-
题名基于响应面高维代理模型的双吸式离心泵优化设计
- 1
-
-
作者
黄腾
江新喻
黄秉方
胡一帆
刘志远
李琪飞
-
机构
国机通用机械科技股份有限公司
兰州理工大学能源与动力工程学院
甘肃省流体机械及系统重点实验室
-
出处
《流体机械》
北大核心
2025年第3期89-96,118,共9页
-
基金
国家自然科学基金项目(52066011)
智慧水厂系统研究项目(2024050485)。
-
文摘
为了提高双吸式离心泵的运行效率,对某水厂原水泵的叶轮结构进行了优化设计。通过对叶轮的几何结构进行系统研究,以叶轮后盖板的进口安放角β_(1h)、前盖板的进口安放角β_(1s)、后盖板的出口安放角β_(2h)、前盖板的出口安放角β_(2s)及叶片包角φ为主要优化参数。在变量的取值区间内对叶轮进行几何重构,并生成训练集,进而构建响应面高维代理模型。以此模型作为优化目标变量y,对叶轮进行了优化研究,并通过对比优化后双吸泵扬程、效率的数值模拟结果与试验结果,验证了模型的可靠性。结果表明,优化后的叶轮在设计工况下显著改善了流动分布,减少了不稳定流动,并有效降低了叶轮进口的湍动能,同时提升了叶轮出口的速度;在压水室出口一侧,泵的整体效率提升约3%;优化后的模型在流量为0.7Q_(d),0.8Q_(d),0.9Q_(d),Q_(d)的各工况下均实现了超过3%的效率提升,其中,在0.7Q_(d)和0.8Q_(d)工况下,扬程的涨幅最大,增长了约0.8 m;优化措施显著拓宽了双吸式离心泵的高效工作区,提高了其整体性能。研究结果不仅验证了优化方法的有效性,而且为双吸式离心泵叶轮设计提供了一种高效的优化途径。
-
关键词
双吸式离心泵
响应面高维代理模型
优化设计
-
Keywords
double‑suction centrifugal pump
response surface high‑dimensional agent model
optimized design
-
分类号
TH3
[机械工程—机械制造及自动化]
TK734
[交通运输工程—轮机工程]
-
-
题名曲线链式回转弹仓动力学模型不确定参数辨识
被引量：3
- 2
-
-
作者
文浩
侯保林
林瑜斌
金鑫
-
机构
南京理工大学机械工程学院
-
出处
《兵工学报》
EI
CAS
CSCD
北大核心
2024年第5期1460-1471,共12页
-
基金
国家自然科学基金项目(52105022)。
-
文摘
为了准确模拟曲线链式回转弹仓输送弹药过程中的非线性动力学特性,根据系统的拓扑结构和控制原理建立包含不确定参数的动力学模型。利用优化设计思想,基于系统测试数据建立不确定参数辨识模型。提出一种函数型时间序列相似度作为辨识准则,采用基于径向基函数的高维模型表示和径向基函数分别构建从机械系统和控制系统不确定参数到辨识准则的代理模型。将麻雀搜索算法嵌入岛屿模型进行多种群结构化,形成岛屿麻雀搜索算法,进行寻优求解。以工况1测试数据为基准,对机械系统和控制系统的不确定参数进行辨识。研究结果表明,辨识后的动力学模型对两种工况的输出结果与测试数据相似度较高,验证了建模的准确性和辨识的有效性,为动作可靠性分析和故障诊断研究提供了可靠的样本数据来源。
-
关键词
曲线链式回转弹仓
参数辨识
函数型时间序列相似度
岛屿麻雀搜索算法
高维代理模型
-
Keywords
curved chain rotary shell magazine
parameter identification
functional time series similarity
island sparrow search algorithm
high dimensional surrogate model
-
分类号
TJ303
[兵器科学与技术—火炮、自动武器与弹药工程]
-
-
题名基于神经网络的船舶阻力预报研究
- 3
-
-
作者
吴钦
杜林
李广年
舒跃辉
郭海鹏
-
机构
宁波大学海运学院
宁波大学东海战略研究院
-
出处
《船舶力学》
北大核心
2025年第1期12-22,共11页
-
基金
高等学校学科创新引智计划资助项目(D21013)
国家自然科学基金-青年科学基金资助项目(52201368)
船舶总体性能创新研究开放基金资助项目(11322203)。
-
文摘
常规代理模型的阻力预报是以主尺度比、船型系数等作为输入,相比于CFD计算时输入完整船型,其较低的信息密度导致代理模型预报精度较低。本文以4108个完整船型几何形状特征张量作为输入,采用神经网络作为代理模型,以船舶的总阻力系数作为输出,研究船型阻力的高维度、高精度预报方法。首先,将船型进行无量纲化处理,并提取特征张量作为输入;然后,建立神经网络模型,搭建输入层、隐藏层和输出层;最后,将船型的特征张量与总阻力系数输入神经网络,通过误差反向传播进行训练,直至损失函数值收敛。本文研究结果可为基于高维代理模型的阻力性能预报提供理论和技术支持。
-
关键词
船舶工程
阻力性能
高维代理模型
人工神经网络
-
Keywords
ship engineering
ship resistance
high-dimensional surrogate model
artificial neural network
-
分类号
U661.311
[交通运输工程—船舶及航道工程]
-
