基于Bezier曲线的贯流风机叶型多工况优化研究

采用四阶有理Bezier曲线,多个控制点约束叶轮中弧线进行叶片参数化设计.基于贯流风机须在较宽的工况区间内稳定运行的要求,在熵值法的基础上设计了一种多工况设计优化方法.设置多工况加权平均流量为优化目标函数,利用超拉丁方实验设计方法生成样本空间点,通过熵值法确定不同工况的权重因子,基于多岛遗传优化算法(MIGA)对数值模拟结果进行多工况优化.通过此方法进行贯流风机叶片型线优化结果表明:优化后叶轮在不同转速下体积流量均有所上升,最高转速下流量提高65.18 m~3/s.     

多翼离心风机分组优化设计对风机盘管整机气动性能的响应度研究

为提升空调器整机性能,揭示多翼离心风机各动静部件之间的协同匹配优化效果及整机状态下的流动特性,以风量作为主要参数,引入系数ε表征单风机性能变化对风机盘管整机性能变化的响应度。采用分组优化设计的方法研究了叶轮、蜗壳型线、蜗舌和集流器对单风机以及风机盘管整机气动性能的影响。研究结果表明：基于贝塞尔曲线的吸力面仿鱼形叶片设计对风机盘管整机性能的响应度最高,有效抑制了叶片吸力面上的流动分离,降低了气流对叶片前缘的冲击作用;偏流蜗壳型线和浅舌设计能够显著降低蜗壳内的流动损失,但是抗静压能力不足导致整机性能的响应度不高;外凸集流器设计有效改善了叶轮前盘与集流器间隙处的逆压梯度,虽然能够提升单风机性能,但是破坏了风机盘管整机的进气状态,气动性能响应度为负值。与原型机相比,采用分组优化设计之后的单风机风量提升了18%,效率提升了2.8%;风机盘管整机风量提升了11.2%,效率提升了0.83%。     

车用燃料电池空压机叶轮多工况气动优化设计

针对燃料电池离心空压机工况多变、过高压比导致燃料电池系统寄生功率过大的问题,基于参数化建模、拉丁超立方抽样、径向基函数神经网络和多目标灰狼优化算法,提出了多目标多工况带约束的燃料电池空压机叶轮气动优化设计方法,自主开发数值程序实现了气动优化的完整设计流程。以某两级燃料电池离心空压机叶轮为优化对象,采用拉丁超立方抽样获得叶轮关键设计变量的样本空间,基于自主流场分析程序计算叶轮样本对应的气动性能目标参数,在此基础上运用神经网络程序建立流场分析代理模型,以设计工况效率及非设计工况效率和压比为目标、设计压比为约束,运用多目标灰狼算法程序进行了叶轮气动设计的多工况多目标全局寻优。计算结果表明,拉丁超立方抽样实现了样本点在设计变量空间的均匀分布,运用神经网络建立的代理模型能够准确描述设计变量与性能目标间的映射关系,与流场计算所得性能目标的最大误差均小于1%,寻优计算获得了设计压比约束下的最优效率及相应的叶轮型线,优化后设计和非设计工况点的叶轮流场低速区减小、熵增降低,两级叶轮设计工况点的等熵效率分别提高2.2%和2%,非设计工况点的效率分别提高2.9%和2.2%。     

燃料电池离心压缩机叶轮构型的参数优化及性能分析

为提升离心压缩机气动性能以满足燃料电池系统的需求，以某燃料电池离心压缩机叶轮为研究对象，选取叶轮进口倾角、叶片数、子午流道等型线控制点和叶片安装角分布控制点等关键构型参数作为优化变量，采用数值计算方法对离心压缩机叶轮气动性能进行模拟和优化。结合拉丁超立方抽样与BP神经网络拟合叶轮构型参数与气动性能的映射关系，以叶轮等熵效率最大为优化目标、总压比和功率等参数为约束，运用遗传算法对上述叶轮关键构型参数进行多参数寻优，并对优化前后叶轮的气动性能及其内部流动特性进行了对比分析。结果表明：在设计工况下，优化后叶轮等熵效率提高了3.90%,总压比为1.742,功率为8.53 kW,满足设计要求；叶轮的稳定运行工况范围变宽，并且在整个工况范围内叶轮的等熵效率也均得到提升；从流场分析可以发现，优化后叶轮轮盖侧高熵值区域缩小，叶片压力面及出口截面速度分布更均匀，低速气体团面积在不同流动方向上减小，叶道内流动分离得到抑制，验证了所提离心叶轮多参数优化设计方法的有效性。     

前向离心风机蜗壳出口结构的数值优化

对某前向离心风机内部三维非定常流动进行了数值计算,重点研究了蜗壳出口的3个结构参数--蜗壳出口扩张角、叶轮的露出长度以及蜗舌间隙对风机气动性能及气动噪声的综合影响.通过响应面方法对数值结果进行二次回归拟合,得到3个结构参数与风机效率和A声级间的函数关系,并进行了优化分析.数值结果表明:叶轮露出长度和蜗舌间隙对风机效率和A声级影响较为显著,通过优化能够在保持风机效率基本不变的情况下使A声级降低9.4 dB.将可靠的CFD数值技术与响应面方法结合起来用于指导离心风机的改进及试验设计是可行的.     

基于灰色神经网络的设备剩余寿命在线预测

为解决高可靠复杂设备的剩余寿命通常与多个性能参数共同退化相关的实际问题,提出一种多变量灰色误差神经网络预测方法。首先,建立经过背景值优化的多变量灰色预测模型MGM(1,n),并得到原始数据序列的初始预测值。然后,利用神经网络建立残差序列与原始数据序列之间的映射关系,训练RBF神经网络。最后,将改进的MGM(1,n)模型和RBF神经网络集成,建立多变量灰色误差神经网络预测模型。实例计算结果表明,与单一预测模型相比,该方法能够有效提高预测精度。     

板料回弹控制的成形工艺面多目标优化

针对高强度板成形后回弹大的问题,以工件回弹前后对应节点的位移偏差和等效塑性应变裕度最小化为目标,以板料最大增厚率和最小减薄率为约束条件,建立基于车身侧外板回弹控制的工艺面多目标优化模型.采用实验设计(DOE)和径向基函数(RBF)神经网络方法建立优化代理模型,对均匀实验设计方案进行改进以提高优化精度,并与未改进的RBF神经网络和响应面(RSM)代理模型的优化结果进行对比分析.结果表明,建立的多目标优化模型是合理的,改进RBF神经网络代理模型的优化精度较高,在所抽取的满意解中,回弹和等效塑性应变裕度目标函数的相对误差分别为15.9%和2.2%.与实验设计中回弹量最大的样本方案相比,优化后车身侧外板回弹量减少5.149 2 mm.     

基于Isight的自适应翼型前缘气动优化设计

为了兼顾翼型在各个飞行状态下的气动效率,基于Isight优化设计平台对自适应翼型前缘进行了气动优化设计研究.首先对Hicks-Henne型函数进行了改进,实现了翼型前缘的参数化描述;然后采用拉丁超立方实验设计方法生成样本点,并运用CFD软件进行翼型流场的气动计算,进而利用该样本数据完成对RBF神经网络的训练;最后对神经网络近似模型应用多岛遗传算法进行优化.以NACA 0006翼型为例,采用上述组合优化策略以升阻比为目标函数进行优化设计.仿真结果表明:改进后的Hicks-Henne型函数较好地描述了翼型前缘;组合优化方法显著提高了翼型气动优化效率.     

离心风机基频气动偶极子噪声的数值研究

运用计算流体动力学技术及声比拟理论研究了离心风机3个不同流量下蜗壳及叶片表面偶极子声源产生的基频噪声.风机内部三维瞬态流场由计算流体动力学模拟得到.根据气动声学的FW-H方程对蜗壳内表面提取偶极子声源,对于叶片噪声利用Lowson公式进行建模.为了使计算模型更符合实际,建立了以蜗壳为界的内外声学直接边界元模型,使用多区域声学边界元模型,考虑蜗壳对声传播的散射作用,内部噪声通过蜗壳的进出口传播到风机外部.结果表明:在非定常流场中,蜗壳表面的压力波动以基频为主,而叶片上的压力波动并没有明显的基频分量;蜗舌是基频噪声的最主要声源;随着流量变大,蜗壳辐射的噪声急剧增加;由叶片产生的偶极子基频噪声比蜗壳小,特别是在大流量工况下.     

采用仿鲤科鱼C型启动构型叶片的多翼离心风机气动性能研究

受鲤科鱼类C型启动逃逸反应时高效率游动姿态及其周围涡流特征的启发,进行叶片仿生设计,以提升多翼离心风机的气动性能。首先,采用逆向工程方法获取了鲤科鱼C型启动姿态时鱼体中心线方程和水平剖面轮廓线方程,以C型启动时鱼体中弧线为基准,设计了仿生等厚叶片。其次,通过多翼离心风机气动性能数值计算和实验测试,得到了具有最佳进口安装角的仿生等厚叶片(O-BETB),采用O-BETB的多翼离心风机的风量增加了6.8%,噪声下降了0.5 dB(A)。最后,将仿生重构的鱼体流线型轮廓与O-BETB相耦合,得到仿生耦合叶片(CBB),以进一步提高多翼离心风机气动性能。结果表明：当采用CBB时,多翼离心风机的风量增大了8.3%,噪声下降了1.1 dB(A)。基于流场分析,发现具有仿生中弧线和鱼体轮廓特征的耦合叶片在前缘进口角及叶片型线具有更好的引流导向作用,叶间流道的低速分离旋涡明显小于另外两种叶轮;叶片尾缘的尾迹涡脱落引起气流不均匀性程度也最弱,有效缓解了尾流与蜗舌、蜗壳之间的非定常相互作用。通过多翼离心风机声场特性的分析,发现多翼离心风机的气动噪声主要集中在中低频段。CBB的采用,叶轮通道内分离涡被抑制,...