【壓縮機網(wǎng)】近日，西安交通大學(xué)席光教授課題組成功將人工智能三維圖像識別技術(shù)應用于離心壓縮機的優(yōu)化工作中，并與沈陽(yáng)鼓風(fēng)機集團股份有限公司合作完成了國際上首個(gè)完全三維離心葉輪的優(yōu)化設計及試驗驗證工作。該全三維葉輪造型包括了自由曲面主葉片、非一致分流葉片以及非軸對稱(chēng)輪盤(pán)面，在人工智能技術(shù)的支持下，優(yōu)化總控制參數的數量高達114個(gè)，實(shí)現了對離心葉輪流道氣動(dòng)型面更加全面地精細化控制。經(jīng)試驗驗證，相較于原型葉輪，在設計轉速下最高效率提升達3%以上，驗證了新發(fā)展的優(yōu)化設計方法具有重要的工程應用價(jià)值。

　　

　　三維模型圖

　　

　　實(shí)驗裝置圖

　　離心壓縮機廣泛應用于石油化工、航空發(fā)動(dòng)機、渦輪增壓器等眾多領(lǐng)域，對于提高其節能及安全運行水平一直是流體機械裝備研究的熱點(diǎn)問(wèn)題。近年來(lái)，隨著(zhù)計算機技術(shù)、信息技術(shù)以及計算流體力學(xué)的快速發(fā)展，基于人工神經(jīng)網(wǎng)絡(luò )、遺傳算法等代理模型的離心壓縮機優(yōu)化設計理論與方法得到了快速發(fā)展并在工程中應用。但是，目前普遍采用的優(yōu)化理論及算法，將復雜的物理流動(dòng)現象視為黑箱，對優(yōu)化的控制變量與氣動(dòng)宏觀(guān)性能進(jìn)行單一的關(guān)聯(lián)，模型的預測精度過(guò)度依賴(lài)樣本的數量且無(wú)法預測葉輪完整的全工況性能曲線(xiàn)，當這類(lèi)方法處理優(yōu)化變量數量超過(guò)40個(gè)以上后，優(yōu)化的效能與作用大大下降。

　　席光教授課題組根據離心壓縮機內部流場(chǎng)具有非結構化、高度復雜、數據量巨大的特征，提出了采用基于點(diǎn)云識別的三維視覺(jué)理論框架體系進(jìn)行流場(chǎng)數據的識別與處理。在新發(fā)展的優(yōu)化設計系統中，應用計算機3D視覺(jué)領(lǐng)域的成果RandLA-Net構建了流場(chǎng)信息編碼器RandLA-encoder，該方法采用隨機采樣（Random Samples,RS）結合擴張殘差模塊（DRB）提取點(diǎn)云中數據的信息，數據處理能力提升了2個(gè)數量級，使幾十萬(wàn)點(diǎn)規模的點(diǎn)云學(xué)習成為可能，也為構建全三維、全工況、多參數、多目標的壓縮機氣動(dòng)優(yōu)化方法奠定了理論與技術(shù)基礎。

　　課題組基于RandLA-encoder的ANN子模型訓練框架建立的離心葉輪全三維優(yōu)化平臺，實(shí)現了包含自由曲面葉片、非一致分流葉片和非軸對稱(chēng)輪盤(pán)面的全三維離心葉輪自動(dòng)化優(yōu)化方案，總控制參數可達127個(gè)，理論成果已在美國機械工程師會(huì )刊《Journal of Turbomachinery》,2022年第9期發(fā)表，西安交大博士研究生姬成為第一作者，王志恒副教授為第二作者，席光教授為聯(lián)系作者。

　　

　　不同葉高處馬赫數云圖

　　

　　試驗性能對比

　　本次優(yōu)化設計及實(shí)驗驗證工作是對人工智能輔助支持的離心葉輪全三維優(yōu)化方法的初次驗證，試驗件的加工由沈鼓完成，試驗測試在西安交大-沈鼓研究院800kW試驗臺上進(jìn)行。優(yōu)化所使用的原型葉輪是經(jīng)過(guò)試驗驗證的大流量系數高性能離心壓氣機模型級，包括進(jìn)出口管路、葉輪、無(wú)葉擴壓器及蝸殼，原型葉輪在設計轉速下壓縮機整機級效率可達83%。在對離心葉輪進(jìn)行全三維優(yōu)化后，在保持壓比不低于原型級的情況下，設計轉速下的最高級效率提升至86%。這一結果充分表明了基于人工智能輔助的全三維設計優(yōu)化體系的優(yōu)越性以及潛在價(jià)值。

　　本次的研究工作也是國際上首次系統地完成具有全三維造型的離心葉輪的氣動(dòng)設計優(yōu)化及試驗驗證工作，表明我國的研究團隊已經(jīng)有能力將更加靈活、魯棒及上限更高的優(yōu)化方法應用于工程實(shí)際，提高各種設計條件下產(chǎn)品的國際競爭力。