摘要 | 第5-7页 |
ABSTRACT | 第7-8页 |
符号表 | 第9-13页 |
第1章 绪论 | 第13-21页 |
1.1 研究目的及意义 | 第13-14页 |
1.2 国内外研究现状及展望 | 第14-18页 |
1.2.1 叶轮机械优化设计研究现状 | 第14-16页 |
1.2.2 基于边界涡量动力学理论的叶轮机械内流研究现状 | 第16-18页 |
1.3 本文的研究目标及内容 | 第18-21页 |
1.3.1 本文的研究目标 | 第18-19页 |
1.3.2 本文的研究内容 | 第19页 |
1.3.3 本文解决的主要问题 | 第19-21页 |
第2章 BVF分布和离心泵内流场及外特性的关系 | 第21-36页 |
2.1 边界涡量动力学理论 | 第21-23页 |
2.1.1 边界涡量流的概念 | 第21-22页 |
2.1.2 流动分离的判定 | 第22-23页 |
2.2 离心泵叶轮内流计算 | 第23-28页 |
2.2.1 几何参数 | 第23-24页 |
2.2.2 计算区域及网格划分 | 第24-25页 |
2.2.3 控制方程 | 第25页 |
2.2.4 湍流模型 | 第25-26页 |
2.2.5 计算方法及边界条件 | 第26-27页 |
2.2.6 结果验证 | 第27-28页 |
2.3 BVF分布和离心泵内流场的关系 | 第28-33页 |
2.3.1 原始叶轮的BVF分布 | 第28-29页 |
2.3.2 原始叶轮的(τ,σ)曲线和(τ,ω)曲线 | 第29-30页 |
2.3.3 优化方案的提出 | 第30-31页 |
2.3.4 优化叶轮的BVF分布 | 第31-32页 |
2.3.5 优化叶轮的(τ,σ)和(τ,ω)曲线 | 第32-33页 |
2.4 BVF分布和离心泵外特性的关系 | 第33-34页 |
2.5 本章小结 | 第34-36页 |
第3章 基于人工神经网络的BVF预测模型的建立 | 第36-53页 |
3.1 离心泵几何参数 | 第36-37页 |
3.2 设计变量和取值范围 | 第37-38页 |
3.2.1 变量筛选 | 第37-38页 |
3.2.2 取值范围 | 第38页 |
3.3 内流参数的确定 | 第38页 |
3.4 均匀试验设计 | 第38-40页 |
3.5 叶轮数据库的建立 | 第40-43页 |
3.5.1 数据归一化 | 第40-41页 |
3.5.2 叶轮数据库 | 第41-43页 |
3.6 人工神经网络 | 第43-46页 |
3.6.1 人工神经网络的概念 | 第43-44页 |
3.6.2 人工神经网络常见模型及功能 | 第44-46页 |
3.6.3 BP网络和RBF网络对比 | 第46页 |
3.7 BVF预测模型的建立 | 第46-51页 |
3.7.1 基于BP网络建模 | 第47-49页 |
3.7.2 基于RBF网络建模 | 第49-51页 |
3.8 本章小结 | 第51-53页 |
第4章 GA和PSO算法在离心泵叶轮水力优化中的应用比较 | 第53-63页 |
4.1 遗传算法(GA) | 第53-54页 |
4.2 粒子群算法(PSO) | 第54-55页 |
4.3 离心泵叶轮单目标优化问题的数学模型 | 第55页 |
4.4 离心泵叶轮单目标问题的优化策略 | 第55-56页 |
4.5 GA优化结果及分析 | 第56-59页 |
4.6 PSO优化结果及分析 | 第59-62页 |
4.7 本章小结 | 第62-63页 |
第5章 基于边界涡量动力学理论的离心泵叶轮多目标优化 | 第63-71页 |
5.1 多目标优化问题及Pareto解 | 第63-64页 |
5.2 离心泵叶轮多目标优化问题的数学模型 | 第64-65页 |
5.3 离心泵叶轮多目标问题的优化策略 | 第65页 |
5.4 优化结果及分析 | 第65-70页 |
5.4.1 Pareto前沿解 | 第65-66页 |
5.4.2 多目标优化结果及分析 | 第66-69页 |
5.4.3 优化结果的对比分析 | 第69-70页 |
5.5 本章小结 | 第70-71页 |
第6章 工作总结与展望 | 第71-74页 |
6.1 工作总结 | 第71-72页 |
6.2 工作展望 | 第72-74页 |
参考文献 | 第74-80页 |
致谢 | 第80-81页 |
攻读硕士学位期间取得的相关研究成果 | 第81-82页 |
附录A | 第82-84页 |
附录B | 第84-85页 |