[发明专利]基于神经网络与整机的液力变矩器叶片数优化方法

说明书

技术领域

本发明属于流体旋转机械结构设计领域，涉及基于神经网络与整机的液力变矩器叶片数优化方法。

背景技术

液力变矩器广泛应用于车辆和工程机械。由于液力传动的效率较机械传动低，且液力变矩器介质需要散热，使其结构复杂，体积和重量大，成本高。但液力变矩器具有良好的自适应性能和低速稳定性，可以提高车辆的使用寿命和通过性，并且液力变矩器可以实现无级调速，提高驾驶员的舒适性，简化操作。由于液力传动具有其他传动形式所不能比拟的优越性，因此，液力变矩器在车辆中的应用越来越广泛。

液力变矩器叶栅系统直接决定液力变矩器的性能，叶栅系统参数主要包括为叶片的叶片角、叶片厚度和叶片数等。目前液力变矩器的性能计算多采用一维束流理论和三维流场解析。一元束流理论将液力变矩器内部复杂的三维黏性流动简化成一维束流运动，应用欧拉方程进对液力变矩器性能进行求解。由于一维束流理论假设液力变矩器叶片无限薄、叶片数无限多，故难以考虑叶片数这一重要参数对液力变矩器的影响；液力变矩器内流体的实际流动是非定常的、三维的、不可压缩的、黏性流体的流动，所以三维流体解析才能够更为真实地模拟流体在液力变矩器流道的流动情况。随着流体动力学(CFD)软件的大量出现和功能日益完善，使三维黏性流动仿真技术越来越成熟。三维流体仿真避免了一元束流理论中的许多简化和假设，能够较准确地模拟液力变矩器内部流体的真实流动，反映出液力变矩器宏观效果的微观原因，进而求得其性能参数，能够对不同叶片数的液力变矩器性能实现较为准确的预测，但三维流场解析耗时较长，所需计算机内存较大，从而难以全面的考虑叶片数对液力变矩器性能的影响。

传统液力变矩器叶片数优化设计方法的目标是为了提高液力变矩器的静态性能，但整机作业效率不仅与液力变矩器的性能有关，还与整机的外部载荷、整机的档位、发动机与液力变矩器的匹配情况等有关，单纯的提高液力变矩器的性能并不一定会提高整机的效率，因此需将液力变矩器放在整机系统中对其进行优化，而实验周期长，成本高，所以需要建立整机系统的数字化模型以仿真代替实验。然而由于一元束流理论无法建立叶片数与液力变矩器性能的数学模型，无法实现在整机系统的数字化模型中优化液力变矩器的叶片数，故需建立叶片数神经网络模型，可以与整机系统的数字化模型相结合对叶片数进行优化，实现液力变矩器的数字化和定制化设计。

发明内容

本发明的目的是提供一种基于神经网络与整机的液力变矩器叶片数优化设计方法，解决液力变矩器叶片数的优化设计中主配(主机和零部件)分离的问题。采用三层BP神经网络建立叶片数神经网络模型作为液力变矩器性能与叶片数的数学模型，弥补一元束流理论无法对不同叶片数的液力变矩器性能进行量化预测的缺陷，实现与整机系统的数字化模型相结合，从而在整机系统中优化叶片数，达到液力变矩器数字化和定制化设计的目的。

为达到上述目的，本发明采用的技术方案是：

一种基于神经网络与整机的液力变矩器叶片数优化方法，将液力变矩器放在整机系统的数字化模型中，以整机效率的提高作为优化目标进行叶片数的优化，为与整机系统的数字化模型相结合，采用三层BP神经网络建立叶片数神经网络模型，即相当于建立了液力变矩器性能与叶片数和泵轮涡轮转速的如下函数关系：

(TBN,TWN)=f(NB,NW,ND,nB,nW)]]>