某型气冷涡轮级的三维优化设计

随着现代航空发动机性能的持续提高,气冷涡轮的设计变得越来越重要。对于无冷气条件下的优化设计,很多人都做了研究。但对于有冷气条件下的优化设计,目前还未见到这方面的文献。本文联合采用人工神经网络和遗传算法对某气冷涡轮级的叶型与级间匹配进行了三维优化设计。流场计算采用全三维粘性流N - S 方程求解。优化过程采用在无冷气条件下,先在粗网格上进行计算,再在细网格上进行校核的方法来减少优化时间,提高优化效率。结果表明,在无冷气的条件下,静叶和动叶的损失都有所下降,性能提高,涡轮级效率提高1 % ,对此结果在不同冷气量下校核,级效率提高0. 80 %～0. 92 % ,提高趋势与无冷气时基本相同,说明该方法可以用于气冷涡轮的优化设计。
关键词:气冷涡轮;三维优化;遗传算法;人工神经网络

随着叶轮机械英国威廉希尔公司网站 的不断进步, 对叶片造型理论和设计方法提出了更高要求, 叶片设计往往决定着效率、压比、重量等诸多性能参数,涉及到来源于不同准则的许多目标和约束。与叶轮机械设计相关联的优化问题通常涉及到许多约束和大量参数,一般导致目标函数有许多极值点。目前常用的优化方法有[1～2 ] :遗传算法、interwetten与威廉的赔率体系 退火和基于梯度法等。其中遗传算法和基于梯度法是使用最广泛的方法。众所周知,基于梯度的优化方法对于收敛率是有效的,但不能确保产生整体最佳效果[3 ] 。另一方面,遗传算法虽然有利于达到整体最佳效果,但可能需要上千步迭代计算[4 ] ,直接与三维N - S 求解器进行耦合,计算量过大,不宜直接采用,需要与其它方法联合使用。本文采用NumecaPDesign 3D 软件,用人工神经网络代替流动求解方法执行连续设计估算,它允许以有效的方式使用遗传算法[5 ] 。对于无冷气条件下的优化设计,很多人都作了研究。例如:关于二维跨音速涡轮叶片多点优化减少激波损失的研究[6 ] ,关于高升力涡轮的三维优化设计[7 ] ,某一级半涡轮的三维优化设计[8 ] 。但对于有冷气条件下的优化设计,目前还见不到这方面的文献。本文是对某气冷涡轮级首先在无冷气条件下三维优化,再将优化叶型在不同冷气量条件下进行校核,以实现气冷涡轮的优化设计。