一種基於matlab遺傳算法的離心泵設計方法

2023-07-21 10:09:46 3

專利名稱：一種基於matlab遺傳算法的離心泵設計方法
技術領域：
本發明涉及離心泵的設計與製造技術領域，特別涉及一種基於MATLAB遺傳算法的離心泵設計方法。
背景技術：
目前應用於離心泵優化設計的方法目前主要有兩種損失極值法和基於CFD分析的篩選法。基於CFD分析的篩選法目前已基本實用化，根據設計成形的水泵流道及葉片形狀預測離心泵性能；通過反覆修改模型，直到篩選出較滿意的設計方案。但該方法工作量大，周期也較長。損失極值法通過建立泵損失和設計參數間的相互關係，在滿足設計工況的條件下，從不同組合的泵幾何參數中選擇最佳的組合使泵的總損失最小。損失極值法具有較嚴格的數學理論，可採用遺傳算法及神經網絡等先進的計算方法進行優化。但從現有的研究成果看，一方面理論上尚未具備水泵損失的精確公式，而且優化目標多為單一目標優化，從而有一定的局限性。另一方面能為設計人員提供的設計參數也非常有限，這就阻礙了這一方法的工程應用推廣。遺傳算法(Genetic Algorithm,簡稱GA)起源於對生物系統進行的計算機模擬研究，是基於生物遺傳和進化機制的優化技術。能隨機進行全局搜索和優化，通過隨機選擇、交叉和變異操作，產生一群更適應環境的個體，使群體進化到搜索空間越來越準確，來有效的解決非線性約束優化、離散變量優化與傳統優化算法不能解決的問題，求得問題的最優解。把遺傳算法引入到水力機械優化設計中，遺傳算法所特有的尋優功能將能夠很好地解決無法收斂到全局最優解這一問題。

發明內容
為了克服現有技術的上述缺點與不足，本發明的目的在於提供一種基於MATLAB遺傳算法的離心泵設計方法，簡化傳統的離心泵優化設計過程。本發明的目的通過以下技術方案實現一種基於MATLAB遺傳算法的離心泵設計方法，包括以下步驟(I)選取離心泵葉輪進口直徑Dtl、葉輪出口直徑D2、葉片進口位置IV1、葉片進口安放角P1、葉片出口安放角β2、葉片進口寬度卜、葉片出口匕及葉片數z作為優化變量，建立離心泵整體損失功率的分目標函數gl (χ)、汽蝕餘量分目標函數g2 (χ)、離心泵穩定性分目標函數g3(x)；(2)分別取各個分目標函數的最小初值，為各個分目標函數分配權值P i，建立統
一的目標函數
權利要求
1.一種基於MATLAB遺傳算法的離心泵設計方法，其特徵在於，包括以下步驟 (1)選取離心泵葉輪進口直徑Dtl、葉輪出口直徑D2、葉片進口位置D'1、葉片進口安放角、葉片出口安放角P2、葉片進口寬度匕、葉片出口匕及葉片數z作為優化變量，建立離心泵整體損失功率的分目標函數gl (x)、汽蝕餘量分目標函數g2 (x)、離心泵穩定性分目標函數g3 (X)； (2)分別取各個分目標函數的最小初值，為各個分目標函數分配權值Pi，建立統一的 目標函數
2.根據權利要求1所述的基於MATLAB遺傳算法的離心泵設計方法，其特徵在於，所述離心泵整體損失功率包括機械損失功率、容積損失功率和水利損失功率。
全文摘要
本發明公開了一種基於MATLAB遺傳算法的離心泵設計方法，首先選取離心泵葉輪進出口直徑、葉片進出口位置、葉片進出口安放角、葉片進出口寬度及葉片數作為優化變量，建立離心泵整體損失功率的分目標函數、汽蝕餘量分目標函數、離心泵穩定性分目標函數；再分別取各個分目標函數的最小初值，為各個分目標函數分配權值ρi，建立統一的目標函數g(X)；然後根據速度係數法結果，設置優化變量的約束條件；最後採用MATLAB遺傳算法工具箱，得到g(X)的最小值，以及各變量的值。與現有技術相比，本發明縮短了設計周期，簡化優化過程，同時能保證穩定性。
文檔編號G06F17/50GK103020345SQ20121051805
公開日2013年4月3日 申請日期2012年12月5日 優先權日2012年12月5日
發明者黃思, 宋志光 申請人:華南理工大學