基于Pareto类遗传算法的平面叶栅多工况数值优化

摘要

本文将叶型参数化、神经网络算法与Pareto类遗传算法相结合,发展了一种平面叶栅多目标优化设计方法。为缩小优化变量空间,采用Bezier曲线参数化表述叶型。试验设计方法用来生成样本数据库的几何信息,各样本多工况气动性能评估分析则借助CFD技术来完成,并行神经网络算法用于对样本的信息进行函数逼近,最后由Pareto类遗传算法来对该逼近函数进行多工况寻优,并将其计算得到的相应结果加入样本点集中,重复最后两步,直到满足设定的终止准则。以极小化三个工况点的总压损失系数为目标函数,将该优化方法应用于某平面叶栅多工况优化设计。与初始叶栅相比,优化后叶栅的总压损失系数在三个工况均有一定的减小,说明该优化方法是有效的。