[发明专利]一种基于改进粒子群算法的多级离心泵叶轮智能优化方法

说明书

本发明涉及一种基于改进粒子群算法的多级离心泵叶轮智能优化方法，包括：设置算法参数；对粒子在计算域内进行初始化；建立每个粒子对应的叶轮水体模型；绘制叶轮网格；读取计算结果的外特性参数，获得粒子对计算域的适应度。若迭代步数大于总步数的10％时，训练收敛残差关于粒子速度更新系数的ANN模型，并使用该模型对粒子速度进行更新；当迭代数小于等于总步数的10％时，随机生成学习因子，对粒子速度进行更新。判断最佳粒子是否达到迭代停止条件，若否，则更新粒子位置，返回继续迭代；若是，则停止迭代，输出优化结果。本发明借助计算机实现对泵的效率优化，使其能够满足当代社会对于该类设备节能减排的需求。

技术领域

本发明属于泵优化设计领域，尤其是中低比转速的多级离心泵叶轮及其优化办法。

背景技术

泵是重要的通用机械，广泛应用于各行各业。其中，中低比转速泵有小流量，大扬程的特点，被主要应用于高楼供水、消防等压力需求较高的场所。据相关资料，每年消耗在水泵机组上的电能占全国总能耗的21％以上，在供水企业中占生产成本的30％-60％。因此，优化离心泵的效率对于节能减排具有重要意义。

在流体机械领域，已有相关理论为单目标优化泵的叶轮提供了理论依据。例如，专利号为CN201410465954.X的专利“一种水泵优化节能控制方法”提出了通过理论数据以及经验公式来调节水泵工作点至最优工作点，以减少能耗。

目前，在泵叶轮优化方面的研究，多侧重于单目标优化且常利用数学模型，该类模型依赖于经验，准确度较低，优化效率较差且应用面十分局限。另外，在智能算法与CFD结合的直接优化领域，由于传统算法的收敛曲线梯度变化明显，造成了大量的计算资源浪费。目前，关于改进算法并应用于泵优化方面的专利报道较少，因此，本发明提出了一种基于改进PSO算法和CFD的叶轮直接优化方法，以克服前述的相关问题。

发明内容

针对现有技术中存在的不足，本发明提供了一种结合基于人工神经网络(ANN)的改进粒子群算法(Particle Swarm Optimization,PSO)和CFD的多级离心泵叶轮的多目标优化设计方法，以同时满足对于泵运行稳定、高效的需求。

本发明是通过以下技术手段实现上述技术目的的。一种基于改进粒子群算法的多级离心泵叶轮智能优化方法，包括以下步骤：

(1)采用Python3编译PSO算法脚本主程序并设置算法参数；

(2)采用随机抽样方法对粒子在计算域内进行初始化；

(3)将步骤(2)所得的粒子参数代入CFturbo10.0建立每个粒子对应的叶轮水体模型；

(4)将步骤(3)中所得的叶轮水体图导入ANSYS TurboGrid 18.0，绘制叶轮网格；

(5)将步骤(4)中所得的叶轮网格和静水域网格代入ANSYS Fluent 18.0进行定常数值。

(6)读取步骤(5)中计算结果的外特性参数，获得粒子对计算域的适应度。

(7)若迭代步数大于总步数的10％时，依据前置步数的计算结果，训练收敛残差关于粒子速度更新系数的ANN模型，并使用该模型对粒子速度进行更新；当迭代数小于等于总步数的10％时，随机生成学习因子，对粒子速度进行更新。

(8)判断步骤(7)中的最佳粒子是否达到迭代停止条件，若否，则更新粒子位置，返回步骤(3)继续迭代；若是，则停止迭代，输出优化结果。

上述方案中，采用进出口安放角、进出口宽度、叶片厚度和叶片数作为设计变量。

上述方案中，采用ANSYS WorkBench和Python脚本结合实现自动化叶轮水体建模、叶轮水体网格绘制及外特性数值模拟。

上述方案中，采用采用随机抽样获得样本数据。