隨著現(xiàn)代航空發(fā)動機性能的持續(xù)提高,氣冷渦輪的設(shè)計變得越來越重要。對于無冷氣條件下的優(yōu)化設(shè)計,很多人都做了研究。但對于有冷氣條件下的優(yōu)化設(shè)計,目前還未見到這方面的文獻。本文聯(lián)合采用人工神經(jīng)網(wǎng)絡(luò)和遺傳算法對某氣冷渦輪級的葉型與級間匹配進行了三維優(yōu)化設(shè)計。流場計算采用全三維粘性流N - S 方程求解。優(yōu)化過程采用在無冷氣條件下,先在粗網(wǎng)格上進行計算,再在細(xì)網(wǎng)格上進行校核的方法來減少優(yōu)化時間,提高優(yōu)化效率。結(jié)果表明,在無冷氣的條件下,靜葉和動葉的損失都有所下降,性能提高,渦輪級效率提高1 % ,對此結(jié)果在不同冷氣量下校核,級效率提高0. 80 %～0. 92 % ,提高趨勢與無冷氣時基本相同,說明該方法可以用于氣冷渦輪的優(yōu)化設(shè)計。
關(guān)鍵詞:氣冷渦輪;三維優(yōu)化;遺傳算法;人工神經(jīng)網(wǎng)絡(luò)

隨著葉輪機械設(shè)計技術(shù)的不斷進步, 對葉片造型理論和設(shè)計方法提出了更高要求, 葉片設(shè)計往往決定著效率、壓比、重量等諸多性能參數(shù),涉及到來源于不同準(zhǔn)則的許多目標(biāo)和約束。與葉輪機械設(shè)計相關(guān)聯(lián)的優(yōu)化問題通常涉及到許多約束和大量參數(shù),一般導(dǎo)致目標(biāo)函數(shù)有許多極值點。目前常用的優(yōu)化方法有[1～2 ] :遺傳算法、模擬退火和基于梯度法等。其中遺傳算法和基于梯度法是使用最廣泛的方法。眾所周知,基于梯度的優(yōu)化方法對于收斂率是有效的,但不能確保產(chǎn)生整體最佳效果[3 ] 。另一方面,遺傳算法雖然有利于達到整體最佳效果,但可能需要上千步迭代計算[4 ] ,直接與三維N - S 求解器進行耦合,計算量過大,不宜直接采用,需要與其它方法聯(lián)合使用。本文采用NumecaPDesign 3D 軟件,用人工神經(jīng)網(wǎng)絡(luò)代替流動求解方法執(zhí)行連續(xù)設(shè)計估算,它允許以有效的方式使用遺傳算法[5 ] 。對于無冷氣條件下的優(yōu)化設(shè)計,很多人都作了研究。例如:關(guān)于二維跨音速渦輪葉片多點優(yōu)化減少激波損失的研究[6 ] ,關(guān)于高升力渦輪的三維優(yōu)化設(shè)計[7 ] ,某一級半渦輪的三維優(yōu)化設(shè)計[8 ] 。但對于有冷氣條件下的優(yōu)化設(shè)計,目前還見不到這方面的文獻。本文是對某氣冷渦輪級首先在無冷氣條件下三維優(yōu)化,再將優(yōu)化葉型在不同冷氣量條件下進行校核,以實現(xiàn)氣冷渦輪的優(yōu)化設(shè)計。