摘要：为了提高离心泵的效率,以叶轮效率最大为优化目标进行优化设计。对叶轮进行参数化设计,以实现叶轮几何形状的自动控制以及为优化计算提供优化变量。选择控制叶片积叠线周向定位的2个参数作为优化变量,以-3°~3°作为优化变量的约束范围。利用人工神经网络的学习功能,建立了目标函数与优化变量之间的映射关系。采用遗传算法寻找目标函数的最优值,得到优化变量约束范围内的最优叶轮模型。数值计算结果表明：在设计流量点1 200 m3/h时,优化后叶轮的效率较优化前提高了4.02个百分点,离心泵的效率提高了4.41个百分点,扬程提升了2.63 m。针对非设计工况点性能改善不明显这一问题,对原始蜗壳进行重新设计并与优化叶轮组合进行数值计算。在设计工况点效率提高了1.59%,在1.2倍设计工况点处效率提升了9.93%,在1.4倍设计工况点处效率提升了8.83%;较原始叶轮与原始蜗壳的组合,在设计工况点泵的效率提高了6%,在1.2倍设计工况点点效率提高了9.2%,在1.4倍设计工况点点效率提高了8.59%。优化拓宽了水泵运行的高效区,增强了泵的运行稳定性,离心泵的性能得到了优化,叶轮与蜗壳之间的匹配更合理。该研究对离心泵的优化设计提供了参考。

关键词：离心泵 优化 算法 叶轮 效率 

单位：兰州理工大学能源与动力工程学院 兰州730050 甘肃省流体机械及系统重点实验室 兰州730050