基于多目标遗传算法的双流道泵叶轮水力优化模型研究

双流道泵是一种无堵塞性能好的新型离心泵，在国民生产各领域、尤其是环保领域得到了广泛的应用。然而，其叶轮水力性能较差已成为制约双流道泵发展的主要瓶颈，开展双流道泵叶轮水力优化研究是解决这一问题的有效途径。本项目联合流场计算和先进的优化算法，研究并建立基于多目标遗传算法的双流道泵叶轮水力优化模型，具体内容包括：通过结构分析确定双流道泵叶轮的建模方法、网格类型和拓扑结构；结合数值实验和PIV测量研究高速旋转、流道曲率、局部流动对双流道泵叶轮内湍流结构生成和演化的影响机理，建立既真实反映流动情况又适合数值求解的湍流模型；基于人工神经网络建模研究，建立双流道泵叶轮水力性能预测模型；研究适合双流道泵叶轮多目标遗传优化的叶轮参数编码方案、适应度函数、选择、交叉和变异算子。本项目旨在建立一种新的双流道泵叶轮水力优化模型，为提高双流道泵的水力性能奠定理论和技术基础，为其他泵的优化设计研究提供借鉴。

本项目联合流场计算、数值优化算法和PIV测量，研究并建立基于多目标遗传算法的双流道泵叶轮水力优化模型，具体内容包括：运用全隐式多网格耦合算法研究了叶轮流道结构对双流道泵内流场和外特性的影响，获得了最优叶轮流道结构形式；应用大涡模拟对不同隔舌间隙的双流道泵叶轮和蜗壳耦合流场进行三维瞬态数值计算，研究叶轮相对于隔舌不同位置时的非定常流动特性，得到了隔舌间隙数对双流道泵水力性能的影响规律；以最高效率PE、高效区的相对宽度HE、小流量区的功率稳定性TE、瞬态径向力最小值RF为目标函数，利用Plackett-Burman试验设计方法对双流道泵的设计变量进行筛选，基于响应面法建立了目标函数与设计变量的关联式，发展了基于响应面法的双流道泵多目标优化设计方法；研究了壁面粗糙度对双流道泵内尾流-射流现象和外特性的影响，提出了基于等效沙粒粗糙度模型和全流道计算区域的双流道泵效率计算公式；结合均匀试验设计和BP神经网络建立双流道泵水力性能预测模型，其中隐含层的传递函数为tansig函数，输出层的传递函数为purelin函数，隐含层共设置9个神经元。训练神经网络的试验点的目标函数值由CFD计算得到，对比神经网络的预测值和CFD的计算值，利用Levenberg-Marquardt算法反复训练神经元，提高预测精度；采用二进制编码方法对双流道泵的几何参数进行编码，以扬程H和效率η为优化目标，以目标函数值作为种群个体的适应度值，通过选择、变异和繁殖子程序产生子代叶轮，以随机竞争法作为选择算法，编写基于“分割-并列选择-合并”并行操作理念的多目标遗传算法主程序，结合CFD计算和BP神经网络预测，建立了多保真度的、多目标的双流道泵水力寻优模型；搭建了双流道泵内流测量试验台，运用三维PIV技术对双流道泵的内部流动进行了测量，为数值计算提供边界条件和试验验证。本项目建立的双流道泵叶轮水力优化模型，为提高双流道泵的水力性能奠定理论和技术基础，为其他泵的优化设计研究提供借鉴。