基于人工神经网络和遗传算法的喷水推进泵叶轮和导叶匹配优化方法研究

为提升喷水推进泵的水力性能，对现有水力模型动叶轮和导叶体的叶片几何形状进行匹配优化设计。该文针对影响喷水推进泵性能的叶轮叶片载荷、导叶叶片载荷、积迭位置等参数，采用拉丁超立方抽样方法进行样本空间采样，应用RANS方程对各样本进行定常数值求解，得到泵的性能参数，基于人工神经网络，建立泵设计参数和性能参数之间的映射响应模型，并以效率最高为目标，采用遗传算法进行优化，获得性能优异的喷水推进泵水力模型。该过程迭代循环自动完成，可缩短水力模型的设计开发周期。结果表明：优化后，在保持泵扬程不变的情况下，内流场显著改善，计算设计点效率达到91.8%，经过试验验证后效率达到88.9%，高效区流量范围拓宽15%。