一种基于新型鲸鱼优化算法的航空发动机涡轮盘优化方法与流程

[0001]
本发明涉及航空发动机涡轮盘形状优化领域，尤其是涉及一种基于新型鲸鱼优化算法的航空发动机涡轮盘优化方法。


背景技术：

[0002]
isight作为集成各耦合和仿真软件的全自动化设计平台，在各设计优化领域已经受到了广泛应用。其自带的优化模块组件包含数十种优化算法，是工程人员优化设计时的主要选择对象。
[0003]
涡轮盘是航空发动机中的核心部件，工作环境恶劣，是发动机中的关键承力部件，其结构设计极大的影响了涡轮转子的工作和发动机的整体性能，因此，如何设计涡轮盘结构以及在保证涡轮盘合理构型的情况下实现尺寸或结构优化是一项重要的研究内容。
[0004]
目前许多研究人员使用isight平台集成航空发动机的结构优化，使用isight优化模块组件自带的优化算法进行多目标优化，其中多目标优化算法通常指非支配排序遗传算法nsga-ii，微遗传算法amga，多目标粒子群优化算法mopso和邻里栽培算法ncga。其中采用较多的是非支配排序遗传算法nsga-ii和微遗传算法amga。但这两种算法提出时间较早，优化效果不够显著。
[0005]
本方法采用结合isight的新型鲸鱼多目标优化算法，基于patran和nastran的计算分析，对所建立涡轮盘简化模型进行结构优化，使其在设定参数范围内满足最大许用应力要求下质量最轻。


技术实现要素：

[0006]
本发明在于克服现有技术的不足，提供一种基于新型鲸鱼优化算法的航空发动机涡轮盘优化方法，基于patran和nastran的计算分析，对所建立的参数化模型进行结构优化，使其在设定参数范围内满足最大许用应力要求下质量最轻。
[0007]
本发明采用如下技术方案：
[0008]
一种基于新型鲸鱼优化算法的航空发动机涡轮盘优化方法，包括：
[0009]
s101，利用ug对要优化的航空发动机涡轮盘结构进行参数化建模，获得参数化模型；
[0010]
s102，将从ug导出的x_t文件导入到patran中，利用patran和nastran软件对所述参数化模型进行有限元分析，获取涡轮盘最大径向应力、最大周向应力和质量，同时得到patran的驱动文件和nastran的驱动文件；
[0011]
s103，将集成有集成ug更新程序、patran批处理程序和nastran批处理程序的simcode组件添加到isight中，驱动ug自动更新模型，并驱动patran和natran对更新后的模型自动分析；
[0012]
s104，将集成有新型鲸鱼多目标优化算法的optimization优化模块组件添加到isight中，确定参数化模型要优化的变量范围、新型鲸鱼多目标优化算法种群大小、迭代次
数和优化目标，基于所述新型鲸鱼多目标优化算法对涡轮盘形状进行优化，获得最大径向应力接近最大许用径向应力、最大周向应力接近最大许用周向应力以及质量最小的涡轮盘模型。
[0013]
优选的，s102中，将从ug导出的x_t文件导入到patran中，利用patran和nastran软件对所述参数化模型进行有限元分析，获取涡轮盘最大径向应力、最大周向应力和质量具体包括：
[0014]
在patran中导入所述参数化模型，进行有限元划分，施加位移、转速、温度和离心载荷约束，提交给所述nastran进行有限元静力分析，分析结果读入patran，输出包含各节点应力位移和模型质量的报告。
[0015]
优选的，s103中，所述ug更新程序包括打开模型、更新模型、保存模型和另存为x_t文件的函数功能。
[0016]
优选的，s103中，所述驱动patran和natran对更新后的模型自动分析，包括：
[0017]
基于更新后的模型，修改patran的驱动文件和nastran的驱动文件中相关的变量部分得到修改后的驱动文件；基于修改后的驱动文件，对更新后的模型进行自动分析。
[0018]
优选的，所述s104，具体包括：
[0019]
s1041，根据确定的要优化的变量范围随机生成初始种群；
[0020]
s1042，向isight发出评价信号并得到评价后的结果，具体为：
[0021]
根据如下差分进化公式(1)和(2)更新种群并发出评价信号得到评价后结果，如下：
[0022]
u
i,j
(t+1)＝x
r1,j
(t)+f
×
(x
r2,j
(t)-x
r3,j
(t))
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
[0023][0024]
其中，u
i,j
(t+1)表示变异载体，为涡轮盘第t+1次迭代时第i个个体的第j个设计变量中间值，具体指涡轮盘截面某个形状尺寸中间值；t表示第t次迭代，x
r1,j
(t)、x
r2,j
(t)和x
r3,j
(t)表示在种群中随机选择的三个个体，x
i,j
(t+1)表示t+1次迭代时涡轮盘截面某形状尺寸最终值；r(j)表示在[0,1]间随机数；f为缩放因子，在[0.5，1]间线性增加；cr在[0.9，0.4]间线性减小；x
i,j
(t)表示第t次迭代时涡轮盘截面某形状尺寸最终值；
[0025]
根据如下鲸鱼优化算法公式(3)、(4)、(5)和(6)更新种群，其中领导者的选择采用竞争机制，即目标空间中待更新解与种群中随机两个个体间目标向量角度对比小的为领导者，更新种群后发出评价信号得到评价后结果，如下：
[0026][0027][0028]
其中，x(t+1)表示第t+1次迭代时涡轮盘截面形状尺寸，对于所有形状尺寸均适用；b表示控制鲸鱼游走螺旋形状的常数；通常取1，l表示[-1，1]上的随机数；x
best
(t)表示当前种群中的领导者；x(t)表示第t次迭代时涡轮盘截面形状尺寸，对于所有形状尺寸均适
用；；r表示[0，1]上随机数，cd(t)表示领导者从当前种群个体中最好的个体选择还是从当前种群个体中随机选择，均代表所有涡轮盘截面形状尺寸；x
rand
(t)表示当前种群中的一个随机个体；a和c公式通过如下公式(5)和公式(6)获取；
[0029]
a＝2
×
a
×
r-a
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)
[0030]
c＝2
×
r
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)
[0031]
其中，a在[2，0]上线性减小，r表示[0，1]上随机数；
[0032]
s1043，判断是否达到最大迭代次数，如果否则返回步骤s1042，如果是则停止迭代。
[0033]
与现有技术相比，本发明的有益效果如下：
[0034]
本发明一种基于新型鲸鱼优化算法的航空发动机涡轮盘优化方法，通过将新型鲸鱼多目标优化算法加入isight优化模块组件，利用有限元分析软件patran和nastran驱动分析涡轮盘结构强度，对所建立涡轮盘简化模型进行结构优化，使其质量最小。
附图说明
[0035]
图1是本发明的方法流程图；
[0036]
图2是新型鲸鱼多目标优化算法的流程图；
[0037]
图3是patran和nastran对初始轮盘模型的强度分析结果；图3(a)是涡轮盘径向应力结果图，图3(b)下部是涡轮盘周向应力结果图；
[0038]
图4是isight结合新型鲸鱼多目标优化算法、ug、patran和nastran对轮盘进行结构优化后的结果；其中图4(a)是优化后涡轮盘径向应力结果图，图4(b)是优化后涡轮盘周向应力结果图。
具体实施方式
[0039]
下面结合附图和基于新型鲸鱼多目标优化算法的轮盘结构优化实例对本发明做进一步说明。
[0040]
参见图1所述，本发明一种基于新型鲸鱼优化算法的航空发动机涡轮盘优化方法，包括以下步骤：
[0041]
s101，利用ug对涡轮盘简化模型进行参数化建模，确保优化时改变设计变量后整个模型能够相应变化，做好相应图形上的约束如水平约束，对称约束等。
[0042]
s102，将从ug导出的x_t文件导入到patran中，利用patran和nastran软件对模型进行有限元分析，获取涡轮盘最大径向应力、最大周向应力和质量，同时得到patran和nastran的驱动文件，图3为patran和nastran对轮盘进行强度分析的结果图，图3(a)是涡轮盘径向应力结果图，图3(b)下部是涡轮盘周向应力结果图。
[0043]
s103，在isight中集成simcode组件，驱动ug自动更新模型，驱动patran和natran对模型的自动分析。
[0044]
s104，确定涡轮盘模型要优化的尺寸变量如轮毂宽度等，确定鲸鱼优化算法种群大小如下50，确定迭代次数如50，确定要优化的目标，如质量最小、最大径向应力和最大许用径向应力接近度最小、最大周向应力和最大许用周向应力接近度最小。
[0045]
具体的，所述s102包括：
[0046]
在patran中导入ug模型，进行有限元划分，施加位移，转速，温度和离心载荷约束，提交nastran进行有限元静力分析，分析结果读入patran，输出包含各节点应力位移和模型质量的报告。
[0047]
具体的，所述s103包括：
[0048]
s1031，ug的自动更新程序，由ug二次开发c++语言编写，主要包括打开模型，更新模型，保存模型和另存为x_t文件的函数功能；
[0049]
s1032，patran和nastran的驱动文件由patran分析模型时自动生成，为确保优化时变量问题，修改自动生成的驱动文件中相关的变量部分得到最终驱动文件.
[0050]
具体的，参见图2所示，所述s104包括：
[0051]
s1041，根据确定的优化变量范围随机生成初始种群，包括50个个体；
[0052]
s1042，向isight发出评价信号，isight驱动ug自动更新模型输出x_t文件，驱动patran和nastran对更新后的模型进行强度分析，得到最大径向应力，最大周向应力和模型质量，50个个体依次评价；
[0053]
根据差分进化更新公式(1)和(2)对以上50个个体更新并同72)类似发出评价信号得到对应每个个体的评价后结果；如下：
[0054]
u
i,j
(t+1)＝x
r1,j
(t)+f
×
(x
r2,j
(t)-x
r3,j
(t))
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
[0055][0056]
其中，u
i,j
(t+1)表示变异载体，为涡轮盘第t+1次迭代时第i个个体的第j个设计变量中间值，具体指涡轮盘截面某个形状尺寸中间值；t表示第t次迭代，x
r1,j
(t)、x
r2,j
(t)和x
r3,j
(t)表示在种群中随机选择的三个个体，x
i,j
(t+1)表示t+1次迭代时涡轮盘截面某形状尺寸最终值；r(j)表示在[0,1]间随机数；f为缩放因子，在[0.5，1]间线性增加；cr在[0.9，0.4]间线性减小；x
i,j
(t)表示第t次迭代时涡轮盘截面某形状尺寸最终值。
[0057]
根据鲸鱼优化算法公式(3)、(4)、(5)和(6)更新种群个体，其中领导者的选择采用竞争机制从当前种群中随机选择两个个体与待更新个体目标向量角度比较，角度小的成为领导者，即公式(3)中的x
best
(t)，更新种群后向isight发出评价信号得到每个个体的目标值；如下：
[0058]
如下：
[0059][0060][0061]
其中，x(t+1)表示第t+1次迭代时涡轮盘截面形状尺寸，对于所有形状尺寸均适用b表示控制鲸鱼游走螺旋形状的常数；通常取1，l表示[-1，1]上的随机数；x
best
(t)表示当前种群中的领导者；x(t)表示第t次迭代时涡轮盘截面形状尺寸，对于所有形状尺寸均适用；；r表示[0，1]上随机数，cd(t)表示领导者从当前种群个体中最好的个体选择还是从当前种群个体中随机选择，均代表所有涡轮盘截面形状尺寸；x
rand
(t)表示当前种群中的一个随机
个体；a和c公式通过如下公式(5)和公式(6)获取；
[0062]
a＝2
×
a
×
r-a
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)
[0063]
c＝2
×
r
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)
[0064]
其中，a在[2，0]上线性减小，r表示[0，1]上随机数。
[0065]
s1043，判断是否达到最大迭代次数，如果否则返回步骤s1042，如果是则停止迭代。
[0066]
优化结束后得到一个最优解，该最优解的patran和nastran强度分析结果如图4，图4(a)是优化后涡轮盘径向应力结果图，图4(b)是优化后涡轮盘周向应力结果图。为了对比方便，表1展示了优化前后的相关结果数据对比。可以看出，优化后质量下降了，最大径向应力和最大周向应力也从负方向接近最大许用径向应力和最大许用周向应力，从而验证了本方法的可应用性。
[0067]
表1
[0068] 最大许用应力优化前优化后最大径向应力680mpa732.91mpa661.25mpa最大周向应力790mpa748.12mpa789.46mpa质量/1.572kg1.466kg
[0069]
上述实例仅用来进一步说明本发明的一种基于新型鲸鱼多目标优化算法的航空发动机轮盘结构优化方法，但本发明并不局限于此实例，凡是依据本发明的技术实质对以上实例所作的任何简单修改、等同变化与修饰，均落入本发明技术方案的保护范围内。