Multidisciplinary, full range and multi-objective optimization of large flow coefficient mixed-flow compressor and result analysis

近年来, 随着压缩空气储能领域发展以及大型空分设备市场需求增加, 我国对高性能大流量系数(首级流量系数介于0.16~0.30之间)压缩机技术方面的研究需求迫切. 斜流叶轮作为这一类大流量系数压缩机的首级, 能够兼顾效率、工况范围以及机器紧凑性, 具有很好的应用前景. 大流量系数斜流压缩机鉴于其较为严苛的气动和强度要求带来的复杂多学科特性, 给设计开发造成困难, 采用传统设计方法性能偏差大、容错率低、开发周期长. 为了解决这一问题, 本文发展了适用于离心/斜流叶轮的全工况多学科智能优化体系, 以一经过初步设计的大流量系数斜流叶轮为对象, 采用了多学科组合式智能代理模型, 结合NSGA-II遗传算法及自适应批量采样策略, 完成了具有71个控制参数的大流量系数斜流压缩机全工况多学科优化. 结果表明, 相较于原型叶轮, 优化叶轮的整级设计点多变效率提升4.1%, 最高效率提升1.4%, 同时, 最大应力降低35%, 最大形变量降低50.6%, 最大径向变形量降低46.6%, 优化效果显著. 本研究的创新在于, 在优化过程中, 基于全工况多学科组合式代理模型, 综合考虑了效率、压比、堵塞裕度、失速裕度、最大应力、最大变形量、最大径向变形量、蜗壳性能损失、叶轮外径约束等多种设计目标, 从系统上解决了复杂的设计问题, 使得优化结果直接满足实际工程需要.