[发明专利]辅助变流柜用风机的智能优化方法

说明书

本发明涉及一种辅助变流柜用风机的智能优化方法，包括步骤：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；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；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。本发明不仅能得出辅助变流柜风机的最佳优化方案，最大程度的降低散热风机的气动噪声，还能解析出各种优化方案中各个几何参数与流场、声场乃至产品性能的内在联系，有利于产品的初期设计与其他形式的技术改造。

技术领域

本发明属于风机领域，具体涉及一种辅助变流柜用风机的智能优化方法。

背景技术

在轨道交通领域内，噪声指标不仅仅关系到机车的稳定性与可靠性，还与乘客的舒适度密切相关。离心风机为辅助变流柜内部的高速旋转部件，在机柜运行过程中，常常可以观测到明显噪声现象，而风机风道的气动噪声作为主要噪声源，一直是降噪技改的重点研究方向。

传统的优化改进方法通常是通过工程实际与现场经验先提出几种合理的优化方案，然后通过仿真或实验的方式加以验证。这种取点试验的方式既没有得到几何模型与噪声指标之间对应关系，也很难得到最佳的优化方案。

因此，需要一种能够得到几何模型与噪声指标之间对应关系，并能得到最佳优化方案的优化方法。

发明内容

为了解决上述问题，本发明提供了一种辅助变流柜用风机的智能优化方法，该方法能综合考虑各种优化手段，并且能在最大限度的降低风机运行时带来的气动噪声的同时，改善风机流场的分布特性。

为实现上述目的，本发明提供了一种辅助变流柜用风机的智能优化方法，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；

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；

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。

在一个实施例中，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。

在一个实施例中，所述步骤S2中，优化方案包括三种：安装共振腔，安装整流滤网，改变风机叶片分布方式。

在一个实施例中，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。

在一个实施例中，整流滤网设置在风机的轴向方向上。

在一个实施例中，风机叶片的数量为奇数个。

在一个实施例中，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。

在一个实施例中，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。

在一个实施例中，所述步骤S5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：