某型航空发动机涡轮多级气动优化设计

采用将准三维设计和多级局部优化联合的多级涡轮气动优化设计流程,对某型航空发动机3级涡轮进行了多级气动三维优化设计;采用人工神经网络和遗传算法对各列叶栅进行了三维局部优化,流场计算采用全三维黏性流N-S方程求解。通过优化设计,调整了功率分配,改善了各列性能,并对各列间参数进行了优化匹配,使总体性能提高,达到了设计要求。     

多级涡轮多目标气动优化设计流程

在准三维设计基础上,采用多目标优化设计方法,给出一个多级涡轮气动优化设计流程,优化联合采用人工神经网络和遗传算法,流场计算采用全三维粘性流N-S方程求解。此优化设计流程有三个特点:针对每列叶栅的气动特性进行局部优化;各列叶栅反复多次优化;粗细网格交替使用。并采用此设计流程对一三级涡轮进行优化设计,效率提高1%,说明此方法可以有效的用于多级涡轮气动优化设计。     

遗传算法在多级压气机气动优化设计中的应用

用遗传优化算法结合流线曲率法管流流场求解器建立了一种多级压气机多目标气动优化设计方法.优化目标为总压比和绝热效率最大, 决策变量为转子和静子叶排尾缘速度环量.测试结果表明, 该优化算法的搜索效率和全局性都较好.用该方法对一台5级高压压气机进行了气动优化设计, 压气机性能有了明显提升.      

应用多目标遗传算法的叶栅气动优化设计

采用Pareto排名策略和共享小生境技术, 实现遗传算法的多目标优化设计.叶栅的气动性能通过求解二维Navier-Stokes方程获得.本文中压气机叶栅的多目标优化确定为在给定条件下同时追求高增压比和低总压损失系数.优化设计获得的Pareto解集显示出本文发展的优化设计平台能够较好的实现多目标的气动优化设计.      

涡轮典型部件冷热态尺寸换算方法

涡轮叶尖间隙影响着发动机的性能,涡轮典型部件的冷热态尺寸换算是间隙设计的重要内容。介绍了应用优化设计将涡轮典型部件热态尺寸换算到冷态尺寸的方法,应用此方法对某型涡轮叶片进行分析,比较了优化算法与简化算法的结果,表明优化算法的结果是合理的,此方法是可行的。同时将其应用于某涡轮盘的冷、热态尺寸换算,从而成功地解决了涡轮典型部件冷、热态尺寸换算问题。      

基于小生境遗传算法和RANS方程的平面叶栅气动优化设计

发展了一种将小生境遗传算法与RANS方程数值求解相结合的平面叶栅全局优化设计方法.该方法针对遗传算法的搜索原理和平面叶栅的气动外形特点, 提出了与之相适应的Bezier曲线参数化表达, 构造了用于优化设计的适应度函数.优化设计变量是平面叶栅的参数化Bezier曲线特征多边形控制点坐标, 目标函数为极大化叶栅的升阻比, 约束条件综合考虑了叶栅的进出口几何安装角及叶片强度和性能等要求, 约束条件的处理采用松紧罚函数法.优化得到的叶栅升阻比比初始叶栅提高了8.3%.      

基于多目标遗传算法的航空发动机总体性能优化设计

采用一种基于Pareto最优解的多目标遗传算法—NSGAⅡ算法,以双轴混合排气式涡轮风扇发动机为算例,集成发动机性能模型、流路尺寸模型和质量模型,以单位推力、耗油率等为目标函数进行了多目标优化设计。计算结果表明:NSGAⅡ算法具有较好的稳健性和鲁棒性;基于NSGAⅡ算法的发动机总体性能优化方法能够获得目标空间内分布均匀的Pareto最优解集,有效克服了发动机总体性能方案设计时人工经验依赖较重的缺点,可为决策者进行目标权衡提供充分依据。      

叶片弯曲对气冷涡轮叶栅气动性能影响的数值研究

基于全三维N-S方程求解,采用具有G odunov性质的三阶精度TVD格式、分区算法以及自由型曲面技术,提供一种有效的方法来模拟气冷涡轮流场。在某型气冷涡轮叶片表面8个位置以及轮缘和轮毂进行喷气,并对采用直、弯叶片的涡轮流场进行了数值模拟。结果表明,叶片弯曲明显降低了有、无端壁喷气时的端部能量损失。在叶高中部喷气量较大时,弯叶片的气动性能下降较大。      

可调桨距冲压空气涡轮气动特性实验与数值分析

冲压空气涡轮风洞实验主要目的是采用相似准则,模拟空中加油工作状态,测量涡轮输出功率,分析涡轮气动特性。实验分别使用励磁发电机和加油泵作为测功器,通过调桨变距并测量最大输出功率。气动特性实验表明在风洞气流速度比加油机最小飞行速度低16%的条件下,冲压涡轮输出功率即可满足加油需要。论文还采用高数值稳定性代数Baldwin-Lomax湍流模型模拟冲压涡轮全三维混合型流场,分析流场主要气动特性,讨论桨叶表面载荷的分布。数值模拟结果显示在冲压空气涡轮桨叶近轮毂区域需要进一步优化。      

基于并行遗传算法的向心涡轮气动优化设计

为了提高向心涡轮轮周效率,保持流量、膨胀比不变,以流道、安装角、型面为设计变量,基于并行遗传算法的优化方法,对某微型发动机向心涡轮叶片气动性能进行多变量耦合的自动优化设计,利用商用软件NUMECA进行3维流场计算分析,并比较了优化前后向心涡轮转子的总体性能。结果表明:在设计工况下,向心涡轮的轮周效率提高近3%,流量也略有增加,膨胀比近似不变;在非设计工况下,优化叶片效率均高于初始叶片的,向心涡轮的整体性能得到提高。该算法不仅可自动实现多变量耦合优化,而且可高效地得到高气动性能叶片。     

基于粒子群神经网络的轮盘优化

将粒子群算法(PSO)和BP神经网络相结合, 构建了一种新型智能结构优化算法.PSO方法除用于结构优化外, 还被用于BP神经网络的构造及网络训练, 使之可自适应调整优化.结构优化中, 以BP神经网络取代有限元方法, 通过设计变量来映射目标函数和约束, 从而大大提高了计算速度.将此方法用于轮盘结构优化, 使得轮盘体积减少了17.5%, 结果通过检验.该方法便捷、高效, 为解决工程结构优化问题提供了一个新途径.      

基于模拟退火遗传算法的平面连续体结构的拓扑优化

采用遗传算法,用染色体基因映射结构离散化后的单元体,通过改变基因代码实现连续结构的拓扑。优化过程中,利用遗传算法进行结构优化,通过有限元技术对结构进行建模和分析。在遗传算法中,引入模拟退火的思想,实时调整结构优化的适应度函数,改善优化分析中个体所处的生存环境,提高优化分析效率,获得较优的结构拓扑效果。算例分析表明所提出的方法是有效的。      

自适应遗传神经网络算法在推力估计器设计中的应用

为了在全包线内能够准确方便估计出航空发动机推力,提出了一种自适应遗传神经网络算法:将遗传算法和神经网络技术相结合充分发挥遗传算法和神经网络各自的全局收敛性和局部搜索快速性的优点,其中通过自适应概率遗传操作及局部寻优算子直接优化出神经网络拓扑结构及权值(包括阈值),克服了神经网络隐层节点需凭经验尝试的缺点和神经网络对初始权值(包括阈值)敏感的缺点,再应用神经网络对上述优化的权值(包括阈值)进行\"精调\",最后设计出全包线推力估计器.经验证,此推力估计器具有较高估计精度和良好泛化能力.      

基于BP神经网络和遗传算法的结构优化设计

现代航空发动机不断追求提高推重比,优化其零部件的结构设计日益重要。传统结构优化方法耗时多且不易掌握。针对这一问题,本文提出了将BP神经网络和遗传算法相结合用于结构优化设计的方法,并编制了相应的计算程序,实现了一个含9个设计变量的发动机盘模型的结构优化计算。计算证明,与传统结构优化方法相比,此方法计算速度快、精度良好。      

联合应用现代优化方法与S2流面计算进行多级涡轮的气动设计

本文联合应用S2流面正问题计算和多级局部优化设计对某三级涡轮进行多级气动优化设计。优化联合采用人工神经网络和遗传算法,流场计算采用全三维粘性流N-S方程求解,计算网格采用H-O-H型网格,即入口段、出口段采用H型网格,叶片区域采用O型网格。通过优化,总效率提高1.1%,总体性能提高,达到设计要求。     

一种低迟滞低磨损的指尖密封型线构形的研究

针对迄今指尖密封多目标性能优化研究中存在的难以实现迟滞性能和磨损性能同步改善的问题,通过引入Stackelberg对策理论,并将指尖密封型线构形作为优化\"元素\",构建了指尖密封迟滞性能和磨损性能优化的Stackelberg模型.在正向Stackelberg主从对策机制下,采用基于有限元仿真和BP神经网络的遗传算法在Stackelberg系统主从层面上实现了指尖密封性能的可控优化,获得了具有低迟滞低磨损性能的\"上凹\"构形指尖密封型线.有限元仿真分析合理地解释了\"上凹\"型线指尖密封具有较好性能的原因,表明\"上凹\"型线指尖密封具有良好的应用前景.      

基于精英保留遗传算法的连续结构多约束拓扑优化

采用遗传算法对应力、位移及结构约束下的连续体结构进行拓扑优化。通过在遗传算法中引入精英保留的进化策略,保证算法的收敛性,改善优化结果。优化过程中,利用精英保留遗传算法进行结构优化,通过基于ANSYS软件的有限元技术进行结构的建模和分析。算例分析表明所提出的方法是合理、有效的。该方法可用于复杂工程结构的初始设计,并能够提供多种初始设计方案。