(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210666474.4 (22)申请日 2022.06.14 (71)申请人 四川轻化工大 学 地址 643000 四川省自贡 市汇东学 苑街180 号 (72)发明人 孙泽刚　胡自强　费天文　何德文　 吴笑天　 (74)专利代理 机构 成都行之智 信知识产权代理 有限公司 5125 6 专利代理师 王伟 (51)Int.Cl. G06F 30/17(2020.01) G06F 30/28(2020.01) G06F 30/27(2020.01) G06F 113/08(2020.01)G06F 119/14(2020.01) (54)发明名称 一种基于代理模型的离心式喷嘴结构参数 优化及设计方法 (57)摘要 本发明公开了一种基于代理模型的离心式 喷嘴结构参数优化及设计方法， 涉及喷水减温阀 制造领域， 包括以下步骤： 利用离心式喷嘴过流 部件的结构参数进行建模， 根据建模 结果得到离 心喷嘴结构参数中的主导参数； 利用正交实验获 取所述主导参数的样本点， 对所述样本点进行 CFD计算， 得到 所述样本点对应的响应值； 根据所 述样本点 以及所述响应值构建代理模型并对所 述代理模型进行精度检测， 当所述代理模型满足 精度要求后建立优化模型， 所述优化模型用于以 增大雾化锥角和流量系数为目标的雾化性能优 化； 利用粒子群算法对所述优化模型进行寻优， 得到雾化性能最优的结构参数 组合； 本发明在寻 找离心式喷嘴最佳优化组合结构参数时能降低 实验难度， 节约计算资源。 权利要求书2页 说明书7页 附图2页 CN 114896739 A 2022.08.12 CN 114896739 A 1.一种基于代理模型的离心式喷 嘴结构参数优化方法， 其特 征在于， 包括以下步骤： S1： 获得离心喷 嘴结构参数中的主导 参数， 确定所述主导 参数的参数变量范围； S2： 利用正交实验获取所述主导参数的样本点， 基于所述样本点获得所述样本点对应 的响应值， 其中， 所述响应值包括雾化锥角响应值和流 量系数响应值； S3： 根据所述样本点以及所述响应值构建代 理模型， 对所述代 理模型进行精度检测， 当 所述代理模型满足精度要求后得到优化模型； S4： 利用粒子群算法对所述优化模型进行寻优， 得到 雾化性能最优的结构参数组合。 2.根据权利要求1所述的一种基于代理模型的离心式喷嘴结构参数优化方法， 其特征 在于， 步骤S1包括以下子步骤： S11： 对离心式喷嘴过流部件进行水力设计， 增加一个外流域， 利用结构参数建立三维 模型； S12： 对所述 三维模型进行仿真 分析， 得到 仿真结果； S13： 根据 所述仿真结果， 在各结构参数中选取对离心式喷嘴雾化性能影响最大的结构 参数作为主导 参数， 并确定主导 参数的参数变量范围。 3.根据权利要求2所述的一种基于代理模型的离心式喷嘴结构参数优化方法， 其特征 在于， 所述主导 参数为： 喷 嘴出口孔径、 旋流室角度以及旋流槽角度。 4.根据权利要求1所述的一种基于代理模型的离心式喷嘴结构参数优化方法， 其特征 在于， 步骤S2包括以下子步骤： S21： 根据所述样本点对三维模型进行 结构参数进行修改， 得到调整后的三维模型； S22： 采用非结构网格对所述修改后的三维模型进行网格划分从而得到网络模型， 其 中， 对离心式喷 嘴的出口直管 段进行网格加密； S23： 将所述网络模型导入CFD计算软件， 以获得所述雾化锥角响应值和流量系数响应 值。 5.根据权利要求1所述的一种基于代理模型的离心式喷嘴结构参数优化方法， 其特征 在于， 步骤S3中， 所述代理模型为多 项式响应面代理模型， 表达式为 其中， xi是第i个设计 变量， y对应响应值， a0、 bij、 cij、 dij为代理模型多 项式的系数。 6.根据权利要求5所述的一种基于代理模型的离心式喷嘴结构参数优化方法， 其特征 在于， 基于校正决定系数公式对所述多 项式响应面代理模型进行精度检测， 其公式为 其中， ST总偏差平方和； SR回归平方和； SE为残差平方和当决定系数R2大于0.9时， 建立所 述优化模型。 7.根据权利要求6所述的一种基于代理模型的离心式喷嘴结构参数优化方法， 其特征 在于， 所述优化模型表达式为∶ max yθ＝f(x1， x2， x3)； max yQ＝f(x1， x2， x3)； 其中， yθ为雾化锥角， yQ为流量系数， x1为喷口直径， x2为旋流槽角度， x3为旋流室角度。权　利　要　求　书 1/2 页 2 CN 114896739 A 28.根据权利要求1所述的一种基于代理模型的离心式喷嘴结构参数优化方法， 其特征 在于， 步骤S4包括以下子步骤： S41： 设置初始种群和初始种群速度以及迭代次数； S42： 评价新生粒子， 计算适应度值， 得到所述初始种群当前位置的适应值， 初始化个体 极值Pbest， 并将所述个 体极值Pbest中的最优适应度值存 储于全局极值Gbest中； S43： 确定学习因子、 惯性权 重、 适应度函数； S44： 进行粒子速度与位置的更新， 其中， 将粒子适应度值和个体极值Pbest比较， 如果 优于就更新个体极值； 且将每个粒子的适应度值和全局极值Gbest比较， 如果优于就更新全 局极值， 公式为： xi(t+1)＝xi(t)+vi(t+1) 其中， c1、 c2为学习因子， 取[0， 2]上的随机数； ω为惯性权重， r1、 r2为加速度权重系数， 取[0， 1]上的随机数； S45： 根据S31中所述迭代次数判断迭代是否达到终止条件， 当迭代次数达到最大次数， 停止迭代并输出最优解， 若否， 返回步骤S13并重新设置结构参数变量范围。 9.根据权利要求8所述的一种基于代理模型的离心式喷嘴结构参数优化方法， 其特征 在于， 所述 步骤S4使用Matlab仿真模型进行仿真。 10.一种基于代理模型的离心式喷嘴设计方法， 包括如权利要求1 ‑9任一项所述的基于 代理模型 的离心式喷嘴结构参数优化方法， 其特征在于， 代理模型中获得的最优结构参数 可应用于对离心式喷 嘴产品的结构进行修改。权　利　要　求　书 2/2 页 3 CN 114896739 A 3