论文部分内容阅读
叶轮及导叶构成的增压单元是叶片式油气混输泵的核心部分，其设计的优劣直接关系到混输泵增压与效率的高低，以及运行稳定性。传统叶轮机械的优化方法在解决机理十分复杂的多目标优化问题时，很难得到目标函数与各设计变量的明确的表达式，因此难以达到满意的优化结果。 本文采用非支配排序遗传算法(Non-dominated sorting of genetic algorithm Ⅱ，NSGA-Ⅱ)，对叶片式混输泵叶轮进行优化，选取轮缘进口安放角、出口安放角、进口轮毂比和轮毂半锥角为优化参数，以多工况下混输泵的增压最大和效率最高为优化目标，采用神经网络技术建立适用于叶轮叶片翼型优化问题的预测模型，利用该模型可以代替求解纳维.斯托克斯方程(Navier-Stokes，N-S)的流场数值计算方法预测叶轮水力性能的繁琐过程，并可将其结果直接引入遗传算法适应度值评价环节，从而大幅提高系统优化效率。 利用该优化方法，得到了混输泵增压单元的最优化参数，并利用数值模拟计算方法，分析了最优参数组合的叶片性能。在内特性方面，优化后叶轮叶片压力过度平稳、分布更为均匀合理、压力波动也相对减少；有效减少了二次流现象与气液分离现象的发生。在外特性对比来看，其增压最大提高了约9％-15％，效率最大提高了约5％-8％。