基于粒子群算法的航空离心泵复合叶轮优化设计研究

doi:10.13675/j.cnki. tjjs. 180509

推进技术 ›› 2019, Vol. 40 ›› Issue (8): 1743-1751.DOI: 10.13675/j.cnki. tjjs. 180509

基于粒子群算法的航空离心泵复合叶轮优化设计研究

西北工业大学动力与能源学院

发布日期:2021-08-15

Optimization Design of Composite Impeller of Aero-Centrifugal Pump Based on Particle Swarm Optimization

School of Power and Energy,Northwestern Polytechnical University,Xi’an 710129,China

Published:2021-08-15

摘要/Abstract

摘要： 针对航空离心泵复合叶轮三元扭曲型线的优化设计问题，基于Matlab平台采用五点四次Bezier曲线控制四条轴面流线的空间圆周角度分布，实现复合叶型的参数化设计。在此基础上，应用批处理联合仿真方法对125组优化空间样本进行数值模拟，并以效率函数为目标，基于高斯型径向基函数构建复合叶轮型线参数的性能代理模型。最后采用粒子群算法对优化设计参数进行全局寻优搜索。结果表明，代理模型的修正复相关系数为0.9269，标准差为0.1036，能够满足参数预测的性能要求，优化后整泵水力效率提高2.72%。

关键词: 燃油离心泵;粒子群算法;复合叶轮;优化设计

Abstract: Aiming at the optimization design of the three dimensional twisted profiles of the compound impeller in an aero centrifugal pump, the study used Bezier curves to control the circumferential angle distribution of the four axial streamlines based on the Matlab platform in order to achieve the parameterization design of the composite blade profiles. On this basis, 125 groups of optimized samples are simulated with batch processing simulation method. Taking the efficiency function as the target, the performance agent model of composite impeller type parameters was constructed based on the Gauss radial basis function. Finally, the particle swarm optimization (PSO) algorithm is used to search the optimal design parameters for global optimization. The results show that the modified complex correlation coefficient of the agent model is 0.9269 and the standard deviation is 0.1036, which can meet the performance requirements of the parameter prediction, and the hydraulic efficiency of the optimized pump is improved by 2.72%.

Key words: Fuel centrifugal pump;Particle swarm optimization;Composite impeller;Optimum design

. 基于粒子群算法的航空离心泵复合叶轮优化设计研究[J]. 推进技术, 2019, 40(8): 1743-1751.

参考文献

[1] 蔡江畔，李春，李沈坚. 参数曲线在水泵叶轮设计中的应用[J]. 上海理工大学学报， 2008， 30(4):311-314.
[2] 王春林，彭海菠，丁剑，等. 基于响应面法的消防泵S型叶片改进优化设计[J]. 机械工程学报， 2013， 49(10):170-177.
[3] 谭鑫，郭慧婧，李会，等. 基于NURBS曲线的离心透平叶型设计[J]. 热能动力工程， 2017， 32(3): 47-53.
[4] Wang Yu， Yu Xiongqing. Robust Optimization of Aerodynamic Design Using Surrogate Model[J]. 南京航空航天大学学报(英文版)， 2007， 24(3): 181-187.
[5] 张人会，杨军虎，李仁年. 离心叶轮的参数化设计[J]. 排灌机械， 2009， 27（5）： 310-313.
[6] 张人会，樊家成，杨军虎. 基于自由曲面变形方法的离心泵叶片载荷优化研究[J]. 农业机械学报， 2015， 46(10): 38-43.
[7] 张人会，郭苗，杨军虎. 基于自由曲面变形方法的离心泵叶片反问题方法研究[J]. 农业机械学报， 2014， 45(1): 84-88.
[8] Chen Lin， Chen Jie， LI Jianxun. Practical Compensation for Nonlinear Dynamic Thrust Measurement System[J]. Chinese Journal of Aeronautics， 2015， 28(2): 418-426.
[9] 万玉，许思传，张良. 燃料电池车用离心叶轮型线参数化及多工况优化[J]. 同济大学学报(自然科学版)， 2017， 45(1): 98-108.
[10] 缪报通，陈发来. 径向基函数神经网络在散乱数据插值中的应用[J]. 中国科学技术大学学报， 2001， 31(2):135-142.
[11] GAO Shi-gen， DONG Hai-rong， SUN Xu-bin， et al. Neural Adaptive Chaotic Control with Constrained Input Using State and Output Feedback[J]. Chinese Physics B， 2015， 24(1): 170-176.
[12] 彭磊，刘莉，龙腾. 基于动态径向基函数代理模型的优化策略[J]. 机械工程学报， 2011， 47(7):164-170.
[13] Venter G， Sobieszczanski-sobieski J. Particle Swarm Optimization[J]. AIAA Journal， 2002， 41(8): 129-132.
[14] Zhan Z H， Zhang J， Li Y， et al. Orthogonal Learning Particle Swarm Optimization[J]. IEEE Transactions on Evolutionary Computation， 2011， 15(6): 832-847.
[15] Ishaque K， Salam Z， Amjad M， et al. An Improved Particle Swarm Optimization (PSO)-Based MPPT for PV with Reduced Steady-State Oscillation[J]. IEEE Transactions on Power Electronics， 2012， 27(8): 3627-3638.
[16] Wang Y， Li B， Weise T， et al. Self-Adaptive Learning Based Particle Swarm Optimization[J]. Information Sciences， 2011， 181(20): 4515-4538.
[17] Wang H， Sun H， Li C， et al. Diversity Enhanced Particle Swarm Optimization with Neighborhood Search[J]. Information Sciences， 2013， 223(2):119-135.

基于粒子群算法的航空离心泵复合叶轮优化设计研究

Optimization Design of Composite Impeller of Aero-Centrifugal Pump Based on Particle Swarm Optimization

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 0

编辑推荐

Metrics

本文评价