文件大小：1.85M
摘要：为降低压气机叶型性能对加工偏差的敏感性，集成二维叶型参数化造型方法、基于Karhunen-Loève展开的轮廓度偏差降阶模型、基于最小角回归选择的混沌多项式展开不确定性量化方法以及Kriging代理模型和NSGA-II优化算法，搭建了压气机叶型多目标鲁棒性优化平台；针对亚声速叶型，考虑加工偏差不确定性因素及多工况的影响，以最小化叶型总压损失系数的均值和标准差为目标函数，静压比作为约束条件，开展了多目标鲁棒性优化设计，并分析了目标函数对优化变量的敏感性以及叶型性能改善的流动机理。结果表明：优化叶型在宽工况范围内性能改善，对轮廓度偏差的敏感性降低，总压损失系数均值和标准差最大分别降低10.4%和29.89%。吸力面中后部型线对总压损失系数均值和标准差影响更显著，且为负相关，最大厚度位置前移有助于降低总压损失系数均值，吸力面前缘附近控制点法向纵坐标增大有助于降低总压损失系数标准差。尾缘吸力面侧边界层分离是影响叶型性能和敏感性的主要因素。
文章目录
1 引言
2 叶型鲁棒性优化设计方法
2.1 叶型参数化造型方法
2.2 轮廓度偏差降阶模型
2.3 不确定性量化方法
2.4 研究对象及数值计算方法
2.4.1 研究对象
2.4.2 数值计算方法及验证
2.5 基于代理模型的叶型鲁棒性优化设计方法
2.5.1 优化目标
2.5.2 优化变量及约束条件
2.5.3 多目标叶型鲁棒性优化设计方法
3 结果分析与讨论
3.1 代理模型验证
3.2 优化结果叶型对比
3.3 参数敏感性分析
3.4 气动性能不确定性分析
3.5 气动性能改善流动机理
4 结论
