● 摘要
作为发动机的核心部件，压气机/涡轮的性能设计要求日益提高，不断发展的科学高效的设计方法和设计工具是满足日益苛刻的设计要求的重要前提。随着计算机技术的飞速发展和计算方法的日臻成熟，以粘性气动数值模拟为重要分析环节的设计技术在叶轮机械的设计过程中扮演者越来越重要的角色，而气动数值优化设计作为一个越来越活跃的研究领域更是对发动机气动性能的改善发挥着日益关键的作用。本文主要围绕压气机叶片/叶型气动优化设计开展了数值优化算法寻优程序的发展、叶片/叶型几何参数化控制程序的发展，以及气动数值优化设计软件体系的发展和集成，并将其应用于压气机叶型/叶片的优化设计研究。遗传算法（Genetic Algorithms, GA）是模拟生物在自然环境中的遗传选择和自然淘汰的进化过程而形成的一种全局优化概率搜索算法。本文发展出混合遗传寻优策略（Hybrid Genetic Algorithm, HGA），在遗传算法中引入模拟退火算法和复合形法分别构成了紧密式混合遗传算法和松散式混合遗传算法。对HGA程序进行了多个典型函数验证，从优化结果显示出引入复合形法构成的松散式混合遗传算法具有很好的全局寻优能力和良好的优化效率。基于HGA进行了压气机叶型单目标气动优化设计，相比初始叶栅优化叶栅显著降低了总压损失系数，并显示出该寻优算法良好的性能。叶轮机械设计本质上应该是多目标优化设计问题。不仅要追求高绝热效率，也要追求高压比等其他气动性能指标；不仅要保证设计点的性能，也要保证非设计点的性能，使其能够在较宽的流量范围内都具有良好的气动性能。单个目标参数或单个优化点的优化设计无法保证其他性能参数和其他工作点的气动性能，所以实施多目标优化设计研究具有重要的工程应用价值。多目标优化问题中各个子目标之间往往是相互矛盾的，无法协同一致的达到统一的最佳设计状态，所以其最优解不是单一的而是一个集合。设计者需要从最优解集中协调平衡各个设计目标，最终确定最佳的设计方案。为了实现多目标优化设计，本文在混合遗传算法的基础上引入排序选择、共享小生境和Pareto解集优选等技术，发展出多目标遗传算法。基于多目标遗传算法开展了压气机叶栅单点多参数和多点气动优化设计研究，优化结果显示本文发展的多目标优化算法程序具有良好的可靠性，能够有效的实现压气机叶片/叶型的多目标优化设计。气动优化设计体系不仅要保证各个软件模块能够良好的发挥其功能，还要实现系统进程的自动化和集成化。本论文结合多目标混合遗传算法（HGA）、均匀试验设计（Uniform Design of Experiment, UDOE）、神经网络响应面（Response Surface Model, RSM）、叶片/叶型参数化定义、网格生成以及流场评估模块，构建出一个用于压气机叶片/叶型气动数值优化设计的软件平台（Aerodynamic Design Optimization Platform, ADOP）。ADOP的建立能够有效的应用于压气机叶片/叶型工程优化设计，提高设计效率，降低设计成本，有利于获得更优异的设计结果。将ADOP应用于ATS-2静子叶片的优化设计，仅针对静子积叠线的优化改善了整级的气动性能。论文最后一章对高负荷低速轴流风扇（TA36）进行了改型设计（TA36A）和基于转子叶型的优化设计（TA36B），并进行了多功能风扇实验台的结构设计和实验台的建设。对TA36B进行了气动性能测试，并将试验与三维数值计算气动特性进行了对比分析，结果显示本文优化设计的TA36B在100%转速稳定工作裕度达到了18.84%，设计点气动效率达到了89.42%，各转速特性都达到甚至超过了数值计算结果。