基于BPNN-GA的泵站前池整流底坎参数优化

摘要：

为了减少泵站进水结构内的不良流态,提高泵组运行效率,该研究基于计算流体动力学以及BPNN-GA(back propagation neural network-genetic algorithm)算法对泵站前池内底坎的结构设计参数进行优化.为便于计算遗传算法的适应度,在轴向流速分布均匀度和速度加权平均角基础上提出了前池水流流态的综合评价指标F.以综合评价指标F为目标参量,通过遗传算法优化训练好的BPNN模型,得出最优底坎结构设计参数,并同正交试验设计的最优方案的数值模拟结构对比分析.研究结果表明,在 1、2、4号水泵机组运行情况下,相比于正交试验设计的最优方案泵站前池水流流态,1号水泵进水流道的轴向流速分布均匀度提高了 16.58个百分点,速度加权平均角增加了 4.66°;2号水泵进水流道的轴向流速分布均匀度提高了 0.49个百分点,速度加权平均角下降了 2.81°;4号水泵进水流道的轴向流速分布均匀度提高了 8个百分点,速度加权平均角增加了 7.81°,综合评价指标F为 1.16,表明前池流态得到较大幅度的提高.基于BPNN-GA算法对泵站前池整流底坎参数进行优化,克服传统方法陷入局部最优的缺陷,可在满足设计要求的范围内选出当轴向流速分布均匀度和速度加权平均角最优时的底坎设计参数,为计算智能在泵站优化水力设计方面提供参考.

关键词：泵站、数值模拟、正向进水前池、整流底坎、BP神经网络、遗传算法

所属期刊栏目：39

分类号：TV675(水利枢纽、水工建筑物)

资助基金：国家自然科学基金52209109

在线出版日期：2023-11-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：106-113