文献类型：期刊文章

作　　者：孟凡念[1] 谢贵重[1] 王良文[1] 董全林[2] 杨招峰[3] 赵峰[1]

MENG Fan-nian1, XIE Gui-zhong1, WANG Liang-wen1, DONG Quan-lin2,YANG Zhao-feng3, ZHAO Feng1(1.Mechanical and Electrical Engineering Institute, Henan Key Laboratory of Mechanical Equipment Intelligent Manufacturing, Zhengzhou University of Light Industry, Zhengzhou 450002; 2.School of Instrumentation Science and Opto-electronics Engineering, Beihang University, Beijing 100191; 3.Sinoma（Suzhou） Construction Co., Ltd., Suzhou 215000)

机构地区：[1]郑州轻工业学院机电工程学院河南省机械装备智能制造重点实验室,河南郑州450002 [2]北京航空航天大学仪器科学与光电工程学院,北京100191 [3]苏州中材建设有限公司,江苏苏州215000

出　　处：《机械设计》

基　　金：郑州轻工业学院博士科研基金资助项目(2015BSJJ033);河南省高等学校重点科研项目(17A460030)

年　　份：2018

卷　　号：35

期　　号：4

起止页码：84-91

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD_E2017_2018、JST、RCCSE、ZGKJHX、核心刊

摘　　要：对离心通风机叶型进行优化能显著提高通风机的效率,这对于发展国民经济和节能减排有重要意义,基于Kriging代理模型和GA-PSO算法对离心通风机叶型进行气动优化,优化目标为气动效率。具体步骤为:首先,采用贝塞尔基函数来进行叶型的参数化表达;其次,建立起离心通风机叶型参数与目标响应的Kriging代理模型;最后,采用遗传算法(Genetic Algorithm,GA)和粒子群算法(Particle Swarm Optimization,PSO)相结合的GA-PSO联立算法对离心通风机叶型进行以气动性能提高为目标的优化,并得出最优的叶型。优化后风机全压从3 538 Pa提高到3 572 Pa,效率从76.3%提高到80.8%,优化后的离心通风机在全压不低于原始风机全压的情况下,效率明显提高,实现了离心通风机的优化设计。

关 键 词：KRIGING模型 GA-PSO  离心通风机 叶型

分 类 号：TH43]