为提高透平式能量回收一体机的水力性能,采用RBF神经网络、NSGA-Ⅱ遗传算法和数值模拟集成的设计方法,对高压泵进行多工况优化设计.以高压泵三工况点的加权平均效率为优化目标,设计工况点下的扬程为约束条件,结合Plackett-Burman筛选试验,将进口安放角、出口安放角、叶片出口宽度及叶片包角作为优化变量,采用最优拉丁超立方设计试验空间,基于Isight多学科优化平台,通过编写批处理命令集成CFturbo,ICEM,CFX,搭建智能水力优化平台,实现高压泵的CFD自动预报.基于数值模拟结果,利用RBF神经网络建立目标函数与几何参数之间的非线性关系,并运用NSGA-Ⅱ算法对该模型寻优.研究结果表明:RBF神经网络模型能够准确预测高压泵效率以及扬程与设计变量之间的关系;优化后高压泵与初始方案相比,3个工况点加权平均效率提高了3.38％,在0.8Qd,1.0Qd和1.2Qd工况下效率分别提高了2.21％,3.59％和4.23％;优化后叶轮在设计工况点附近轴功率略有减小;对比优化前后叶轮的流场分布,优化后的叶轮进口低速区减小,内部速度梯度分布更加均匀,流场得到明显改善,能量耗散减小.研究结果可为高压泵多工况水力优化设计提供一定理论依据.

海水淡化高压泵;能量回收一体机;多工况优化设计;RBF神经网络;NSGA-Ⅱ遗传算法

江苏大学国家水泵及系统工程技术研究中心,江苏 镇江212013

[1]张德胜;张奇;赵睿杰;祁炳;沈熙-.基于RBF神经网络和NSGA-Ⅱ算法的海水淡化高压泵多工况优化设计)[J].排灌机械工程学报,2022(12):1189-1196

海水淡化高压泵,CFturbo,8Qd,0Qd,2Qd

RBF,NSGA,多工况优化设计,透平,能量回收一体机,水力性能,工况点,加权平均,平均效率,优化目标,设计工况,扬程,Plackett,Burman,筛选试验,进口安放角,出口宽度,叶片包角,优化变量,最优拉丁超立方,设计试验,试验空间,Isight,多学科优化,批处理,命令集,ICEM,CFX,CFD,自动预报,几何参数,非线性关系,准确预测,测高,泵效率,设计变量,效率提高,后叶,叶轮,轴功率,对比优化,流场分布,低速,速度梯度,能量耗散

0.306757