基于BP神经网络和PSO算法的射流泵结构优化

摘要：

为了提高水力射流泵的效率值,采用拉丁超立方试验设计方法对水力射流泵的喷嘴直径、喉管直径、喉嘴距、喉管长度和扩散管角度5个几何变量进行30组叶轮方案设计,应用ANSYS软件对水力射流泵进行数值模拟,得到设计工况下的水力射流泵效率,然后应用BP近似模型建立水力射流泵的5个几何变量与效率之间的近似建模,最后再通过粒子群算法(PSO)对近似建模结果进行极值寻优,以得到最优的水力射流泵参数组合.研究结果表明:BP近似模型能够较好地预测泵效率与设计数据之间的关联,优化后预测值与数值模拟间的误差为0.02个百分点;优化后的模型相对于原有模型,效率增加了8.17个百分点;相对于原始水力射流泵,优化后改善了水力射流泵内的流场特性,减弱了流场中的涡效应.

关键词：BP神经网络、粒子群优化算法、结构参数优化、射流泵效率

所属期刊栏目：22

分类号：TP183;TE353;TH16

在线出版日期：2023-04-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：40-42