基于遗传算法的离心泵性能优化.pdf

《基于遗传算法的离心泵性能优化.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、基于遗传算法的离心泵性能优化上海福思特流体机械有限公司(201709)张浩上海理工大学(200093)余晓明【摘要】针对现有某离心泵效率低和扬程曲线存有驼峰的现象，利用遗传算法优化相关结构参数，得到满足要求的叶片数、出口宽度、出口安放角及叶轮外径。通过对比分析定常多相位法和非定常法结果与试验值的误差，发现定常多相位法的精度更高。在此基础上运用定常多相位法验证了遗传算法优化模型能有效提高效率，且H—Q曲线无驼峰。【关键词I离心泵遗传算法定常多相位法驼蝰一、前言离心泵作为一种应用广泛的通用机械，在工业及城市供水、排水和农业灌溉等方面发挥着重要的作用。

2、传统的设计方法难以快捷、准确地达到目标，为满足不同的需求，合理地设计和改型至关重要。遗传算法作为智能优化的一种，因其思想简单，易于实现而被应用于各类结构的设计和优化中。但在离心泵的设计和优化上，遗传算法的应用尚且不多。W．A．Wahba等人第一次将遗传算法引入到离心泵叶片优化设计中，并取得了较为理想的结果；闫永强等人对遗传算法在流体机械优化设计中的应用现状做了总结，并分析了其在离心泵优化问题中应用的可行性；何希杰等人评价了遗传算法和传统设计方法在离心泵设计上的优势，认为其易于实现，且效果显著。同时，由于试验往往消耗大量的人力、物力，各种研究成果的

3、可行性难以被证实。而CFD数值模拟方法因其高适应性和准确性受到广大学者认可。因此，本文将遗传算法与CFD数值模拟相结合，以某型清水离心泵为研究对象，建立数学模型，利用遗传算法得到满足要求的叶片数、出口安放角、出13宽度和叶轮外径。通过比较两种数值模拟方法与试验值的误差，验证了多相位定常法可以预测离心泵的性能，在此基础上考察了离心泵优化前后的性能。二、遗传算法优化设计遗传算法是一种模拟生命进化机制的一种搜索与寻优方法，它借鉴达尔文的物竞天择、适者生存的自然选择和自然遗传机理，形成了一种求解问题的高度并行全局搜索方法，与传统方法相比，具有更强的全局寻

4、优能力。作为智能算法的一种，遗传算法的运算是基于由一系列数列组成的染色体，并根据适者生存的原理，采用选择、杂交和变异对染色体中的数值进行更新。1．优化设计的数学模型现有离心泵的主要参数见表l。表1现有离心泵的主要参数离心泵的实际扬程为理论扬程与水力效率的乘积。理论扬程H的计算：Ht=[P(丌n／30)2R；一Qn／(60b2，7。妒2tan／，2)】但(1)式中∥——出口的滑移系数，∥=1一丌sin卢2／Z；2014年椭黑：ety用jx竺co

5、m83第7期Ⅵww．VUM晰9从麓∽祝肋曰&通伽蛾．鼬工m水哳罄咖城m出二鲨=Z_叶片数；卢：——出口安

6、放角；妒：——叶片出口排挤系数；6：——出El宽度。离·1、．2泵的水力效率，7。，容积效率，7。，机械效率，7。计算如下：仉=1+0．083519(QIn)“3(2)，7。=1／[1+0．68ns-扔】(3)，7。=o．98／[1+0．07(nJl00)‘7／6】(4)本文以叶片数z，出El宽度b：，叶片出口安放角卢：，叶轮直径D：作为设计变量，离心泵的效率作为第一分目标函数：Max,=，7h，7。，7，(5)由于较小值的Z、卢：、b2和较大值的D：可以有效避免日一Q曲线的驼峰现象，因此，在目标函数中加入第二分目标函数，以提高具有这些基因的个体

7、的适应度。Ma硬=D2，(劢：卢2)(6)同时定义叶片数与叶片出口角的关系，设立式(8)为约束条件，对不满足式(8)的个体，定义其适应度为0，以降低可能造成驼峰现象的个体被选择的概率。利用线性加权和法建立如式(7)所示总的目标函数：Maxf=-wl叩h，7。，7。+(【，2D2／(口Zb2卢2)(7)卢2<90Z“773(8)S．T．4≤Z≤90．15≤D2≤0．2516≤卢2≤354≤62≤8其中，cc，。、0．2：为加权系数，在式(7)中均定义为0．5。口为调节因子，用以调节两个分目标函数的数量级，此处定义为10。2．个体编码由于遗传算法不能

8、直接处理十进制数，将各参数转换为二进制，且每5位二进制数表示一个参数。X(1)=Z，X(2)=b2，工(3)=卢2，工(4)=D2。一组由20位二进制数组成的代码表示一个个体基因。选择300个个体作为该种群的初始种群数。选择概率、杂交概率和变异概率分别为0．2、0．9、0．05。在进化200代以后，从300个个体中筛选出具有最高适应度的个体，得到的结构参数84然然：Ⅲ蝴期见表2。图1为各代的最大适应度和平均适应度。表2设计参数对比优化前6426()!优化Ji416o198O5045O4O35O3簧o25蚓02O15Ol0．05o204060801

9、00120140160】80200进化代数图1各代平均与最佳适应度从图1可以发现，随着进化过程，个体的最佳适应度不断上升，并在进化10代