基于遗传算法的平面叶栅多目标优化设计.docVIP

基于遗传算法的平面叶栅多目标优化设计 目录 TOC \o 1-9 \h \z \u 目录 1 正文 1 文1：基于遗传算法的平面叶栅多目标优化设计 1 1 数学模型 2 2 数值算例 4 3 结 论 6 文2：基于遗传算法的平面叶栅多目标优化设计 7 1 数学模型 7 2 数值算例 9 3 结 论 11 参考文摘引言： 11 原创性声明（模板） 11 文章致谢（模板） 12 正文 基于遗传算法的平面叶栅多目标优化设计 文1：基于遗传算法的平面叶栅多目标优化设计 目前，遗传算法 [1] 在许多领域都得到了广泛的应用，取得了很好的效果，充分说明了遗传算法的有效性。与一般算法相比，遗传算法更适合优化复杂的非线性问题。本文将遗传算法应用于平面叶栅优化设计。一方面，奇点分布设计平面叶栅原理简单，易于实现，但由于骨线是按照无厚翼型设计的，加厚以后流道变窄，流速加大，因此正反问题计算得到的环量相差较大，因此骨线需要调整；另一方面，充分利用遗传算法的全局搜索特性来搜索最优的骨线形状。将二者的特点结合起来用于设计轴流平面叶栅。这样既可以使得到的叶栅满足给定的环量要求，又可以提高其效率、减小气蚀系数，不失为一种新的尝试。 1 数学模型 奇点法 [2] 的基本出发点是用一系列分布在翼型骨线上的奇点来代替叶栅中的翼型对水流的作用，将叶栅绕流的计算转化为基本势流的叠加计算，利用绕流无分离的条件来绘制翼型的形状。其前提是假定来流为无旋有势流动、叶片无限薄。在设计过程中，所求的骨 线可先假设一个翼型的骨线形状，计算出骨线上各点的合成速度 W ，由于骨线 是假定的， W 并不能和骨线相切。根据骨线和速度 W 相切的条件修改第一次假设的骨 线形状，得到第二次近似骨线。重复上述计算，直至逼近为止。 目标函数 优化模型为： (1) 式中： ξ 为损失系数， σ 为气蚀系数； β i (i=1,2,3,…6) 为奇点法设计骨线时得到的 6 个等分计算点的夹角 ( 如图 1) ，奇点法就是通过这六个夹角和骨线总长来得到骨线形状。 得到骨线后，为得到翼型，必须以骨线为中线进行加厚，继而得到平面叶栅。本文先根据强度要求来确定翼型的最大厚度，而后以 NACA-0012 型空气动力翼型的厚度分布规律为基础，对所得骨线进行双边加厚。 约束条件 叶栅设计时的约束条件有几何约束、流动约束、能量约束等。在确定约束条件时应考虑在允许的情况下，尽量减少约束条件的数目。本课题提出约束条件有环量约束，以此来满足给定的环量，除此之外，还有速度分布约束、边界层无分离约束等。 多目标优化设计方法 设优化的多目标优化模型 [3] 为： (2) 式中： X 为优化个体； x 1 ,x 2 ,…,x k 为优化变量； f 1 (X),f 2 (X) ， … ， f n (X) 为各个优化目标。 在多目标优化过程中，通常引入一个 “ 有效解 ” ，即 Pareto 最优解的概念。本文采用以下形式构造统一的目标函数： (3) 这里， P 为正整数，通常取 P=2;X * i 为第 i 个目标对应的最优个体， f i (X * i ) 为其最优解。如此构造的统一目标函数可同时可虑多个优化目标。 个体适应值的计算 要得到个体适应值，需要对已知翼型的叶栅进行流场分析。取与水轮机同时转动的相对坐标系，则所求解问题的相对流函数满足拉普拉斯方程。鉴于我们关心的是翼型表面的速度分布这一特点，同时由于拉普拉斯方程的基本解已知，参照边界元 [4] 的特点，采用边界元方法来计算由翼型组成叶栅的平面无旋流场。流场求出之后，即可得到翼型表面的流速分布，从而可求得翼型的气蚀系数；而后，假设叶栅中的总损失正比于叶栅表面边界层中的流动损失，采用积分法 [5] 计算平面叶栅边界层，从而得到损失系数。在气蚀系数和损失系数已知的条件下，即可求得个体的适应值。 2 数值算例 数值算例的给定设计参数 本文以 ZZ440 轴流式水轮机为研究对象，对轮毂处的平面叶栅进行优化设计。基本参数 [6] 为： Q 10 = 3 ， n 10 =115min,n s =440mkw ， Z=6,Dh= 给定设计参数为： n d = 10 ,Q d = 10 ,H=1m,D=1m 。 流场 计算 区域如图 2 所示。 优化变量取值范围 在设计出初始无厚翼型骨线时，即可得到的骨线上六个骨线等分计算点的夹角值。各优化变量 β i 在初始骨线角的基础上左右波动 20% ，即可得到优化变量的取值范围。如在第 i 个优化点的初始骨线角度为 β 0i ，则在该点的优化变量 β i 的变化范围 [β 0i ， β