基于神经网络与遗传算法的混输泵叶片水力优化
研究了一种基于神经网络与遗传算法相结合的混输泵叶片优化设计新方法，通过B样条曲面对混输泵叶轮叶片进行拟合对叶片型线进行参数化。利用BP神经网络的高度非线性拟合能力，建立混输泵叶片表面参数与混输泵性能参数间的非线性关系。将训练好的神经网络作为遗传算法的适应度值函数，利用遗传算法的全局寻优能力对混输泵进行优化。对遗传算法的输出的优化值进行建模，利用FLUENT软件对优化后模型进行数值模拟，优化结果表面混输泵的性能有所提高，进一步验证了该方法的可行性。
油气混输泵 神经网络 遗传算法 性能优化
李新凯 马希金 胡忠辉
兰州理工大学 能源与动力工程学院 兰州 730050
国内会议
兰州
中文
191-196
2011-09-18（万方平台首次上网日期，不代表论文的发表时间）