[发明专利]辅助变流柜用风机的智能优化方法

权利要求书

1.一种辅助变流柜用风机的智能优化方法，其特征在于，包括以下步骤：

S1，建立原始风机与变流柜柜体的几何物理初始模型；

S2，根据几何物理初始模型，选定优化方案；其中，优化方案包括三种：

安装共振腔，共振腔呈管状且与变流柜的柜体壁呈夹角设置，共振腔的一端固定在变流柜的柜体壁上，另一端延伸至风机边缘处，共振腔设有两个且沿风机转动方向在风机的周向上均匀分布；

安装整流滤网，整流滤网设置在风机的轴向方向上；

改变风机叶片分布方式，风机叶片的数量为奇数个；

S3，根据选定的优化方案，进行参数化建模；

S4，对建模中的参数进行正交试验；

S5，建立风机振动噪声性能的综合评估模型；其中，根据不同模型下的流场特征与声场特征构建目标函数，对风机的性能进行准确评估，目标函数如下式所示：

式中，第一项是能量损失惩罚函数，第二项表征流场的紊乱程度，第三项是声功率级惩罚函数，第四项是平均声压级惩罚函数；

其中，e表示进出口能量损失，ε表示流场中十个典型测点的涡量平均值，v表示流场中十个典型测点的速度平均值，X表示声功率级，x表示进出口测点的平均声压级，下标0则代表原始模型对应的指标量；w₁,w₂,w₃,w₄分别表示四项惩罚函数的权重；

S6，构造神经网络，解析参数与振动噪声性能的对应关系；

S7，引入粒子群智能算法，在神经网络中确定最优的优化方案；

S8，对最优的优化方案进行模拟仿真验证。

2.根据权利要求1所述的辅助变流柜用风机的智能优化方法，其特征在于，所述步骤S1中还包括，对几何物理初始模型进行仿真计算，通过现场试验数据校正几何物理初始模型。

3.根据权利要求1或2所述的辅助变流柜用风机的智能优化方法，其特征在于，所述步骤S3中参数化建模为：定义共振腔的腔管长为l，腔半径为r；用整流滤网的半径R，整流滤网距风机的距离d定义整流结构；用叶片数λ定义叶片分布方式。

4.根据权利要求1或2所述的辅助变流柜用风机的智能优化方法，其特征在于，所述步骤S4中，对步骤S3中的每种参数各定义多个量级，分别进行仿真计算，并根据仿真计算结果建立数据库。

5.根据权利要求1或2所述的辅助变流柜用风机的智能优化方法，其特征在于，步骤S8中，若神经网络中得出的解与仿真结果之间误差大于预设误差值，则重复执行步骤S6和S7，直至误差小于预设误差值时，则认为构造的神经网络准确。