5第五章 叶片设计算法.pptVIP

第五章 叶片设计及优化算法 跨音速压气机及低速风机叶型反设计优化技术 应用几何遗传算法对叶栅的优化设计 神经网络算法在叶片几何造型中的应用 主要内容 研究背景及意义 计算方法介绍 优化方法介绍 设计结果对比分析 设计叶型S1流场检验 结论 研究背景及意义 计算方法介绍 优化方法介绍 设计结果对比分析 设计叶型S1流场检验 结论 选用势流函数解析法为基本算法，省去了差分法繁琐的数值迭代运算，提高了叶型设计的效率。 确立了叶型几何参数与叶片表面气流参数的分布方式有机结合为突破口的优化设计思路，提出了分区域调整叶片表面速度分布的设想，并加以实施，取得了较好的效果。 采用速度初值预处理调整环量，能够有效的调节叶型的厚度，使得叶型厚度分布满足设计要求。 攻角、落后角的加入完善了反方法叶型设计过程中对非设计工况考虑较少的不足之处。 通过设计算例与几何方法设计算例的对比分析，可以看出本方法在一定的程度上可以替代几何方法，采用本方法也可以设计出型面更为复杂的叶型。对设计叶型的前后缘采用了圆弧处理使得设计叶型更接近于真实叶型，符合工程实际应用。 通过流场计算程序对设计的部分叶型进行检验，说明本文的叶型优化设计方法具有一定的应用价值。 第二节 应用几何遗传算法对叶栅的优化设计 1.几何遗传算法 2 应用实例 3 结论 第三节 神经网络在叶片几何造型中的应用 1.理论基础 2.预处理 3.构造BP网络 4.结果分析和结论 结论： 本文所应用的叶栅流场计算方法已经过大量的算例验证，可有效计算预测轴流式叶轮机械叶栅流场，尤其是捕捉叶片表面的气流参数分布情况及气动参数的流动变化情况。 第一级静子根部叶型设计工况s1流场计算结果对比分析 设计工况S1计算结果 设计工况S1计算结果与优化值对比 正5度攻角S1计算结果 正5度攻角S1计算结果与优化值对比 第一级静子根部叶型正5度攻角s1流场计算结果对比分析 第一级静子中部叶型设计工况s1流场计算结果对比分析 设计工况S1计算结果 设计工况S1计算结果与优化值对比 正5度攻角S1计算结果 正5度攻角S1计算结果与优化值对比 第一级静子中部叶型正5度攻角s1流场计算结果对比分析 设计工况S1计算结果 设计工况S1计算结果与优化值对比 第一级静子尖部叶型设计工况s1流场计算结果对比分析 正5度攻角S1计算结果 正5度攻角S1计算结果与优化值对比 第一级静子尖部叶型正5度攻角s1流场计算结果对比分析 小 结 从S1计算的结果来看，设计的叶型在设计工况和非设计工况下均有相当良好的气动性能。 从S1计算的结果与给定值的对比图可以看到，两者的吻合程度较好。 几何遗传算法由于其独特的变量染色体表达和简易的编解码方式特别适合于对具有封闭轮廓线的形状优化问题的求解(如翼型叶片的优化设计等)。这是一种基于达尔文自然选择和进化规则的优化搜索方法,具有智能性、并行性、自适应性和全局收敛性等突出特点,已广泛应用于许多工程研究领域,其中包括成功地用于求解复杂的流体机械形状优化设计问题。本节将几何遗传算法应用于流体机械中离心扩压器叶栅叶型的改进设计,所取得的结果令人满意。 已有的基于遗传算法的流体机械设计应用大多采用的是二值编码策略。采用此类编码的遗传算法其每一进化代中个体流动特性的估计与遗传算法之间的耦合必须通过设计变量的编码和解码过程才能实现。 在遗传算法中直接采用实数变量进行编码,可以避免二值编码的编码和解码过程,从而缩短遗传算法的进化周期,提高计算效率。在相似的思想基础上, 针对孤立翼型的优化设计提出了一类新的遗传编码方法,采用该编码的染色体是利用设计变量相应的“几何概念”(如点和线等)来定义。因而一个染色体可以对应一个翼型的几何表达。在该几何编码下,遗传算子也给予了新的定义。此方法称为几何遗传算法(GGA)。 本节将该几何编码方法进行了发展,从而使这种方法可以应用于流体机械中叶栅的优化设计。在一个实例翼型扩压器叶片的改进设计中,利用该方法成功地求得了其流动损失小于原叶片流动损失的一个改进叶片型线。 在标准遗传算法中,设计变量之间的关系不可能被解析地给予考虑。然而,在某些设计问题中,例如形状设计,由于设计变量在物理上是相互联系的,对变量进行孤立的处理,会丢失某些设计过程中的重要信息。为了保持机翼设计中设计变量间的这种相互关系,将“几何概念”引入遗传算法的编码当中十分有用。几何概念的引入,使得相应的杂交和变异算子也具有了某种“几何性”。 为了将孤立翼型的表达方式推广到本文的应用对象——叶栅,我们必须预先假定叶片型线的弦长保持恒定,这样才能保证叶栅的进出口位置固定,满足叶栅设计的结构要求。而孤立机翼设计情况下,该弦长可以在