(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 202211205448.8 (22)申请日 2022.09.30 (71)申请人 北京科技大 学 地址 100083 北京市海淀区学院路3 0号 (72)发明人 刘北英　刘基盛　钱凌云　杨文明　 (74)专利代理 机构 北京市广友专利事务所有限 责任公司 1 1237 专利代理师 张仲波 (51)Int.Cl. G06F 30/17(2020.01) G06F 30/27(2020.01) G06N 3/12(2006.01) G06F 111/06(2020.01) (54)发明名称 基于改进NSGA- Ⅱ算法的径向压气机叶片 多 工况优化方法及装置 (57)摘要 本发明公开了一种基于改进NSGA ‑Ⅱ算法的 径向压气机叶片多工况优化方法及装置， 涉及径 向压气机的气动设计技术领域。 包括： 获取原始 径向压气机的叶片几何构型； 将原始径向压气机 的叶片几何构型输入到构建好的基于改进非支 配排序遗传NSGA ‑Ⅱ算法的优化模型； 基于原始 径向压气机的 叶片几何构型以及基于改进NSGA ‑ Ⅱ算法的优化模 型， 得到原始径向压气机叶片 优 化后的多工况最佳叶片几何构型。 本发明能够改 善多工况优化问题的求解质量， 提高径向压气机 的综合气动性能。 权利要求书3页 说明书14页 附图2页 CN 115481510 A 2022.12.16 CN 115481510 A 1.一种基于改进NSGA ‑Ⅱ算法的径向压气机叶片多工况优化方法， 其特征在于， 所述方 法包括： S1、 获取原 始径向压气机的叶片几何构型； S2、 将所述原始径向压气机的叶片几何构型输入到构建好的基于改进非支配排序遗传 NSGA‑Ⅱ算法的优化模型； S3、 基于所述原始径向压气机的叶片几何构型以及基于改进NS GA‑Ⅱ算法的优化模型， 得到所述原 始径向压气机叶片优化后的多工况最佳叶片几何构型。 2.根据权利要求1所述的方法， 其特征在于， 所述S3 中的基于所述原始径向压气机的叶 片几何构型以及基于改进NSGA ‑Ⅱ算法的优化模型， 得到所述原始径向压气机叶片优化后 的多工况最佳叶片几何构型包括： S31、 采用型面映射参数化方法， 对所述原始径向压气机的叶片几何构型进行参数化表 达， 得到原始叶片吸力面与单位样条曲面的映射模型以及原始叶片压力面与单位样条曲面 的映射模型； S32、 布局得到单位样条曲面的设计顶点参数和单位样条曲面的设计空间参数， 并采用 拉丁超立方抽样方法初始化样本种群Pt； S33、 基于所述原始叶片吸力面与单位样条曲面的映射模型、 原始叶片压力面与单位样 条曲面的映射模型以及样本种群Pt， 得到原始叶片吸力面的变化量以及原始叶片压力面的 变化量； S34、 基于所述原始叶片吸力面的变化量以及原始叶片压力面的变化量， 得到新的叶片 几何构型； S35、 基于所述原始径向压气机的叶片几何构型生成网格模板文件， 根据 所述网格模板 文件对所述新的叶片几何构型进行网格划分， 得到新的径向压气机的叶片网格模型； S36、 对所述新的径向压气机的叶片网格模型进行多工况的定常数值模拟计算， 得到样 本种群Pt中每一个 个体的多工况气动性能参数； S37、 设定多工况下新的径向压气机的叶片几何构型优化流程的目标函数和约束条件， 基于所述目标函数和约束条件对所述样本种群Pt进行遗传算子操作， 得到子代种群Pt*， 进 而得到子代种群Pt*中每一个 个体的多工况气动性能参数； S38、 基于所述样本种群Pt以及子代种群Pt*组成新种群， 并对所述 新种群进行分组； S39、 基于分组后的新种群以及堪培拉Canberra距离算子模型， 生成下一代的父代种群 Pt+1， 转去执行步骤S37， 直到达到预设迭代次数， 输出原始径向压气机叶片优化后的多工况 最佳叶片几何构型。 3.根据权利要求2所述的方法， 其特征在于， 所述S31中的采用型面映射参数化方法， 对 所述原始径向压气 机的叶片几何构型进行参数化表达， 得到原始叶片吸力面与单位样条曲 面的映射模型以及原 始叶片压力面与单位样条曲面的映射模型包括： S311、 基于原始径向压气机的叶片几何构型， 对原始径向压气机的叶片 吸力面的几何 型线和原 始径向压气机的叶片压力面的几何型线 进行单位化； S312、 构建单位映射样条曲面； S313、 根据单位化后的原始叶片 吸力面的几何型线、 单位化后的原始叶片压力面的几 何型线以及单位映射样条曲面， 得到原始叶片吸力面与单位样条曲面的映射模型以及原始权　利　要　求　书 1/3 页 2 CN 115481510 A 2叶片压力面与单位样条曲面的映射模型。 4.根据权利要求2所述的方法， 其特征在于， 所述S33中的基于所述原始叶片 吸力面与 单位样条曲面的映射模型、 原始叶片压力面与单位样条曲面的映射模型以及样本种群Pt， 得到原始叶片吸力面的变化 量以及原 始叶片压力面的变化 量包括： 基于所述原始叶片吸力面与 单位样条曲面的映射模型、 原始叶片压力面与 单位样条曲 面的映射模型以及样本种群Pt， 求解原始叶片吸力面与单位样条曲面的映射模型的非线性 方程组的特征参数以及原始叶片压力面与单位样条曲面的映射模型的非线性方程组的特 征参数， 通过扰动单位样条曲面的设计顶点参数， 进而求出原始叶片吸力面的变化量以及 原始叶片压力面的变化 量。 5.根据权利要求2所述的方法， 其特征在于， 所述S34中的基于所述原始叶片 吸力面的 变化量以及原 始叶片压力面的变化 量， 得到新的叶片几何构型包括： 将所述原始叶片吸力面的变化量以及原始叶片压力面的变化量叠加在原始叶片曲面 上， 得到新的叶片几何构型。 6.根据权利要求2所述的方法， 其特征在于， 所述S37中的遗传算子操作包括选择操作、 交叉操作以及变异操作； 其中， 所述选择操作采用锦标赛选择 方法。 7.根据权利要 求2所述的方法， 其特征在于， 所述S38中的基于 所述样本种群Pt以及子代 种群Pt*组成新种群， 并对所述 新种群进行分组包括： S381、 基于所述样本种群Pt以及子代种群Pt*组成新种群； S382、 基于新种群中个体之间的支配与非支配关系， 对所述新种群进行快速非支配排 序， 得到分层后的种群； S383、 基于淘汰策略将所述分层后的种群进行分组。 8.根据权利 要求2所述的方法， 其特征在于， 所述S39中的Canberra距离算子模型， 如 下 式(1)所示： 其中， xi和yi分别是两个不同的种群 个体， n为设计变量的数量。 9.一种基于改进NSGA ‑Ⅱ算法的径向压气机叶片多工况优化装置， 其特征在于， 所述装 置包括： 获取模块， 用于获取原 始径向压气机的叶片几何构型； 输入模块， 用于将所述原始径向压气机的叶片几何构型输入到构建好的基于改进非支 配排序遗传NSGA ‑Ⅱ算法的优化模型； 输出模块， 用于基于所述原始径向压气机的叶片几何构型以及基于改进NSGA ‑Ⅱ算法 的优化模型， 得到所述原 始径向压气机叶片优化后的多工况最佳叶片几何构型。 10.根据权利要求9所述的装置， 其特 征在于， 输出模块， 进一 步用于： S31、 采用型面映射参数化方法， 对所述原始径向压气机的叶片几何构型进行参数化表 达， 得到原始叶片吸力面与单位样条曲面的映射模型以及原始叶片压力面与单位样条曲面 的映射模型； S32、 布局得到单位样条曲面的设计顶点参数和单位样条曲面的设计空间参数， 并采用权　利　要　求　书 2/3 页 3 CN 115481510 A 3