隨著現代航空發動機性能的持續提高,氣冷渦輪的設計變得越來越重要。對于無冷氣條件下的優化設計,很多人都做了研究。但對于有冷氣條件下的優化設計,目前還未見到這方面的文獻。本文聯合采用人工神經網絡和遺傳算法對某氣冷渦輪級的葉型與級間匹配進行了三維優化設計。流場計算采用全三維粘性流N - S 方程求解。優化過程采用在無冷氣條件下,先在粗網格上進行計算,再在細網格上進行校核的方法來減少優化時間,提高優化效率。結果表明,在無冷氣的條件下,靜葉和動葉的損失都有所下降,性能提高,渦輪級效率提高1 % ,對此結果在不同冷氣量下校核,級效率提高0. 80 %～0. 92 % ,提高趨勢與無冷氣時基本相同,說明該方法可以用于氣冷渦輪的優化設計。
關鍵詞:氣冷渦輪;三維優化;遺傳算法;人工神經網絡

隨著葉輪機械設計技術的不斷進步, 對葉片造型理論和設計方法提出了更高要求, 葉片設計往往決定著效率、壓比、重量等諸多性能參數,涉及到來源于不同準則的許多目標和約束。與葉輪機械設計相關聯的優化問題通常涉及到許多約束和大量參數,一般導致目標函數有許多極值點。目前常用的優化方法有[1～2 ] :遺傳算法、模擬退火和基于梯度法等。其中遺傳算法和基于梯度法是使用最廣泛的方法。眾所周知,基于梯度的優化方法對于收斂率是有效的,但不能確保產生整體最佳效果[3 ] 。另一方面,遺傳算法雖然有利于達到整體最佳效果,但可能需要上千步迭代計算[4 ] ,直接與三維N - S 求解器進行耦合,計算量過大,不宜直接采用,需要與其它方法聯合使用。本文采用NumecaPDesign 3D 軟件,用人工神經網絡代替流動求解方法執行連續設計估算,它允許以有效的方式使用遺傳算法[5 ] 。對于無冷氣條件下的優化設計,很多人都作了研究。例如:關于二維跨音速渦輪葉片多點優化減少激波損失的研究[6 ] ,關于高升力渦輪的三維優化設計[7 ] ,某一級半渦輪的三維優化設計[8 ] 。但對于有冷氣條件下的優化設計,目前還見不到這方面的文獻。本文是對某氣冷渦輪級首先在無冷氣條件下三維優化,再將優化葉型在不同冷氣量條件下進行校核,以實現氣冷渦輪的優化設計。