一種壓氣機(jī)可控?cái)U(kuò)散葉型穩(wěn)健優(yōu)化設(shè)計(jì)方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及壓氣機(jī)葉型設(shè)計(jì)方法，具體為一種壓氣機(jī)可控?cái)U(kuò)散葉型穩(wěn)健優(yōu)化設(shè)計(jì) 方法。
【背景技術(shù)】
[0002] 壓氣機(jī)技術(shù)的不斷發(fā)展對(duì)壓比和效率提出了更高的要求，轉(zhuǎn)換到葉片的要求即 為：高負(fù)荷、大沖角范圍和不分離的葉型附面層。由于常規(guī)葉型往往不能滿足上述要求，因 此可控?cái)U(kuò)散葉型（Controlled Diffused Airfoil，縮寫CDA)逐漸受到研究學(xué)者的青睞。CDA 是專門針對(duì)亞音、跨音葉柵設(shè)計(jì)和優(yōu)化的，通過控制葉片吸力面擴(kuò)壓因子，在葉片整個(gè)運(yùn)行 范圍內(nèi)避免附面層分離；對(duì)跨音速應(yīng)用，從超音到亞音時(shí)，葉片表面速度可以平滑過渡而不 產(chǎn)生激波，這樣的設(shè)計(jì)優(yōu)點(diǎn)使得氣流具有較小的損失。但其自身也有局限性，CDA對(duì)型線幾 何的要求極高，通常在葉型設(shè)計(jì)點(diǎn)附近表現(xiàn)出較好的性能，而當(dāng)加工因素、來流條件變化等 原因引起葉型型線、工作狀態(tài)偏離設(shè)計(jì)意圖時(shí)，CDA葉型通常因在吸力面產(chǎn)生強(qiáng)激波而導(dǎo)致 性能無法滿足要求。
[0003] 針對(duì)工程問題中的不確定性原因研究最早是由日本學(xué)者Taguchi博士開始，其實(shí) 質(zhì)是穩(wěn)健設(shè)計(jì)思想。穩(wěn)健設(shè)計(jì)的目的是減小變量和參數(shù)的波動(dòng)所有法的目標(biāo)和約束的變 異，傳統(tǒng)的設(shè)計(jì)方法不能夠反應(yīng)工程設(shè)計(jì)、產(chǎn)品制造以及服役環(huán)境等客觀存在的大量不確 定因素的設(shè)計(jì)方案的影響，使得傳統(tǒng)設(shè)計(jì)中的最優(yōu)解對(duì)不確定因素非常敏感。文獻(xiàn)【1】（黃 自興，韓壽祖.用穩(wěn)健性設(shè)計(jì)技術(shù)提高產(chǎn)品質(zhì)量，硫磷設(shè)計(jì)，1994，N 〇. 2)提出用穩(wěn)健性設(shè)計(jì) 技術(shù)以提高產(chǎn)品質(zhì)量的想法，并在國(guó)內(nèi)化工系統(tǒng)中得到了成功運(yùn)用。文獻(xiàn)【2】（陳智，白廣 忱.渦輪盤結(jié)構(gòu)可靠性與穩(wěn)健性綜合優(yōu)化設(shè)計(jì)，航空發(fā)動(dòng)機(jī)，2012，V〇1.38，N〇. 1)運(yùn)用穩(wěn)健 設(shè)計(jì)思想，降低了低循環(huán)疲勞壽命對(duì)載荷和材料參數(shù)波動(dòng)的敏感性，提高了渦輪盤的穩(wěn)健 性。因此，針對(duì)傳統(tǒng)CDA設(shè)計(jì)方法中未考慮工程應(yīng)用中大量不確定因素的問題，有必要發(fā)展 一種CDA穩(wěn)健設(shè)計(jì)優(yōu)化方法。
【發(fā)明內(nèi)容】
[0004] 傳統(tǒng)的CDA葉型設(shè)計(jì)方法有正問題設(shè)計(jì)、反問題設(shè)計(jì)以及正、反問題混合設(shè)計(jì)方 法三種，在特定工況且保持葉型不變的情況下能夠得到較優(yōu)的性能，但卻未考慮到工程實(shí) 際應(yīng)用中因工況變化、加工條件等不角定性，導(dǎo)致性能未能達(dá)到設(shè)計(jì)要求。穩(wěn)健優(yōu)化設(shè)計(jì)方 法使得所設(shè)計(jì)葉型具有更強(qiáng)的工程應(yīng)用性，并具有較寬廣的工作范圍。
[0005] 本發(fā)明發(fā)展了一種考慮工程不確定性的葉型設(shè)計(jì)方法，使得設(shè)計(jì)葉型對(duì)于來流條 件、加工誤差的敏感性降低，使得葉片加工難度及成本大大降低。本發(fā)明運(yùn)用了參數(shù)化方 法確定葉型幾何且發(fā)展了代理模型方法用于不確定分析，克服了傳統(tǒng)葉型設(shè)計(jì)方法不便優(yōu) 化的限制，發(fā)展的代理模型大大降低了計(jì)算量，使得優(yōu)化設(shè)計(jì)過程快速、簡(jiǎn)潔、高效、通用性 強(qiáng)，能夠?兩足良好的氣動(dòng)性能指標(biāo)及穩(wěn)健指標(biāo)。
[0006] 本發(fā)明的技術(shù)方案為：
[0007] 所述一種壓氣機(jī)CDA葉型穩(wěn)健優(yōu)化設(shè)計(jì)方法，其特征在于：包括以下步驟：
[0008] 步驟1 :運(yùn)用正問題迭代方法生成初始葉型。首先，采用特定的幾何方法設(shè)計(jì)葉 型，然后利用正問題方法分析葉柵流場(chǎng)，得到葉型表面速度分布，再進(jìn)行附面層分析，如果 表面速度分布和附面層參數(shù)不滿足設(shè)計(jì)要求，則通過斷修改葉型再進(jìn)行正問題計(jì)算和附面 層計(jì)算，如此反復(fù)迭代，最終得到滿意葉型A1，并輸出葉型吸力面坐標(biāo)（ XSl，ySl)、壓力面坐 標(biāo)（xp.j，yp.)。
[0009] 步驟2 :葉型參數(shù)化，得到葉型控制參數(shù)：
[0010] 運(yùn)用類別形狀函數(shù)變換（Class-Shape-Transformation，縮寫CST)方法對(duì)葉型進(jìn) 行參數(shù)化。具體為輸入步驟1中Al葉型吸力面、壓力面坐標(biāo)，得到葉型參數(shù)化后控制參數(shù) (Nl，N2, bsl，bpi)。其中Nl，N2參數(shù)分別用于控制葉型前尾緣形狀，而bsl、b pi分別用于控制 葉型吸力面、壓力面型線，i為控制參數(shù)個(gè)數(shù)。在后續(xù)優(yōu)化過程中即可通過改變控制參數(shù)實(shí) 現(xiàn)對(duì)葉型的改變。
[0011] 步驟3 :代理模型初始化：
[0012] 對(duì)于步驟2中的控制參數(shù)（Nl，N2，bsl，bpi)，確定控制參數(shù)變化水平數(shù)K，運(yùn)用最優(yōu) 拉丁超立方設(shè)計(jì)（Optimal Latin hypercube design，簡(jiǎn)稱Opt LHD)對(duì)設(shè)計(jì)空間進(jìn)行采樣， 能夠?qū)Σ蓸涌臻g充分填充并避免重復(fù)樣本選取，得到了采樣樣本S = S(N1，N2, bSl，bPl) ,， 調(diào)用CFD軟件Numeca進(jìn)行網(wǎng)格劃分、性能計(jì)算進(jìn)而得到葉型性能參數(shù)y = y (Loss，Pr)， 其中Loss為葉型損失系數(shù)；Pr為葉型靜壓比。至此得到了代理模型初始化所需的輸入?yún)?數(shù)S，輸出參數(shù)y = y (Loss，Pr)，進(jìn)而訓(xùn)練代理模型。在后續(xù)優(yōu)化過程中，對(duì)于給定輸入?yún)?數(shù)S運(yùn)用代理模型計(jì)算即可求得葉型性能參數(shù)。
[0013] 步驟4 :多目標(biāo)優(yōu)化獲得穩(wěn)健優(yōu)化葉型
[0014] 根據(jù)實(shí)際加工情況認(rèn)為加工誤差服從正態(tài)分布并結(jié)合加工極限偏差和最大公差， 對(duì)于葉型控制參數(shù)運(yùn)用蒙特卡洛（Monte Carlo,縮寫MC)模擬抽樣方法并運(yùn)用步驟3中 的代理模型對(duì)確定葉型進(jìn)行不確定性分析，獲得葉型損失、靜壓的均值與方差E(Loss)、 σ (Loss)、E(Pr)、σ (Pr)等統(tǒng)計(jì)量。建立如下多目標(biāo)優(yōu)化模型，并選擇鄰域培植遺傳算法 (Neighborhood Cultivation Genetic Algorithm，縮寫 NCGA)做多目標(biāo)優(yōu)化搜索，獲得強(qiáng) 穩(wěn)健性葉型A2。
[0015] 步驟5:性能驗(yàn)證
[0016] 通過優(yōu)化獲得的優(yōu)化葉型A2調(diào)用CFD程序進(jìn)行求解，獲得優(yōu)化葉型A2性能并與 代理模型計(jì)算得到的性能進(jìn)行對(duì)比，若兩者誤差滿足容差范圍則確定優(yōu)化葉型A2為穩(wěn)健 葉型A3。
[0017] 有益效果
[0018] (1)本發(fā)明中使用CST方法進(jìn)行葉型參數(shù)化，使用較少參數(shù)便可以很好地表達(dá)已 有葉型，相對(duì)于傳統(tǒng)葉型設(shè)計(jì)方法設(shè)計(jì)變量大大減少，使得優(yōu)化過程快速、簡(jiǎn)潔。
[0019] (2)本發(fā)明中使用Opt LHD確定試驗(yàn)樣本，降低了試驗(yàn)樣本個(gè)數(shù)；使用由此訓(xùn)練得 到的Kriging代理模型對(duì)葉型進(jìn)行不確定分析，避免不斷調(diào)用CFD計(jì)算程序，大大減少計(jì)算 量，使得優(yōu)化方法實(shí)用可靠。
[0020] (3)本發(fā)明運(yùn)用NCGA方法進(jìn)行多目標(biāo)優(yōu)化搜索，優(yōu)化后的葉型穩(wěn)健性強(qiáng)，一方面 降低了加工代價(jià)，另一方面使得所設(shè)計(jì)葉型具有更強(qiáng)的工程應(yīng)用性，且性能較優(yōu)。
【附圖說明】
[0021] 圖1為壓氣機(jī)CDA葉型正問題求解流程。
[0022] 圖2為初始葉型以及CST參數(shù)化葉型對(duì)比圖。
[0023] 圖3為Kriging代理模型的獲得過程。
[0024] 圖4為代理模型擬合效果對(duì)比圖，其中（a)為原函數(shù)圖像，而（b)為通過代理模型 擬合得到的圖像。
[0025] 圖5為初始葉型與優(yōu)化葉型對(duì)比圖，其中baseline為初始葉型，而Tolerance Optimal為穩(wěn)健優(yōu)化葉型。
[0026] 圖6為發(fā)明實(shí)施過程。
【具體實(shí)施方式】
[0027] 下面結(jié)合壓氣機(jī)CDA葉型設(shè)計(jì)優(yōu)化實(shí)例以及CFD計(jì)算結(jié)果，詳細(xì)說明本發(fā)明具體 實(shí)施過程。
[0028] 步驟1 :以多圓弧葉型作為基準(zhǔn)葉型，輸入?yún)?shù)有進(jìn)口氣流角、出口氣流角β2、 攻角i、落后角S、相對(duì)最大厚度C_/b、最大厚度相對(duì)位置乂_/13、前緣半徑民、尾緣半徑民、 前后段轉(zhuǎn)接位置xyb、前段圓弧彎角/總彎角Θ/Θ得到正問題迭代輸入葉型，并按照?qǐng)D 1所示流程不斷改變?nèi)~型參數(shù)得到滿意輸出葉型，即Al葉型，輸出文件為葉片吸力面坐標(biāo) (Xs 1, ySl)和壓力面坐標(biāo)（Xp1, ypj，i，j分別為吸力面壓力面離散點(diǎn)數(shù)。
[0029] 步驟二：運(yùn)用CST方法分別對(duì)葉