1.2  CFD计算

CFD计算的主要任务是通过预估转轮在不同运行工况下的性能，建立输入参数与转轮性能之间的响应面关系。在叶片的三维反问题设计过程中，虽已对流场进行正问题计算，但由于未考虑流体黏性以及其他过流部件对转轮性能的影响，难以准确地预估不同运行工况下的转轮性能。本文通过建立三维全流道计算模型，采用商业软件ANSYS CFX进行粘性计算，完成转轮在不同运行工况下的性能预估和流场分析，以确保响应面关系的准确性和优化结果的可靠性。

1.3  多目标优化策略

转轮的多目标优化策略主要由响应面方法、试验设计和多目标遗传算法组成。为提高响应面的逼近精度，采用拉丁超立方试验设计方法确定试验点在设计空间的分布，由较少的试验点获得较高精度的响应面关系，减少计算工作量[27-28]。为兼顾多种运行工况下的多个目标，同时保证在设计空间内全局 性 寻 优 ， 采 用 改 进 的 非 支 配 分 类 遗 传 算 法（NSGA-II）进行优化[29-30]。

基于i SIGHT优化平台，将多目标优化策略与三维反问题设计、CFD计算相结合，构建了转轮全三维粘性优化设计系统，如图2所示。在完成转轮初始设计的情况下，转轮的多目标优化步骤如下：首先利用试验设计方法完成优化输入变量在设计空间的分布；然后利用三维反问题设计方法生成不同输入变量对应的转轮模型，并利用CFD计算获得转轮在不同运行工况下的性能，建立输入变量与转轮性能之间的响应面关系；基于构建的响应面关系，采用多目标遗传算法在设计空间内寻求性能最优的转轮模型。

图2   多目标优化设计系统

Fig.2   Multi objective optimal design system

由于优化是基于输入变量和转轮性能之间的响应面关系进行，无需重新生成转轮模型和进行

CFD计算，即可预估转轮在不同运行工况下的性能，大大降低了优化设计中庞大的CFD计算成本。根据设计的具体要求，在优化所得的关于不同优化目标的帕累托最优解（Pareto optimal）中选取最接近设计目标的模型转轮，利用CFD计算或模型试验验证优化设计结果。