基于神經(jīng)網(wǎng)絡(luò)與遺傳算法的壓氣機(jī)葉片氣動優(yōu)化設(shè)計研究.pdf

1、壓氣機(jī)是航空發(fā)動機(jī)的核心部件，由于其設(shè)計技術(shù)面廣，研制難度大，一直是航空發(fā)動機(jī)研制中的瓶頸技術(shù)。為了提高航空發(fā)動機(jī)的總體性能，壓氣機(jī)性能的提高至關(guān)重要。葉片作為壓氣機(jī)組成的基本單元，其幾何形狀及其對應(yīng)的氣動性能對壓氣機(jī)的整體性能起著非常關(guān)鍵的作用，其氣動設(shè)計理論與設(shè)計方法的研究，一直以來是國內(nèi)外葉輪機(jī)械氣動熱力學(xué)領(lǐng)域關(guān)注的重點。壓氣機(jī)葉片設(shè)計是整個壓氣機(jī)設(shè)計中的關(guān)鍵環(huán)節(jié)，本文以提高壓氣機(jī)的氣動性能為目的，對壓氣機(jī)葉片進(jìn)行氣動優(yōu)化設(shè)計研究

2、。 本文將非數(shù)值全局優(yōu)化算法-遺傳算法，引入葉片氣動優(yōu)化設(shè)計領(lǐng)域，并在基本遺傳算法的基礎(chǔ)上，引入最優(yōu)保存策略模型、小生境進(jìn)化模型、偽并行多種群進(jìn)化模型，通過函數(shù)試驗，分析比較了各改進(jìn)模型的優(yōu)化性能，證明了偽并行多種群進(jìn)化遺傳算法模型具有良好的收斂速度和全局尋優(yōu)能力，并將其確定為本文的核心算法。 由于葉片的內(nèi)流場計算耗時多，而且確定葉片形狀的設(shè)計變量多，這些都制約著遺傳算法在壓氣機(jī)葉片自動優(yōu)化設(shè)計中的應(yīng)用。而且葉片優(yōu)化的目

3、標(biāo)是獲得良好的氣動性能，而氣動性能的優(yōu)劣是一種模糊設(shè)計意圖，這給優(yōu)化設(shè)計模型的建立帶來了障礙。本文采用人工神經(jīng)網(wǎng)絡(luò)方法，利用其“先訓(xùn)練，再學(xué)習(xí)”的模糊問題處理模式，結(jié)合成熟的流場計算程序，在遺傳算法適應(yīng)度評價環(huán)節(jié)引入神經(jīng)網(wǎng)絡(luò)回歸操作，建立壓氣機(jī)葉片氣動優(yōu)化設(shè)計模型，利用神經(jīng)網(wǎng)絡(luò)的快速映射能力來提高系統(tǒng)的優(yōu)化效率。 在以上研究的基礎(chǔ)上，本文結(jié)合基于非均勻B樣條的葉型參數(shù)化方法、遺傳算法、神經(jīng)網(wǎng)絡(luò)技術(shù)、Navier-Stokes方程