葉片泵先進(jìn)優(yōu)化理論與技術(shù)

目錄
前言
第1章 葉片泵設(shè)計(jì)優(yōu)化研究現(xiàn)狀及發(fā)展趨勢 1
1.1 引言 1
1.2 葉片泵設(shè)計(jì)研究現(xiàn)狀 1
1.3 葉片泵優(yōu)化研究現(xiàn)狀 2
1.4 優(yōu)化設(shè)計(jì)發(fā)展趨勢 7
參考文獻(xiàn) 8
第2章 試驗(yàn)設(shè)計(jì)方法 12
2.1 試驗(yàn)設(shè)計(jì) 12
2.2 常用的試驗(yàn)設(shè)計(jì)方法 12
2.2.1 全因子法 13
2.2.2 中心復(fù)合法 13
2.2.3 正交試驗(yàn) 14
2.2.4 拉丁方方法 14
2.3 極差分析 15
2.4 方差分析 16
參考文獻(xiàn) 17
第3章 近似模型方法 18
3.1 響應(yīng)面法 18
3.2 人工神經(jīng)網(wǎng)絡(luò) 20
3.3 Kriging 模型 23
3.4 混合近似模型 23
參考文獻(xiàn) 24
第4章 優(yōu)化算法 26
4.1 梯度算法 26
4.1.1 基本算法描述 27
4.1.2 基本算法存在的問題 28
4.1.3 梯度下降優(yōu)化算法 28
4.2 遺傳算法 31
4.2.1 遺傳算法的邏輯 31
4.2.2 遺傳算法的優(yōu)勢與不足 35
4.2.3 遺傳算法的使用案例 36
4.3 粒子群算法 38
4.3.1 粒子群算法的數(shù)學(xué)描述 39
4.3.2 具有慣性權(quán)重的粒子群算法 41
4.3.3 具有收縮因子的粒子群算法 41
4.3.4 粒子群算法的改進(jìn) 42
4.3.5 粒子群算法的使用案例 50
4.4 蝙蝠算法 52
4.4.1 基本蝙蝠算法的數(shù)學(xué)描述 52
4.4.2 基于高斯分布、t 分布擾動的蝙蝠算法 54
4.4.3 基于自適應(yīng)權(quán)重的蝙蝠算法 55
4.4.4 蝙蝠算法的使用案例 56
4.5 多目標(biāo)遺傳算法 57
4.5.1 多目標(biāo)遺傳算法的數(shù)學(xué)描述 57
4.5.2 基于矩陣計(jì)算的Pareto優(yōu)前沿判斷方法 58
4.5.3 多目標(biāo)優(yōu)化問題的適應(yīng)值計(jì)算方法 59
4.5.4 Pareto 前沿維護(hù) 60
4.5.5 多目標(biāo)遺傳算法的使用案例 61
4.6 多目標(biāo)粒子群算法 63
4.6.1 多目標(biāo)粒子群算法的基本步驟 63
4.6.2 多目標(biāo)粒子群算法的改進(jìn) 64
4.6.3 改進(jìn)的多目標(biāo)粒子群算法的仿真驗(yàn)證 70
4.6.4 多目標(biāo)粒子群算法的使用案例 78
參考文獻(xiàn) 79
第5章 葉片泵數(shù)值模擬及優(yōu)化理論 82
5.1 控制方程 82
5.1.1 連續(xù)性方程 82
5.1.2 動量方程 83
5.1.3 能量方程 83
5.2 雷諾時均納維-斯托克斯方程及湍流模型 84
5.2.1 雷諾時均納維-斯托克斯方程 84
5.2.2 k-ε模型 85
5.2.3 RNGk-ε模型 87
5.2.4 k-ε 模型 87
5.3 空化模型 89
5.3.1 Zwart-Gerber-Belamri 空化模型 89
5.3.2 Singhal 空化模型 90
5.3.3 SS空化模型 92
5.4 優(yōu)化理論及技術(shù) 92
5.4.1 優(yōu)化設(shè)計(jì)理論 92
5.4.2 自動優(yōu)化技術(shù)及相關(guān)命令 95
參考文獻(xiàn) 96
第6章 管道離心泵多目標(biāo)多參數(shù)優(yōu)化技術(shù) 97
6.1 研究背景 97
6.2 管道離心泵模型 97
6.2.1 計(jì)算模型 98
6.2.2 計(jì)算網(wǎng)格 99
6.2.3 數(shù)值模擬設(shè)置 100
6.2.4 試驗(yàn)驗(yàn)證 100
6.3 管道離心泵近似模型優(yōu)化技術(shù) 102
6.3.1 優(yōu)化設(shè)置 103
6.3.2 多目標(biāo)遺傳算法設(shè)置 106
6.3.3 管道泵優(yōu)化結(jié)果分析 108
6.4 管道泵多目標(biāo)組合優(yōu)化技術(shù) 118
6.4.1 管道泵進(jìn)口彎管-葉輪組合優(yōu)化設(shè)置 119
6.4.2 結(jié)果與討論 127
參考文獻(xiàn) 141
第7章 雙吸離心泵近似模型優(yōu)化技術(shù) 142
7.1 研究背景 142
7.2 雙吸離心泵模型 142
7.2.1 計(jì)算模型 142
7.2.2 雙吸離心栗葉輪參數(shù)化建模 143
7.2.3 計(jì)算網(wǎng)格 147
7.2.4 數(shù)值模擬設(shè)置 148
7.2.5 試驗(yàn)驗(yàn)證 149
7.3 基于極差分析的多工況正交優(yōu)化 150
7.3.1 優(yōu)化變量與目標(biāo) 151
7.3.2 正交試驗(yàn)設(shè)計(jì) 151
7.3.3 優(yōu)化結(jié)果極差分析 152
7.4 基于“效率屋”理論的雙吸離心泵多工況優(yōu)化 155
7.4.1 “效率屋”理論 155
7.4.2 基于“效率屋”優(yōu)化結(jié)果的極差分析 156
7.5 基于棍合近似模型的雙吸離心泵多工況優(yōu)化 158
7.5.1 優(yōu)化過程 159
7.5.2 優(yōu)化目標(biāo)和優(yōu)化變量 159
7.5.3 近似模型擬合 162
7.5.4 優(yōu)化結(jié)果 163
7.5.5 優(yōu)化結(jié)果對比 165
7.6 NPSHr預(yù)測方法 167
7.7 雙吸離心泵多目標(biāo)（效率-空化性能）優(yōu)化 170
7.7.1 優(yōu)化過程 170
7.7.2 優(yōu)化變量 171
7.7.3 多目標(biāo)優(yōu)化設(shè)計(jì) 173
7.7.4 優(yōu)化結(jié)果 174
7.8 雙吸離心泵多工況空化性能優(yōu)化 183
7.8.1 優(yōu)化過程 184
7.8.2 優(yōu)化結(jié)果 185
參考文獻(xiàn) 194
第8章 帶導(dǎo)葉離心泵優(yōu)化技術(shù) 195
8.1 研究背景 195
8.2 帶導(dǎo)葉離心栗模型 195
8.3 網(wǎng)格劃分及數(shù)值計(jì)算 196
8.4 外特性試驗(yàn)驗(yàn)證 197
8.5 葉輪軸面投影圖優(yōu)化 199
8.5.1 優(yōu)化設(shè)計(jì)過程 199
8.5.2 試驗(yàn)設(shè)計(jì) 200
8.5.3 近似模型 202
8.5.4 優(yōu)化算法 202
8.5.5 優(yōu)化結(jié)果分析 204
8.6 基于改進(jìn)粒子群算法的葉輪性能自動優(yōu)化 205
8.6.1 優(yōu)化目標(biāo) 205
8.6.2 優(yōu)化變量 206
8.6.3 粒子群算法參數(shù)設(shè)置 208
8.6.4 帶導(dǎo)葉離心泵優(yōu)化過程分析 208
8.6.5 帶導(dǎo)葉離心泵葉輪優(yōu)化內(nèi)流場分析 209
參考文獻(xiàn) 211
第9章 軸流泵近似模型優(yōu)化技術(shù) 213
9.1 研究背景 213
9.2 軸流栗模型 213
9.3 軸流泵葉輪性能優(yōu)化技術(shù) 214
9.3.1 優(yōu)化目標(biāo)與約束條件 214
9.3.2 葉輪優(yōu)化設(shè)計(jì)變量 214
9.3.3 基于WorkBench平臺的網(wǎng)格劃分與定常計(jì)算 215
9.3.4 試驗(yàn)設(shè)計(jì)與算法尋優(yōu) 216
9.4 軸流栗優(yōu)化結(jié)果 218
9.4.1 設(shè)計(jì)參數(shù)與外特性對比 218
9.4.2 內(nèi)流場特性對比 219
參考文獻(xiàn) 220
第10章 混流泵正交試驗(yàn)優(yōu)化技術(shù) 221
10.1 研究背景 221
10.2 混流泵模型 221
10.2.1 計(jì)算水力模型 221
10.2.2 網(wǎng)格劃分 222
10.2.3 邊界條件 223
10.2.4 數(shù)值模擬結(jié)果及試驗(yàn)驗(yàn)證 223
10.3 正交試驗(yàn)設(shè)計(jì) 224
10.3.1 正交試驗(yàn)?zāi)康?224
10.3.2 正交試驗(yàn)因素和方案 224
10.4 正交試驗(yàn)結(jié)果分析 225
10.4.1 直觀分析 226
10.4.2 極差分析 226
10.5 優(yōu)化方案分析 227
10.5.1 數(shù)值模擬性能曲線對比 227
10.5.2 葉輪內(nèi)部速度流線圖對比 228
10.5.3 葉輪軸面湍動能耗散分布對比 229
10.5.4 導(dǎo)葉表面速度流線分布對比 231
參考文獻(xiàn) 232
附錄 233
附錄1 人工神經(jīng)網(wǎng)絡(luò)代碼實(shí)例（MATLAB) 233
附錄2 遺傳算法代碼實(shí)例（MATLAB) 234
附錄3 基本粒子群算法代碼實(shí)例（MATLAB) 238
附錄4 基本蝙蝠算法代碼實(shí)例（MATLAB) 242
附錄5 多目標(biāo)粒子群算法代碼實(shí)例（MATLAB) 244
索引 251