(19)中华 人民共和国 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 202111290871.8 (22)申请日 2021.11.02 (71)申请人 西安交通大 学 地址 710049 陕西省西安市咸宁西路28号 (72)发明人 陈磊　王一帆　张天翼　 (74)专利代理 机构 西安通大专利代理有限责任 公司 6120 0 代理人 张宇鸽 (51)Int.Cl. G06F 30/27(2020.01) G06F 30/28(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06N 3/12(2006.01) G06F 113/08(2020.01)G06F 119/14(2020.01) (54)发明名称 一种高压燃油过滤器及其仿真设计优化方 法 (57)摘要 本发明公开了一种高压燃油过滤器及其仿 真设计优化方法， 方法具体包括： 将过滤孔的尺 寸、 分布方式及数量作为优化变量， 将过滤效果 及流动压降作为优化指标， 采用计算流体力学方 法对周期性过滤单元内连续相和外掺颗粒两相 运动进行了流体动力学仿真计算， 利用人工神经 网络预测优化函数， 建立多目标优化模型， 采用 NSGA‑Ⅱ多目标遗传算法对多目标进行优化， 获 得Pareto前沿解集。 最后选取优化解， 优化解参 数包括滤孔的尺寸、 分布方式及数量， 将这些参 数作为过滤器 设计参数， 完成新型高压燃油过滤 器的制造。 这种设计优化方法可以有效地提高过 滤器的过滤效率， 同时保证过滤器进出口压降损 失较小， 提高了过滤器的性能。 权利要求书2页 说明书11页 附图4页 CN 113987947 A 2022.01.28 CN 113987947 A 1.一种高压 燃油过滤器的仿真 设计优化方法， 其特 征在于， 以下几个步骤： S100， 定义过 滤器的优化变量： 滤孔分布区域x1、 过滤孔数量x2和过滤孔的孔径x3； S200， 对过滤器模型进行周期化单元划分， 将一个环形的周期性的过滤单元计算域作 为滤元， 对周期性滤 元计算域进行网格划分， 得到滤 元模型； S300， 根据过 滤器的优化变量的范围， 确定计算 域边界条件； S400， 采用抽样方法选取变量滤孔分布区域x1和过滤孔数量x2的组合样本点， 并分别与 符合工业实际参数的孔径x3进行组合， 建立仿真实验 模型； S500， 根据实验数据采用Rosin ‑Rammler分布函数拟合过滤器入口处进入的颗粒粒径 分布； S600， 根据S300得到的计算域边界条件和S500得到颗粒粒径分布， 将S200建立的滤元 模型作为计算域， 采用欧拉 ‑拉格朗日方法进行流体动力学仿 真， 计算样本数量与S400所建 立的仿真实验模型一致， 将得到的仿真计算的过滤器压降因子P、 颗粒滤出因子f作为优化 目标； S700， 采用BP人工神经网络模型对样本仿真结果数据集的学习， 建立输入变量滤孔分 布区域x1、 过滤孔数量x2、 孔径x3与输出变量过滤器压降因子P、 颗粒滤出因子f的非线性预 测模型； S800， 采用带有精英策略的非支配排序遗传算法寻找非线性预测模型的全局最优解， 通过遗传变异保证全局搜索过程中种群多样性和种群水平的提升， 最终得到帕累托前沿解 集； S900， 在帕累托前沿解集中选取最优值， 综合考量流动压降和过滤效率两个指标的重 要性， 将最优值取在曲线的拐点处， 得到此点处的优化变量滤孔分布区域x1、 过滤孔数量x2 以及孔径x3的数值， 最终高压 燃油过滤器的设计参数。 2.如权利要求1所述的高压燃油过滤器的仿真设计优化方法， 其特征在于， S100中， 滤 孔分布区域x1根据雷诺数的大小分为高雷诺数区域和低雷诺数区域， 其中雷诺数大于 20000为高雷诺数区域(101)， 小于20 000为低雷诺数区域(102)。 3.如权利要求1所述的高压燃油过滤器的仿真设计优化方法， 其特征在于， S200中， 将 整个过滤器进行周期化单元划分， 简化为过滤器内表面附近的滤元模型进行仿真计算； 其 中包括压力入口(201)、 过滤器内部(207)的质量流量出口(202)、 过滤器外部(206)的质量 流量出口(203)和旋转周期性边界条件， 滤元所对应的圆心角(209)为12 °， 掺杂金属颗粒的 高压燃油在过滤器内部由压力入口(201)流入计算流域， 经具有壁厚的过滤孔(208)过滤 后， 液相燃油以及未被过滤掉的杂质颗粒到达过滤器外部(206)， 在出口处(203)流出； 被过 滤掉的杂质颗粒随剩余的液相燃油由出口(20 3)流入下一个滤 元。 4.如权利要求1所述的高压燃油过滤器的仿真设计优化方法， 其特征在于， S300中， 滤 器内壁面处的流场速度在轴向方向变化较大， 所以单个过滤孔所在的位置决定过滤器内近 壁面处的轴向流量， 即过滤器内部出口(202)的质量流量， 根据内部出口(202)质量流量的 大小， 将单个过滤孔所在的位置依据流速划分为低雷诺数区域(102)和高雷诺数区域 (101)， 流经过滤器总 流量确定， 并且每个过滤孔流量基本相同， 所以过滤孔的数量可以决 定单个过 滤孔流量的大小， 即过 滤器外部出口(20 3)质量流量的大小。 5.如权利要求1所述的高压燃油过滤器的仿真设计优化方法， 其特征在于， 所述步骤权　利　要　求　书 1/2 页 2 CN 113987947 A 2S600中， 采用欧拉 ‑拉格朗日方法进行液固两相流计算， 具体方法为将液相流体作为连续 相， 将固相 颗粒作为离散相， 结合连续相的控制方程、 流体的应力 ‑应变张量以及每个流体 网格中粒子作用于网格的平均力， 得到流体压力和流速的分布； 离散相模型采用拉格朗日方法进行颗粒示踪， 将颗粒以质量点的方式进行近似， 根据 离散相控制方程， 考虑连续相和离散型两相间的相互作用求解颗粒分布， 通过两相交替迭 代计算， 同时采用球形固体颗粒曳力控制方程 求解出曳力系数Cd： 其中a1、 a2和a3可近似为常数。 6.如权利要求1所述的高压燃油过滤器的仿真设计优化方法， 其特征在于， 所述步骤 S600中， 过滤器压降因子P、 颗粒滤出因子f分别由过滤器进出口压降ΔP和颗粒滤出率fh归 一化处理后得到， 同时优化变量x1、 x2和x3需要进行归一 化处理， 归一化处理公式为： 式中， 表示原始变量， Actu al是原始值， Min是最小数据值， Max是最大数据值， High是 最大归一 化数据值 为0.9， low是最小化归一 化数据值 为0.1； 颗粒滤出率fh为： 其中， α0为进入滤 元的颗粒总数， α1为从出口Γ3流出的颗粒 数目。 7.如权利要求1所述的高压燃油过滤器的仿真设计优化方法， 其特征在于， 所述步骤 S700中， 采用误差反向传播算法作为神经网络的训练方法， 对高压过滤器的压降和过滤特 性进行了预测， 该预测模型具有2层隐藏层， 神经元之间全连接， 隐藏层神经网络的激活函 数为sigmoid函数， 采用2 ×5×5×2的神经网络拓扑结构， 使用平均绝对误差作为神经网络 的损失函数， 使用随机梯度下降优化器， 动量因子设置为0.9， 学习率设置为0.0 5。 8.如权利要求1所述的高压燃油过滤器的仿真设计优化方法， 其特征在于， 所述步骤 S800中， 设置选择优化算法中的参数为： 算子二元锦标赛， 种群规模为100个， 最大迭代代数 为200代， 交叉算子为模拟二进制交叉， 交叉概率为0.8， 变异算子为多项式变异,变异概率 为0.1。 9.如权利要求1所述的高压燃油过滤器的仿真设计优化方法， 其特征在于， 所述步骤 S800中， 具体流程为： 创建初始父代总体Q0， 进行快速非支配排序得到所有不同等级的非支 配解集Z1、 Z2、 Z3…； 根据适应度得到前N个 解P0， 由P0和Q0组成新的种群R0； 新的父代群体 Q1通 过R0的交叉与变异得到； 重复以上步骤直到迭代结束。 10.基于权利要求1 ‑9任一项所述仿真设计优化方法得到的高压燃油过滤器， 其特征在 于， 过滤器参数分别为 为高速区， 为27000， 为35 μm； 为低速区， 为27000， 为 30 μm； 在过滤器低流速区域采用直径30 μm过滤孔， 在过滤器高流速区域采用35 μm过滤孔， 过 滤孔总数量 为27000。权　利　要　求　书 2/2 页 3 CN 113987947 A 3