基于CFD和神经网的离心泵建模和多目标优化.docVIP

基于CFD和神经网络的离心泵建模和多目标优化 摘要 离心泵的建模和多目标优化分为三步。在第一步中，使用商业软件Numeca对一组离心泵的效率η和汽蚀余量进行数值研究，得到基于进化数据分组处理方法（GMDH）的二元型神经网络；第二步，对根据η和汽蚀余量几何设计变量建模；最后，利用得到的多项式神经网络，遗传算法对基于帕雷特的离心泵的两个相互冲突的目标（η和汽蚀余量）进行优化。结果表明，基于多目标优化得到的代表离心泵效率η和汽蚀余量的多项式模型的帕雷特，能够反映一些对离心泵性能有用的优化设计原理，这就显得很有趣也很重要。如果没有使用GMDH神经网络建模和帕雷特优化途径就不会得到这些重要的优化原则。 简介 离心泵是工业上大规模使用的叶轮机械。离心泵优化设计是一个多目标优化问题，而不是一个如迄今为止的文献所考虑的单目标优化问题。Demeulenaere等人[1]利用NUMECA软件和遗传算法的微调/3D设计环境对离心泵的优化过程进行了研究。他们试图在两种不同流速中通过提高效率和压头，并减少汽蚀余量，最后他们证明在新叶轮的几何形状应在其中心线上定义更多的曲率。 Nariman-zadeh等人[2]提出了一种多目标优化的方法并对此给出了四个供设计师选择的优化点。他们试图提高效率和压头，并降低输出功率。在模拟过程中，他们没有使用CFD仿真，只使用了效率、压头和输出功率的解析方程。在实际复杂的