辅助变流柜用风机的智能优化方法专利检索-奇数场图形技术专利检索查询-专利查询网

辅助变流柜用 风机的智能优化方法

阅读：774发布：2020-05-08

专利汇可以提供辅助变流柜用风机的智能优化方法专利检索，专利查询，专利分析的服务。并且本发明涉及一种辅助变流柜用风机的智能优化方法，包括步骤：S1，建立原始风机与变流柜柜体的几何物理初始模型；S2，根据几何物理初始模型，选定优化方案；S3，根据选定的优化方案，进行参数化建模；S4，对建模中的参数进行正交试验；S5，建立风机振动噪声性能的综合评估模型；S6，构造神经网络，解析参数与振动噪声性能的对应关系；S7，引入粒子群智能算法，在神经网络中确定最优的优化方案；S8，对最优的优化方案进行模拟仿真验证。本发明不仅能得出辅助变流柜风机的最佳优化方案，最大程度的降低散热风机的气动噪声，还能解析出各种优化方案中各个几何参数与流场、声场乃至产品性能的内在联系，有利于产品的初期设计与其他形式的技术改造。，下面是辅助变流柜用风机的智能优化方法专利的具体信息内容。

权利要求

1.一种辅助变流柜用风机的智能优化方法，其特征在于，包括以下步骤：
S1，建立原始风机与变流柜柜体的几何物理初始模型；
S2，根据几何物理初始模型，选定优化方案；
S3，根据选定的优化方案，进行参数化建模；
S4，对建模中的参数进行正交试验；
S5，建立风机振动噪声性能的综合评估模型；
S6，构造神经网络，解析参数与振动噪声性能的对应关系；
S7，引入粒子群智能算法，在神经网络中确定最优的优化方案；
S8，对最优的优化方案进行模拟仿真验证。
2.根据权利要求1所述的辅助变流柜用风机的智能优化方法，其特征在于，所述步骤S1中还包括，对几何物理初始模型进行仿真计算，通过现场试验数据校正几何物理初始模型。
3.根据权利要求1所述的辅助变流柜用风机的智能优化方法，其特征在于，所述步骤S2中，优化方案包括三种：安装共振腔，安装整流滤网，改变风机叶片分布方式。
4.根据权利要求3所述的辅助变流柜用风机的智能优化方法，其特征在于，共振腔呈管状且与变流柜的柜体壁呈夹角设置，共振腔的一端固定在变流柜的柜体壁上，另一端延伸至风机边缘处，共振腔设有两个且沿风机转动方向在风机的周向上均匀分布。
5.根据权利要求3所述的辅助变流柜用风机的智能优化方法，其特征在于，整流滤网设置在风机的轴向方向上。
6.根据权利要求3所述的辅助变流柜用风机的智能优化方法，其特征在于，风机叶片的数量为奇数个。
7.根据权利要求3所述的辅助变流柜用风机的智能优化方法，其特征在于，所述步骤S3中参数化建模为：定义共振腔的腔管长为l，腔半径为r；用整流滤网的半径R，整流滤网距风机的距离d定义整流结构；用叶片数λ定义叶片分布方式。
8.根据权利要求1所述的辅助变流柜用风机的智能优化方法，其特征在于，所述步骤S4中，对步骤S3中的每种参数各定义多个量级，分别进行仿真计算，并根据仿真计算结果建立数据库。
9.根据权利要求1所述的辅助变流柜用风机的智能优化方法，其特征在于，所述步骤S5中，根据不同模型下的流场特征与声场特征构建目标函数，对风机的性能进行准确评估，目标函数如下式所示：
式中，第一项是能量损失惩罚函数，第二项表征流场的紊乱程度，第
三项是声功率级惩罚函数，第四项是平均声压级惩罚函数；
其中，e表示进出口能量损失，ε表示流场中十个典型测点的涡量平均值，v表示流场中十个典型测点的速度平均值，X表示声功率级，x表示进出口测点的平均声压级，下标0则代表原始模型对应的指标量；w1,w2,w3,w4分别表示四项惩罚函数的权重。
10.根据权利要求1所述的辅助变流柜用风机的智能优化方法，其特征在于，步骤S8中，若神经网络中得出的解与仿真结果之间误差大于预设误差值，则重复执行步骤S6和S7，直至误差小于预设误差值时，则认为构造的神经网络准确。

说明书全文

辅助变流柜用风机的智能优化方法

技术领域

[0001] 本发明属于风机领域，具体涉及一种辅助变流柜用风机的智能优化方法。

背景技术

[0002] 在轨道交通领域内，噪声指标不仅仅关系到机车的稳定性与可靠性，还与乘客的舒适度密切相关。离心风机为辅助变流柜内部的高速旋转部件，在机柜运行过程中，常常可以观测到明显噪声现象，而风机风道的气动噪声作为主要噪声源，一直是降噪技改的重点研究方向。

[0003] 传统的优化改进方法通常是通过工程实际与现场经验先提出几种合理的优化方案，然后通过仿真或实验的方式加以验证。这种取点试验的方式既没有得到几何模型与噪声指标之间对应关系，也很难得到最佳的优化方案。

[0004] 因此，需要一种能够得到几何模型与噪声指标之间对应关系，并能得到最佳优化方案的优化方法。

发明内容

[0005] 为了解决上述问题，本发明提供了一种辅助变流柜用风机的智能优化方法，该方法能综合考虑各种优化手段，并且能在最大限度的降低风机运行时带来的气动噪声的同时，改善风机流场的分布特性。

[0006] 为实现上述目的，本发明提供了一种辅助变流柜用风机的智能优化方法，包括以下步骤：

[0007] S1，建立原始风机与变流柜柜体的几何物理初始模型；

[0008] S2，根据几何物理初始模型，选定优化方案；

[0009] S3，根据选定的优化方案，进行参数化建模；

[0010] S4，对建模中的参数进行正交试验；

[0011] S5，建立风机振动噪声性能的综合评估模型；

[0012] S6，构造神经网络，解析参数与振动噪声性能的对应关系；

[0013] S7，引入粒子群智能算法，在神经网络中确定最优的优化方案；

[0014] S8，对最优的优化方案进行模拟仿真验证。

[0015] 在一个实施例中，所述步骤S1中还包括，对几何物理初始模型进行仿真计算，通过现场试验数据校正几何物理初始模型。

[0016] 在一个实施例中，所述步骤S2中，优化方案包括三种：安装共振腔，安装整流滤网，改变风机叶片分布方式。

[0017] 在一个实施例中，共振腔呈管状且与变流柜的柜体壁呈夹角设置，共振腔的一端固定在变流柜的柜体壁上，另一端延伸至风机边缘处，共振腔设有两个且沿风机转动方向在风机的周向上均匀分布。

[0018] 在一个实施例中，整流滤网设置在风机的轴向方向上。

[0019] 在一个实施例中，风机叶片的数量为奇数个。

[0020] 在一个实施例中，所述步骤S3中参数化建模为：定义共振腔的腔管长为l，腔半径为r；用整流滤网的半径R，整流滤网距风机的距离d定义整流结构；用叶片数λ定义叶片分布方式。

[0021] 在一个实施例中，所述步骤S4中，对步骤S3中的每种参数各定义多个量级，分别进行仿真计算，并根据仿真计算结果建立数据库。

[0022] 在一个实施例中，所述步骤S5中，根据不同模型下的流场特征与声场特征构建目标函数，对风机的性能进行准确评估，目标函数如下式所示：

[0023]

[0024] 式中，第一项是能量损失惩罚函数，第二项表征流场的紊乱程度，第三项是声功率级惩罚函数，第四项是平均声压级惩罚函数；

[0025] 其中，e表示进出口能量损失，ε表示流场中十个典型测点的涡量平均值，v表示流场中十个典型测点的速度平均值，X表示声功率级，x表示进出口测点的平均声压级，下标0则代表原始模型对应的指标量；w1,w2,w3,w4分别表示四项惩罚函数的权重。

[0026] 在一个实施例中，步骤S8中，若神经网络中得出的解与仿真结果之间误差大于预设误差值，则重复执行步骤S6和S7，直至误差小于预设误差值时，则认为构造的神经网络准确。

[0027] 与现有技术相比，本发明的优点在于：本发明摒弃了传统的设想方案再验证方案的试验性优化方法，而是利用神经网络的强大拟合能力与泛化能力，解析出几何物理模型的参数与流场、声场和噪声指标之间的内在联系，基于神经网络在所有方案中精确智能的寻找到最佳的方案。附图说明

[0028] 在下文中将基于实施例并参考附图来对本发明进行更详细的描述。其中：

[0029] 图1为本发明辅助变流柜用风机的智能优化方法的流程图；

[0030] 图2为本发明共振腔的结构示意图；

[0031] 图3和图4分别为未设有整流滤网和具有整流滤网的风机对比图；

[0032] 图5和图6分别为偶数个叶片和奇数个叶片的风机对比图。

[0033] 在附图中相同的部件使用相同的附图标记。附图并未按照实际的比例绘制。

具体实施方式

[0034] 下面将结合附图对本发明作进一步说明。借此对本发明如何应用技术手段解决技术问题，并达成技术效果的实现过程能充分理解并据以实施。需要说明的是，只要不存在冲突，各个实施例中所提到的各项技术特征均可以任意方式组合起来。本发明并不局限于文中公开的特定实施例，而是包括落入权利要求的范围内的所有技术方案。

[0035] 本发明提供了一种辅助变流柜用风机的智能优化方法，如图1所示，包括以下步骤：

[0036] S1，建立原始风机与变流柜柜体的几何物理初始模型；

[0037] S2，根据几何物理初始模型，选定优化方案；

[0038] S3，根据选定的优化方案，进行参数化建模；

[0039] S4，对建模中的参数进行正交试验；

[0040] S5，建立风机振动噪声性能的综合评估模型；

[0041] S6，构造神经网络，解析参数与振动噪声性能的对应关系；

[0042] S7，引入粒子群智能算法，在神经网络中确定最优的优化方案；

[0043] S8，对最优的优化方案进行模拟仿真验证。

[0044] 进一步地，步骤S1中，几何物理初始模型根据设计图纸建立，另外，步骤S1在几何物理初步模型建立后，还需要对几何物理初始模型进行仿真计算，通过现场试验数据校正几何物理初始模型。

[0045] 进一步地，步骤S2中，常用的优化方案包括：增减叶片数、改变叶片形状、优化流道来降低阻力、流道内部布置吸声材料、出风口布置百叶窗、针对主要噪声频段设置共振腔等。优选地，本发明的实施例中，优化方案包括三种：安装共振腔，安装整流滤网，改变风机叶片分布方式。

[0046] 具体地，如图2所示，共振腔呈管状且设有两个，共振腔与变流柜的柜体壁呈夹角设置，优选地，共振腔的一端固定在变流柜的柜体壁上，即共振腔的一端由变流柜的柜体壁封闭，另一端延伸至风机边缘处，即另一端为具有开口的自由端，两个共振腔沿风机转动方向在风机的周向上均匀分布；具体地，其中一个共振腔的开口方向与重力方向呈钝角，另一个共振腔的开口方向与重力方向呈锐角，且两个角互补。

[0047] 本发明针对出口处的的噪声特征，设计一对管状共振腔，使其能够吸收其设计频率对应的声能量，起到起到抗性消声器的作用，能明显降低进出口处的噪声振动。

[0048] 具体地，如图4所示，整流滤网设置在风机的轴向方向上。优选地，整流滤网可以直接设置在风机上，也可以在轴向与风机设有一定的距离。风机的近场区域流动特性直接影响风机噪声大小，整流滤网对进入风机的不规则旋涡气流起到整流作用，削弱风扇内部由于进口区旋衍生的大尺度涡，降低风机噪声并抑制其传播。

[0049] 具体地，如图5所示，原始设计中，叶片数为偶数，分布在同一条直线上，且形状对称，振动能量会互相传递影响，易发生共振。而如图6所示，将风机叶片的数量更改为奇数个，而奇数叶片的振动则不会出现明显的叠加干扰现象。因此，可通过改变叶片数及其分布方式，来改善流场，降低振动。

[0050] 在一个实施例中，所述步骤S3中参数化建模为：定义共振腔的腔管长为l，腔半径为r；用整流滤网的半径R，整流滤网距风机的距离d定义整流结构；用叶片数λ定义叶片分布方式。

[0051] 在一个实施例中，所述步骤S4中，对步骤S3中的每种参数各定义多个量级，优选地，每种参数定义3至5个量级，并对各个参数之间的各个量级分别进行仿真计算，其中，仿真计算包括风机风道流场仿真和声学仿真，而后根据仿真计算结果建立数据库。具体地，量级为定义一个参数的一个量级为基础量级，在此参数量级的基础上进行等比例或非等比例的增加或减少，例如，整流滤网距风机的距离为d，则预设其中一个距离d为基础量级，在基础量级d的基础上增加一个量级为1.2d，或再增加一个量级1.6d，亦或减少一个量级0.8d等等，最终确定的量级大小根据实际试验需要确定。

[0052] 在一个实施例中，所述步骤S5中，根据不同模型下的流场特征与声场特征构建目标函数，对风机的性能进行准确评估，目标函数如下式所示：

[0053]

[0054] 式中，第一项是能量损失惩罚函数，第二项表征流场的紊乱程度，第三项是声功率级惩罚函数，第四项是平均声压级惩罚函数；

[0055] 其中，e表示进出口能量损失，ε表示流场中十个典型测点的涡量平均值，v表示流场中十个典型测点的速度平均值，X表示声功率级，x表示进出口测点的平均声压级，下标0则代表原始模型对应的指标量；w1,w2,w3,w4分别表示四项惩罚函数的权重。

[0056] 其中，风机周向上均匀的设有八个典型测点，两个共振腔的出口处各设有一个典型测点。需要说明的是，流场中典型测点的选取并非固定不变，可根据实际需要进行更改，但都在本发明的保护范围内。

[0057] 在一个实施例中，步骤S6中，采用BP神经网络或极限学习机等方法，构造神经网。

[0058] 在一个实施例中，步骤S7中，引入粒子群智能算法(Particle Swarm Optimization，PSO)，在神经网络中寻找出最优性能的优化方案。

[0059] 在一个实施例中，步骤S8中，具体地步骤为：对最优方案进行模拟仿真验证，若神经网络中得出的解与仿真结果之间误差大于预设误差值，则重复执行步骤S6和S7，并将此优化方案的仿真算例并入数据库，重新构造新的神经网络，直至误差小于预设误差值时，则认为构造的神经网络准确，并已获得最优的优化方案。本发明的一个实施例中，预设误差值为5％。

[0060] 虽然已经参考如上优选实施例对本发明进行了描述，但所述的内容只是为了便于理解本发明而采用的实施方式，并非用以限定本发明。任何本发明所属技术领域内的技术人员，在不脱离本发明所公开的精神和范围的前提下，可以在实施的形式上及细节上作任何的修改与变化，但本发明的专利保护范围，仍须以所附的权利要求书所界定的范围为准。

标题	发布/更新时间	阅读量
液晶光栅以及全息3D显示设备	2020-05-08	726
用于旋转行波振荡器中相位线性度和内插的装置和方法	2020-05-11	195
RSA公钥分解和解密方法及系统	2020-05-12	112
基于声发射的滚动轴承单故障辨识方法	2020-05-12	200
逻辑器件及其逻辑控制方法	2020-05-13	90
一种PGC相位解调法中相位延迟提取与补偿方法	2020-05-08	122
无偏振片的液晶光学元件成像方法、装置、设备及介质	2020-05-11	174
能够进行HDR合成的摄像设备及其控制方法和存储介质	2020-05-11	576
一种多通道复合的高清高速视频背景建模方法	2020-05-08	683
一种住宅产业化构件间的机械连接装置及其使用方法	2020-05-11	378

辅助变流柜用风机的智能优化方法

辅助变流柜用风机的智能优化方法

技术领域

背景技术

发明内容

具体实施方式

该功能需要专业版企业版VIP权限，您可以：