基于演化计算技术的离心压缩机静止叶栅优化设计方法的研究

[打印] [关闭] 发布时间：[2010-01-11 00:00]

近年来得到快速发展的遗传算法，是一类模拟达尔文自然进化论的仿生随机优化方法。遗传算法着眼于从一组（种群）潜在解（个体）中寻找问题的最好解。通过在这一组当前潜在解之间进行一定的遗传操作，如选择，杂交和变异，便有望产生更好的解。这一过程反复进行，直至找到一个可以被接受的解。遗传算法较之其它搜索技术具有许多优越性。这些优越性包括：1）鲁棒性。遗传算法在计算上简单，搜索有效，且无须对搜索空间附加限制性假定。2）固有并行性。遗传算法通过一组解，而非单个解进行搜索，因此具有固有的并行性。3）全局性。遗传算法在搜索过程中使用随机操作，可以探测更广的搜索空间，因而最有希望获得全局最优解。
本学位论文将遗传算法引入离心压缩机静止叶栅的优化设计，首次对遗传算法在这一领域内应用进行了深入而系统的发展和研究。论文的工作及所获得的结果广泛而有明确工程应用价值。主要工作有：
1．基于叶栅优化问题的复杂性考虑，首次对现有标准遗传算法进行了改进，以更有效求解这些问题。提出了三个改进型遗传算法，即对偶适应性遗传算法，方向进化遗传算法和概率二值搜索遗传算法。在对偶适应性遗传算法中，提出了一个待优化目标函数的对偶函数，将该对偶函数巧妙的结合进标准遗传算法，从而使遗传算法可以自适应地进行变异运算，提高算法获得全局最优解的能力。在方向进化遗传算法中，提出一个新的遗传算子，方向进化算子。该算子以个体的祖父代和父代的进化趋势指导子代的个体变异，可以使新解以最大概率在最优区域产生。在概率二值搜索遗传算法中，提出对个体基因二值位在遗传进化中的表现进行统计记录，以此记录为指导产生若干新鲜解补入种群，以改良种群质量。三个新算法与标准遗传进行的数值实验和设计实例对比显示了新算法对遗传算法收敛性的改进是十分可观的（参见Fan, Xi, Wang, Inverse Problems in Engineering, 2000）。
2．论文首次系统提出静止叶栅遗传算法设计理论和设计模型（参见Fan, Journal of Power and Energy, Proc. Instn. Mech. Engrs, 1998）。在设计模型中，以改进型遗传算法为基础，探索了气动叶栅设计中遗传算子的选取及运算规律，提出了适合遗传算法操作的叶栅个体参数化技术和相应的基因编码方法。与此同时，在设计模型中，还尝试将遗传算法与人工神经网络进行结合，提出在遗传算法叶栅设计方法中加入一个前馈人工神经网络策略，用于完成对已知叶片形状的流动分析，从而减少算法中实际CFD分析程序计算个体适应值的时间，缩短遗传算法进化周期。另外，首次提出直接受用前馈人工神经网络在遗传算法的训练和演化下完成叶栅气动设计任务的方法。所提出的遗传算法设计模型均具有广泛的通用性，可以与任何层次的CFD流场分析程序结合。可以对气动叶栅进行任意命题下的自动设计，既可以对叶栅进行传统意义上的正命题设计和逆命题设计，也可以实现叶栅的混合命题设计。
3．传统的离心压缩机叶轮及其它气动元件均为单点设计，即按一个给定工况点设计。如此设计出的元件在设计工况点附近尚能较好工作，但当实际运行工况偏离设计工况时，元件的性能就会急剧恶化。论文将航空机翼中多点设计的思想首次引入离心压缩机叶栅的气动设计当中，欲通过以元件的两个或更多个希望的运行工况点作为给定设计点，设计出在各个设计点之间均能较好工作的折中（trade-off）最优化叶栅。论文首次提出气动叶栅多点设计问题的数学描述。对叶栅多点设计问题，提出三个有效获取问题Pareto解集的遗传算法方法求解策略，即全局适应值竞赛策略，双枝竞赛策略和Pareto占优竞赛策略。所提出的遗传算法多点设计方法得到扩压叶栅设计实例的实验验证（参见Fan, Xi, Wang, Journal of Power and Energy, Proc. Instn. Mech. Engrs, 2000, Fan, Xi, Wang, Chinese Journal of Mechanical Engineering, 2000）。
4．遗传算法在叶栅形状优化上的成功应用激励作者尝试用该方法进行叶栅流场的数值分析。论文研究和探讨了生物进行系统与守恒定律支配的非生物物理系统的相似性。基于这些相似性，提出了一个求解流场问题的初步的“遗传算法类”CFD方法。该方法以流场的解作为遗传进化个体，以候选解满足守流体守恒性（如质量守恒，能量守恒等）的误差作为其适应性的度量，通过遗传算法对流场进行求解。初步探讨了守恒性误差的求解方法所得结果令人鼓舞，它初步显示，遗传算法具有进行叶栅流场分析的巨大潜力。