基于数据挖掘方法的压缩机二元叶轮优化研究.pdf

基于数据挖掘方法的压缩机二元叶轮优化研究.pdf

《基于数据挖掘方法的压缩机二元叶轮优化研究.pdf》由会员分享，可在线阅读，更多相关《基于数据挖掘方法的压缩机二元叶轮优化研究.pdf（18页珍藏版）》请在冰豆网上搜索。

作者：

作者：

满超孙皓薛米米一、研究背景与意义一、研究背景与意义二、研究对象与方法二、研究对象与方法三、计算与结果分析三、计算与结果分析四、总结四、总结1.研究背景与意义研究背景与意义数据挖掘数据挖掘数据挖掘的作用：

数据挖掘的作用：

量化敏感度大小找到影响规律提供高性能参数区域设计设计变量变量性能性能函数函数1.研究背景与意义研究背景与意义两种数据挖掘的方法两种数据挖掘的方法总变差分析方法总变差分析方法AnalysisofVariance（ANOVA）自组织映射方法自组织映射方法Self-OrganizingMap（SOM）量化并揭示不同设计变量以及各变量的共同相互作用对性能函数的影响大小。

设计变量xi对性能函数的主影响大小被定义为si设计变量xi，xj的共同作用对性能函数的交互影响大小被定义为sij将高维数据映射到二维空间，揭示不同性能函数之间以及设计变量与性能函数之间的内在联系。

2.研究对象与方法研究对象与方法研究对象研究对象：

某机组离心压缩机二元叶轮设计变量最小值最大值进口宽度b132.13mm39.27mm进口宽度b220.97mm25.63mm进口安装角13135进口安装角24251性能函数质量流量等熵效率能量头结构简单，各变量对性能函数的影响规律有较一致的认识。

2.研究对象与方法研究对象与方法研究方法研究方法样本数量与均匀性的均衡（样本数：

40）保证计算精度和一致性网格数量57万左右选取设计变量选取设计变量确定范围确定范围ANOVASOM确定目标函数确定目标函数拉丁超立方取样拉丁超立方取样定制统一的网格模板定制统一的网格模板CFD数值模拟计算数值模拟计算流动机理分析流动机理分析优化前后对比分析优化前后对比分析数据准备数值计算数据挖掘3.计算与结果分析计算与结果分析敏感度分析敏感度分析（ANOVA）能量头效率质量流量主要影响因素主要影响因素：

1.进口宽度b12.出口安装角23.轮盖斜度b2/b1主要影响因素主要影响因素：

1.轮盖斜度b2/b12.进口宽度b13.进口安装角1主要影响因素主要影响因素：

1.出口安装角2自组织映射分析自组织映射分析（SOM）3.计算与结果分析计算与结果分析二维神经元分布3.计算与结果分析计算与结果分析设计变量对能量头的影响规律设计变量对能量头的影响规律3.计算与结果分析计算与结果分析设计变量对能量头的影响规律设计变量对能量头的影响规律出口安装角2是影响叶轮能量头的主导型因素；呈正相关性。

3.计算与结果分析计算与结果分析流动机理分析流动机理分析2cu2数据挖掘的规律跟流动机理相吻合吻合。

3.计算与结果分析计算与结果分析设计变量对流量的影响规律设计变量对流量的影响规律3.计算与结果分析计算与结果分析设计变量对流量的影响规律设计变量对流量的影响规律出口安装角2跟叶轮流量呈正相关性。

3.计算与结果分析计算与结果分析设计变量对效率的影响规律设计变量对效率的影响规律3.计算与结果分析计算与结果分析设计变量对效率的影响规律设计变量对效率的影响规律b1与效率呈正相关性；b2/b1与效率呈负相关性。

3.计算与结果分析计算与结果分析优化效果对比优化效果对比设计变量原始模型优化模型b135.70mm37.31mmb223.30mm23.17mm130.0033.37248.0049.01原始模型优化模型优化效果（%）效率（%）91.8595.383.84压比1.3331.3541.58熵分布图（左为原始模型，右为优化模型）4.总结总结数据挖掘方法所揭示的内在规律与离心压缩机基本流动机理相吻合，证明该方法有效；总变差分析方法可以帮助设计人员定量地了解设计参数对性能参数的影响大小，快速找到主影响因素；自映射方法揭示了设计参数和性能参数之间的内在关系，影响越大，越容易呈现出“线性”关系；不同的性能参数如果具有类似的神经元映射分布趋势，则其与设计变量的关系也有类似的变化趋势；对比优化前后的模拟结果，在流量一定的情况下，二元叶轮的效率提升了3.84%，压比提升了1.58%。

谢谢谢谢！