| 基于人工神经网络和遗传算法的动叶可调轴流风机后导叶数值优化 |
| |
| 引用本文： | 陈得胜1,白新奎2,张振民1,马 翔1,3. 基于人工神经网络和遗传算法的动叶可调轴流风机后导叶数值优化[J]. 热力发电, 2021, 50(10): 142-149 |
| |
| 作者姓名： | 陈得胜1 白新奎2 张振民1 马 翔1 3 |
| |
| 作者单位： | 西安热工研究院有限公司,陕西 西安 710054;华能甘肃能源开发有限公司,甘肃 兰州 730070;西安热工研究院有限公司,陕西 西安 710054;西安交通大学能源与动力工程学院,陕西 西安 710049 |
| |
| 基金项目： | 西安热工研究院有限公司研发基金项目 |
| |
| 摘 要： | 以自主设计的单级动叶可调轴流风机模型为研究对象，建立了基于人工神经网络和遗传算法的三维气动优化设计模型，在设计点对后导叶进行三维气动优化生成优化叶型，并运用全通道三维数值计算方法对后导叶优化前后的风机整体性能进行数值模拟。模拟结果表明:与原始叶型相比，设计点优化叶型风机效率提高了1.1%，风机全压提高了2.1%；非设计点风机效率提高了8.6%，风机全压提高了20.3%。通过进一步对叶轮级内部流场分析可知，无论是在设计点还是在非设计点，优化叶型较原始叶型不仅表现了更强的抗气流分离能力，而且能够有效抑制叶栅通道内低能流体团的径向迁移，因而优化叶型显著减少了叶栅通道内部的流动损失。
|
| 关 键 词： | 动叶可调轴流风机 人工神经网络 遗传算法 后导叶 叶型优化 风机效率 |
Numerical optimization for outlet guide vane of an adjustable rotor blade axial fan based on artificial neural network and genetic algorithm |
| |
| CHEN Desheng1,BAI Xinkui2,ZHANG Zhenmin1,MA Xiang1,' target="_blank" rel="external">3. Numerical optimization for outlet guide vane of an adjustable rotor blade axial fan based on artificial neural network and genetic algorithm[J]. Thermal Power Generation, 2021, 50(10): 142-149 |
| |
| Authors: | CHEN Desheng1,BAI Xinkui2,ZHANG Zhenmin1,MA Xiang1,' target=" _blank" rel=" external" >3 |
| |
| Affiliation: | 1. Xi’an Thermal Power Research Institute Co., Ltd., Xi’an 710054, China; 2. Huaneng Gansu Energy Development Co., Ltd., Lanzhou 730070, China; 3. School of Energy and Power Engineering, Xi’an Jiaotong University, Xi’an 710049, China |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《热力发电》浏览原始摘要信息 |
|
点击此处可从《热力发电》下载全文 |
|
