采用免疫算法的离心压缩机叶轮多目标优化及性能分析

摘要

为进一步探索高性能离心压缩机的优化设计方法，以某气浮轴承离心制冷压缩机叶轮为研究对象，结合多层前向神经网络，发展了基于非支配近邻免疫算法的叶轮多目标优化策略。首先，采用免疫算法优化神经网络的隐含层结构，以提升其作为代理模型的非线性逼近能力；其次，以近喘振点、设计点、近堵塞点的多变效率最大为优化目标，采用免疫算法进行叶轮全工况性能寻优，并通过数值仿真对优化前、后叶轮的气动性能及流动特性进行了对比分析。仿真结果表明：采用免疫算法进行优化后，叶轮在近喘振点、设计点、近堵塞点的多变效率分别提高了1.8%、1.9%、4%,稳定运行工况范围明显拓宽；对比流场后发现，在90%叶高处，主叶片和分流叶片载荷从前缘至尾缘均明显增加，叶片做功能力增大；分流叶片进口倾角减小使得叶片进口冲击损失降低，流道内泄漏流与主流掺混现象明显减弱，叶轮内部流动更加均匀。研究结果验证了所提多目标优化策略的有效性。

关键词

离心制冷压缩机 / 多层前向神经网络 / 非支配近邻免疫算法 / 气动性能 / 多目标优化

基金资助

国家科技重大专项资助项目(2017-Ⅴ-0012-0064)