[发明专利]基于超椭圆的叶片根部和转子轮槽的型线优化方法

权利要求书

1.一种基于超椭圆的叶片根部和转子轮槽的型线优化方法，其特征在于，包括以下步骤：

S1，对叶片根部型线和转子轮槽型线进行参数化：采用超椭圆曲线段和直线段相结合的轮廓表征方式对叶片根部型线和转子轮槽型线进行参数化，从而形成叶片根部和转子轮槽的初始型线，轮廓表征方式所采用的描述参数包括超椭圆曲线方程的方程参数、叶片根部的构型参数以及转子轮槽的构型参数；

S2，对叶片根部和转子轮槽的初始型线进行优化：基于叶片根部和转子轮槽的初始型线，分别建立叶片根部和转子轮槽的二维有限元模型并且计算出对应的应力分布，设置优化参数、优化约束条件以及优化目标，获得叶片根部和转子轮槽的优化型线；

S3，确保叶片根部的优化型线和转子轮槽的优化型线之间的适配性：增加对叶片根部和转子轮槽的优化型线的控制参数的约束条件，使叶片根部的优化型线和转子轮槽的优化型线之间无干涉。

2.根据权利要求1所述的基于超椭圆的叶片根部和转子轮槽的型线优化方法，其特征在于：

在所述步骤S1中，超椭圆曲线方程为：

所述方程参数为超椭圆曲线方程中的a、b以及n，a、b以及n均为正数，a和b为超椭圆的半轴长，a和b约束超椭圆的大小；n为形状指数，n约束超椭圆的形状。

3.根据权利要求1所述的基于超椭圆的叶片根部和转子轮槽的型线优化方法，其特征在于：在步骤S1中，叶片根部型线和转子轮槽型线均由直线轮廓部和弯曲轮廓部构成，叶片根部的弯曲轮廓部和转子轮槽的弯曲轮廓部均用基于超椭圆曲线方程的曲线段进行描述。

4.根据权利要求1所述的基于超椭圆的叶片根部和转子轮槽的型线优化方法，其特征在于：在步骤S2中，所述优化参数为影响叶片根部应力分布或者转子轮槽应力分布的描述参数，所述优化目标为降低叶片根部或转子轮槽的峰值应力。

5.根据权利要求4所述的基于超椭圆的叶片根部和转子轮槽的型线优化方法，其特征在于：在步骤S2中，所述优化目标为将叶片根部的最大峰值应力或转子轮槽的最大峰值应力最小化；在最小化过程之前，基于汽轮机的实际工况，设置叶片根部所受应力和转子轮槽所受应力在优化过程中的权重比例，并且利用P范数选取叶片根部或转子轮槽的不同部位的值应力值并且包络形成一个构成优化目标的目标函数。

6.根据权利要求1所述的基于超椭圆的叶片根部和转子轮槽的型线优化方法，其特征在于：在步骤S2中，所述优化约束条件包括限定叶片根部或转子轮槽尺寸范围的描述参数以及保证叶片根部型线和转子轮槽型线相切的约束方程。

7.根据权利要求1所述的基于超椭圆的叶片根部和转子轮槽的型线优化方法，其特征在于：所述叶片根部和转子轮槽均呈具有多个齿的枞树型结构，在步骤S2中，确定叶片根部或转子轮槽的每对齿的受力百分比。

8.根据权利要求7所述的基于超椭圆的叶片根部和转子轮槽的型线优化方法，其特征在于：所述叶片根部或转子轮槽的齿的对数为2～4。

9.根据权利要求1所述的基于超椭圆的叶片根部和转子轮槽的型线优化方法，其特征在于：所述步骤S2或步骤S3所使用的优化算法为基因多岛遗传算法、禁忌搜索算法、模拟退火算法以及人工神经网络算法其中的一种或多种。

10.根据权利要求1所述的基于超椭圆的叶片根部和转子轮槽的型线优化方法，其特征在于：在步骤S2中，在分析叶片根部和转子轮槽装配时的应力分布时，使计算条件和网格划分保持一致性，叶片根部和转子轮槽的接触方式为叶片根部与转子轮槽之间只有直线部位相接触。