-09 朱国俊，冯建军，郭鹏程，等. 基于径向基神经网络-遗传算法的海流能水轮机叶片翼型优化[J].农业工程学报， 2014，30(8)：65－73. Zhu Guojun, Feng Jianjun, Guo Pengcheng, et al. Optimization of hydrofoil for marine current turbine based on radial basis function neural network and genetic algorithm[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2014, 30(8): 65 －73. (in Chinese with English abstract) 法对 HF-Sx 、Fx63137 以及NACA63-815 等翼型进 0 引 言 行了升阻特性对比；英国南安普顿大学的 Bahaj 海流能水轮机是一种将海流能转换为电能的机 等[6-10]对水平轴海流能发电机叶轮及叶轮翼型进行 械装置，其型式分为水平轴和垂直轴 2 种。海流能 了大量的试验测试工作。除此之外，还有一部分学 水轮机中关键部件为转轮叶片，而转轮叶片由各截 者对海流能翼型的优化设计开展了研究，如 面上的翼型根据一定的安放角组合而成，因此开展 Grasso[11]利用 RFOIL 软件和序列二次规划法相结 叶片翼型的水动力学特性研究对提高海流能水轮机 合开展了翼型的优化设计；杨波等[12]则采用 CFD [1] [2] 的能量捕获效率有重要意义。徐超