為解決液力變矩器性能與葉片形態(tài)變量間的復(fù)雜映射問(wèn)題,提高設(shè)計(jì)效率與精度,提出了采用代理模型取代三維流體計(jì)算方法,并結(jié)合尋優(yōu)算法對(duì)液力變矩器的性能進(jìn)行優(yōu)化設(shè)計(jì)的方案。首先,在標(biāo)定基于CFD仿真的液力變矩器性能響應(yīng)結(jié)果前提下,利用正交設(shè)計(jì)方法,獲得液力變矩器性能的大自由度仿真試驗(yàn)數(shù)據(jù);然后,分別設(shè)計(jì)響應(yīng)面以及神經(jīng)網(wǎng)絡(luò)2種代理模型,獲取變矩器葉片角變量與其性能的映射關(guān)系,比較分析其建模效率和精度;最后,以某型號(hào)雙渦輪液力變矩器啟動(dòng)變矩比及低速比區(qū)最高效率最大化為設(shè)計(jì)目標(biāo),分別通過(guò)2種代理模型應(yīng)用NSGA-Ⅱ算法獲取優(yōu)化方案。仿真結(jié)果表明:在同一試驗(yàn)數(shù)據(jù)下,響應(yīng)面模型的建模效率較高,神經(jīng)網(wǎng)絡(luò)模型的變量設(shè)計(jì)空間外延性較好;采用神經(jīng)網(wǎng)絡(luò)模型優(yōu)化得到的液力變矩器模型與依照出廠參數(shù)設(shè)計(jì)的液力變矩器模型相比,其啟動(dòng)變矩比及低速比區(qū)最高效率分別提高了14.27%和10.24%,與采用響應(yīng)面模型優(yōu)化得到的液力變矩器模型相比分別提高了4.36%和1.53%。 

【文章來(lái)源】：西安交通大學(xué)學(xué)報(bào). 2020,54(10)北大核心EICSCD

【文章頁(yè)數(shù)】：8 頁(yè)

【部分圖文】：

標(biāo)定前CFD仿真計(jì)算結(jié)果與臺(tái)架試驗(yàn)數(shù)據(jù)對(duì)比

誤差原因在于實(shí)際工作時(shí)，變矩器的泵輪與泵輪殼剛性相連，泵輪殼體與渦輪外壁之間存在間隙，其中充滿液壓油。當(dāng)泵輪與渦輪轉(zhuǎn)速不同時(shí)，泵輪殼體與渦輪外壁之間通過(guò)液壓油傳遞扭矩，造成扭矩?fù)p失。低速比區(qū)泵輪與渦輪轉(zhuǎn)速差大，扭矩?fù)p失更加嚴(yán)重。故以臺(tái)架試驗(yàn)為基礎(chǔ)對(duì)輸入、輸出軸的扭矩進(jìn)行標(biāo)定，標(biāo)定后的仿真誤差明顯減小，如圖2所示。圖2中曲線表明，經(jīng)試驗(yàn)數(shù)據(jù)標(biāo)定后的三維流體仿真結(jié)果精度較高，可以通過(guò)此方式獲取數(shù)據(jù)作為構(gòu)建模型的樣本。本文參考已產(chǎn)業(yè)化的某型液力變矩器，為獲取有效樣本，選取能保證葉片形態(tài)且性能較好的葉片角區(qū)間作為各葉片角的變化范圍。分別選取泵輪進(jìn)、出口角βB1、βB2，第一渦輪進(jìn)、出口角βTⅠ1、βTⅠ2，第二渦輪進(jìn)、出口角βTⅡ1、βTⅡ2，導(dǎo)輪的進(jìn)、出口角βD1、βD2的取值區(qū)間如表1所示。

用于預(yù)測(cè)優(yōu)化設(shè)計(jì)的神經(jīng)網(wǎng)絡(luò)大部分為前饋神經(jīng)網(wǎng)絡(luò)，而其中按誤差反向傳播的多層前饋神經(jīng)網(wǎng)絡(luò)（BP）理論和性能都比較成熟。BP神經(jīng)網(wǎng)絡(luò)由輸入層、隱含層與輸出層構(gòu)成。BP神經(jīng)網(wǎng)絡(luò)具有很強(qiáng)的非線性映射能力，理論上可以通過(guò)3層或以上的網(wǎng)絡(luò)結(jié)構(gòu)及足夠多的隱含層神經(jīng)元，以任意精度逼近一個(gè)非線性函數(shù)[18]，而且可自動(dòng)調(diào)節(jié)控制參數(shù)，提高控制性能和可靠性。故針對(duì)液力變矩器內(nèi)部復(fù)雜的三維黏性流動(dòng)，本文采用經(jīng)典的3層網(wǎng)絡(luò)結(jié)構(gòu)建立變矩器性能對(duì)葉片角響應(yīng)的神經(jīng)網(wǎng)絡(luò)模型，結(jié)構(gòu)如圖3所示。本文將上文所述的8個(gè)葉片角，即βB1、βB2、βTI1、βTI2、βTII1、βTII2、βD1、βD2作為輸入變量，輸出變量為變矩器的啟動(dòng)變矩比K0以及變矩器在低速比區(qū)的最高效率ηlm的預(yù)測(cè)值，目標(biāo)變量為三維仿真所得的變矩器的啟動(dòng)變矩比K′0以及在低速比區(qū)的最高效率η′lm。故設(shè)置輸入層節(jié)點(diǎn)數(shù)為8，輸出層節(jié)點(diǎn)數(shù)為2。隱含層節(jié)點(diǎn)數(shù)對(duì)網(wǎng)絡(luò)收斂的精度以及泛化能力有著較大的影響，然而目前對(duì)于隱含層的節(jié)點(diǎn)數(shù)還沒(méi)有明確的理論計(jì)算方法，多是基于經(jīng)驗(yàn)公式經(jīng)過(guò)反復(fù)驗(yàn)證確定。根據(jù)Kolmogorov定理（映射神經(jīng)網(wǎng)絡(luò)存在定理）[19]，給定任何連續(xù)函數(shù)f:[0,1]n→Rm,y=f(x），則f(x）能夠被一個(gè)3層前向神經(jīng)網(wǎng)絡(luò)所實(shí)現(xiàn)，其中網(wǎng)絡(luò)的隱含層神經(jīng)元數(shù)為2n+1，故本文可以取隱含層節(jié)點(diǎn)數(shù)為17。為保證能建立滿足需求的BP網(wǎng)絡(luò)，本文設(shè)置隱含層節(jié)點(diǎn)數(shù)為10～30，經(jīng)過(guò)多次試驗(yàn)確定了本文神經(jīng)網(wǎng)絡(luò)模型的隱含層節(jié)點(diǎn)數(shù)為15，整個(gè)神經(jīng)網(wǎng)絡(luò)模型采用8-15-2的結(jié)構(gòu)。

【參考文獻(xiàn)】：
期刊論文
[1]基于代理模型的旋翼翼型動(dòng)態(tài)失速優(yōu)化設(shè)計(jì)[J]. 喻伯平,李高華,謝亮,王福新.  浙江大學(xué)學(xué)報(bào)(工學(xué)版). 2020(04)
[2]基于Kriging代理模型的DBD等離子體控制葉頂泄漏流動(dòng)研究[J]. 王釗,俞建陽(yáng),陳浮.  工程熱物理學(xué)報(bào). 2020(03)
[3]基于Kriging代理模型的拉桿組合轉(zhuǎn)子強(qiáng)度可靠性研究[J]. 王艾倫,劉樂(lè),劉慶亞.  工程設(shè)計(jì)學(xué)報(bào). 2019(04)
[4]低比轉(zhuǎn)速離心葉輪的POD代理模型優(yōu)化方法[J]. 郭廣強(qiáng),張人會(huì),陳學(xué)炳,李仁年.  華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(07)
[5]Kriging序貫設(shè)計(jì)方法在滑動(dòng)軸承優(yōu)化中的應(yīng)用[J]. 張澤斌,張鵬飛,郭紅,李永.  哈爾濱工業(yè)大學(xué)學(xué)報(bào). 2019(07)
[6]基于改進(jìn)粒子群優(yōu)化算法和極限學(xué)習(xí)機(jī)的混凝土壩變形預(yù)測(cè)[J]. 李明軍,王均星,王亞洲.  天津大學(xué)學(xué)報(bào)(自然科學(xué)與工程技術(shù)版). 2019(11)
[7]基于主效應(yīng)分析的變矩器葉片角變量空間優(yōu)化[J]. 王安麟,楊智雄,李文嘉.  華南理工大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(02)
[8]基于拉丁超立方仿真試驗(yàn)設(shè)計(jì)的雙渦輪變矩器性能分析[J]. 王安麟,孟慶華,韓繼斌.  中國(guó)工程機(jī)械學(xué)報(bào). 2015(04)
[9]液力變矩器的葉片數(shù)神經(jīng)網(wǎng)絡(luò)模型[J]. 王安麟,孟慶華,曹巖,韓繼斌.  西安交通大學(xué)學(xué)報(bào). 2015(07)
[10]基于遺傳算法的液力變矩器與發(fā)動(dòng)機(jī)匹配的多目標(biāo)優(yōu)化[J]. 陳凱,吳光強(qiáng).  汽車工程. 2014(05)

碩士論文
[1]代理模型預(yù)測(cè)研究及其在葉輪機(jī)械中的應(yīng)用[D]. 李飛.大連理工大學(xué) 2014



本文編號(hào)：3212457