论文部分内容阅读
压气机是航空发动机的核心部件,由于其设计技术面广,研制难度大,一直是航空发动机研制中的瓶颈技术。为了提高航空发动机的总体性能,压气机性能的提高至关重要。叶片作为压气机组成的基本单元,其几何形状及其对应的气动性能对压气机的整体性能起着非常关键的作用,其气动设计理论与设计方法的研究,一直以来是国内外叶轮机械气动热力学领域关注的重点。压气机叶片设计是整个压气机设计中的关键环节,本文以提高压气机的气动性能为目的,对压气机叶片进行气动优化设计研究。 本文将非数值全局优化算法—遗传算法,引入叶片气动优化设计领域,并在基本遗传算法的基础上,引入最优保存策略模型、小生境进化模型、伪并行多种群进化模型,通过函数试验,分析比较了各改进模型的优化性能,证明了伪并行多种群进化遗传算法模型具有良好的收敛速度和全局寻优能力,并将其确定为本文的核心算法。 由于叶片的内流场计算耗时多,而且确定叶片形状的设计变量多,这些都制约着遗传算法在压气机叶片自动优化设计中的应用。而且叶片优化的目标是获得良好的气动性能,而气动性能的优劣是一种模糊设计意图,这给优化设计模型的建立带来了障碍。本文采用人工神经网络方法,利用其“先训练,再学习”的模糊问题处理模式,结合成熟的流场计算程序,在遗传算法适应度评价环节引入神经网络回归操作,建立压气机叶片气动优化设计模型,利用神经网络的快速映射能力来提高系统的优化效率。 在以上研究的基础上,本文结合基于非均匀B样条的叶型参数化方法、遗传算法、神经网络技术、Navier-Stokes方程求解技术、结构网格生成技术,建立了通用的、可扩展的轴流式压气机叶片气动优化设计系统,并以某型可控扩散叶型为参考叶型,进行二维叶型的正问题气动优化设计,进而完成了优化系统的测试。