بهینه سازی چندنقطه ای ایمپلر کمپرسور گریز از مرکز بر اساس منحنی عملکرد هدف با استفاده از یادگیری ماشین و الگوریتم ژنتیک

در پژوهش حاضر یک روش طراحی معکوس به منظور بهینه‎سازی و بهبود عملکرد کمپرسورهای گریز از مرکز بر مبنای منحنی عملکرد توسعه داده شده است. ایده اصلی این روش ایجاد یک مدل جایگزین با دقت مناسب برای تخمین عملکرد کمپرسور و ترکیب آن با روش‎های بهینه‎سازی چندهدفه برای بهبود عملکرد کمپرسور در مجموعه‎ای از نقاط کارکرد است. در این روش مدل جایگزین راندمان و نسبت فشار کمپرسور را بر اساس پارامترهای هندسی آن با دقت مناسب تخمین می‎زند و الگوریتم ژنتیک هندسه‎ی کمپرسور را تا رسیدن به منحنی عملکرد دلخواه به صورت تکراری اصلاح می‎کند. با استفاده از این رویکرد می‎توان هندسه‎ی کمپرسور گریز از مرکز را به صورت معکوس و صرفا بر اساس منحنی عملکرد هدف طراحی کرد. روش توسعه داده در این پژوهش به هندسه‎های دیگر نیز تعمیم‎پذیر است و متغیرهای مسئله از جمله پارامتر‎های هندسی و توابع هدف را می توان بر اساس الزامات طراحی باز تعریف کرد. استفاده از بهینه سازی چندنقطه ای در این روش باعث شده است تا کمپرسورهای ایجاد شده علاوه بر نقطه طراحی در سایر نقاط کارکرد نیز عملکرد قابل قبولی داشته باشند. نتایج این پژوهش نشان می‎دهد که راندمان کمپرسور در برخی از نقاط کارکرد تا ۱۱ درصد و نسبت فشار آن تا ۱۴ درصد بهبود یافته است. براین اساس می‎توان گفت که الگوریتم طراحی توسعه داده شده در این پژوهش امکان بهبود عملکرد کمپرسورهای گریز از مرکز را با دقت مناسب فراهم می‎آورد و می‎تواند به عنوان یک روش سریع و قابل اطمینان برای طراحی معکوس کمپرسورهای گریز از مرکز بر مبنای منحنی عملکرد دلخواه استفاده شود.

کلیدواژه ها:

کمپرسور گریز از مرکز ، طراحی معکوس ، شبکه‎ی عصبی ، بهبود عملکرد ، دینامیک سیالات محاسباتی