基于径向基神经网络与NSGA-Ⅱ算法的渣浆泵多目标优化设计
渣浆泵输送的是固液两相介质，泵内流体的流动状态与清水泵相差甚远，设计也更为复杂，且其设计理论与设计方法尚不完善。在性能方面，渣浆泵主要存在着扬程低于设计扬程、效率低、磨损严重等问题，是现代安全高效生产中性能急需提升的一类设备。因此，优化设计渣浆泵，提高渣浆泵的各项性能，意义重大。 本文在归纳与总结前人研究的基础上，采用Plackeet-Burman筛选试验设计、均匀试验设计，利用RBF神经网络，结合NSGA-Ⅱ遗传算法，对一比转速为75的离心式渣浆泵进行多目标优化设计，为改进渣浆泵的结构提供一种新的设计思路与有益参考。本文主要工作如下： 1.整理归纳国内外研究者对渣浆泵的试验、模拟、优化等方面的工作，分析智能优化算法在流体机械领域的应用。 2.利用双流体模型，建立并推导了渣浆泵的固液两相基本方程式，为渣浆泵的CFD计算提供了数学模型及理论依据。利用MATLAB软件建立了可控包角圆柱形叶片投影曲线方程，实现了叶片绘型的程序化。运用Pro/Engineer软件对渣浆泵进行实体造型、采用ICEM对模型泵计算域划分网格，并完成网格无关性验证。 3.采用CFD数值模拟，对比分析模型泵在输送单相清水介质与固液两相介质时外特性曲线之间的差异。在固液两相介质工况下，进行了试验验证。分别在不同的初始固相浓度、颗粒粒径、固相颗粒密度下，将渣浆泵叶轮流道与蜗壳流道在z=0剖面上的静压分布图、叶轮流道在z=0剖面上的液相、固相相对速度矢量图进行对比，分析了产生差异的原因。 4.由于可能影响渣浆泵高效区HE与最高效率PE的结构参数众多，运用Design Expert8.0.5b软件对模型泵的12个结构参数进行Plackett-Burman筛选试验设计，筛选出3个结构参数作为优化变量，进行37水平均匀试验设计，构建RBF神经网络的训练、测试样本，建立结构参数和性能指标的内在联系。 5.根据NSGA-Ⅱ遗传算法求得的Pareto最优解集，取其中2个极值个体所对应的渣浆泵进行CFD数值计算，并对比分析了与初始个体的外特性曲线、叶轮与蜗壳流道在z=0剖面上的绝对压力分布，叶轮流道在z=0剖面上的液相、固相相对速度矢量和湍动能分布，以及叶片工作面、背面、叶轮前盖板、后盖板的固相浓度分布的差异。取效率最优个体进行试验验证，并与初始个体的试验效率曲线对比，验证了NSGA-Ⅱ遗传算法用于渣浆泵优化设计的有效性。
渣浆泵;多目标优化;神经网络;NSGA-Ⅱ算法;数值模拟
江苏大学
硕士
化工过程机械
王春林
2016
中文
TH38;TP18
84
2016-11-03（万方平台首次上网日期，不代表论文的发表时间）