新闻动态
基于粒子群优化算法的板翅式换热器优化设计点击：1911 日期：[ 2014-04-26 21:14:07 ] |
| 基于粒子群优化算法的板翅式换热器优化设计 严巳杰1胡建华2黄炳琼3奚云4 (1．三一索特传动设备有限公司;2．广西柳州市五顺汽车配件厂;3．广西大学;4．南通市申通机械厂) 摘要以板翅式换热器的质量作为目标函数，以换热器芯体外形尺寸和翅片参数作为优化变量，采用粒子群优化算法对其结构尺寸进行优化设计，获得了换热器质量减轻、体积减小的效果。 关键词：板翅式换热器 粒子群优化算法 优化 中图分类号TQ051.5文献标识码A文章编号0254-6094(2012)01-0055-03 板翅式换热器(以下简称换热器)作为一种高效、紧凑且轻巧的的换热设备，已在石油化工、航空航天及动力工程等领域得到广泛应用，尤其是板翅式换热器作为飞机环境控制系统中的关键部件，占据了系统很大的重量和体积。随着对环控系统性能要求的不断提高，换热器在满足基本性能和阻力要求的同时，质量和体积也应尽可能的小。基于这一目的，设计者们尝试了不同的方法对换热器进行优化［1］。传统的换热器设计方法往往是在经验选择和多次验算的基础上一般只要满足设定的换热性能和阻力要求即可［2］。 粒子群优化算法(Particle Swarm Optimiza-tion，PSO)是由Kennedy J和Eberhart R C于1995年提出的一种新型的群智能进化计算技术［3］，通过研究鸟类飞行觅食行为，模拟鸟群的集体协作使群体以最快的速度找到最优解。PSO算法操作简单，依赖的经验参数少并且收敛速度快，但也存在易陷入局部最优的缺点［4］。文献［2］提出采用遗传算法对换热器进行优化，笔者提出采用PSO算法对板翅式换热器进行结构优化设计，旨在为换热器的设计提供一种新的方法和思路。 1·数学模型 在一定的传热和流动条件下设计一台换热器，可根据提出的要求(如质量最轻等)列出不同的方案。在优化设计中，广泛采用目标函数来评价这些方案的优劣，它实际上待求各变量的函数。此外，在换热器的设计中还应满足热平衡方程式及传热方程等一系列条件，此类条件称为约束条件。因此，求解换热器的优化问题，具体的就是确定与优化变量有关的目标函数和约束条件［5］。 1．1目标函数 研究的板翅式空气－空气换热器采用如图1所表示的叉流两流程形式，具体结构为热侧两流程，冷侧单流程，冷热两侧翅片均采用三角形翅片。 换热器质量对飞机的有效载荷、航程及机动性有很大影响，故把换热器质量作为PSO的目标函数。芯体作为换热器的核心部件占有绝大部分的体积和质量，封头、盖板及底板等附件只起封闭、连接及组装等辅助作用，这些附件的形状和质量取决于芯体的结构形式和安装连接方式，其设计难以优化。因此，笔者只考虑对换热器芯体部分进行设计与优化。芯体质量表达式为: 1．2优化变量 文献［1］将δp、bs和δf设为定值(其中δp=2mm、bs=6mm、δf=0．15mm)，只将两侧翅片的高和翅片间距作为优化变量，故将式(1)简化为只有6个优化变量的函数式: W(X)=f(L1，L2，S1，S2，Pf1，Pf2)(2) 1．3约束条件 尺寸约束:ai≤Xi≤bi(i=1，2，3，…，6)(3) 式中X———优化变量向量; ai、bi———优化变量Xi取值范围的下限与上限。 2·粒子群优化算法 2．1算法原理 在PSO模型中，每个优化问题的解都是搜索空间中一个“粒子”的状态。每个粒子都有一个由被优化函数决定的适应值(fitness value)，同时还有一个速度决定它们飞行的方向和距离。粒子根据自身及同伴的飞行经验进行动态调整，也可以说是通过跟踪两个位置，即个体最好位置和整体最好位置来更新自身。 在PSO算法运行过程中，随机产生一个初始种群，并且赋予每个粒子一个随机速度和一个随机位置，并根据式(5)和式(6)来更新粒子的速度和位置: 2．2个体评价 由各个个体表现出来的值，进行换热器性能校核流程(校核流程见文献［1］): a．根据翅片参数，计算表面几何参数(当量直径de及翅片面积比Φ等); b．计算流体雷诺数Re，根据Re计算得到两侧表面传热因子、摩擦因子; c．计算传热系数以及翅片表面效率; d．计算换热器实际效率; e．计算两侧的实际压降; f．计算芯体质量。 将芯体质量转换为适应度函数值，并计算出整个群体适应度的平均值。在该代群体中，由适应度函数值大小评价出最好的和最坏的个体，并比较得出当前最好的个体。 3·算例与结果分析 选取文献中的某飞机环控系统所使用的一台次级换热器为算例，其设计条件见文献［1，6］。在未进行优化设计的时候，该产品实际质量为5．020kg，其中芯体质量为3．923kg。 PSO运行参数为:c1=2，c2=2，微粒个数N=400，迭代次数为20。表1是优化结果与原始数据的结果对比。从表1可以看出，以换热器质量为目标函数优化结构尺寸后，换热器的外形尺寸都相应减小，而翅片高相应减小。在满足η≥93%的前提下，PSO优化后的换热器质量较优化前分别减少了0．736kg、1．116kg，即质量减少了18．75%、28．46%。 4·结束语 将粒子群优化算法应用于板翅式换热器的设计领域，以换热器质量作为目标函数对其进行优化，实例证明使用PSO优化设计板翅式换热器，达到了换热器质量降低、体积减少的效果，同时又满足性能要求。 参考文献 ［1］敖铁强，余建祖，高红霞．基于遗传算法的板翅式换热器优化设计［J］．低温工程，2007，(4):60～64． ［2］谢公南，王秋旺．遗传算法在板翅式换热器尺寸优化中的应用［J］．中国电机工程学报，2006，26(7):53～57． ［3］Kennedy J，Eberhari R C．Particle Swarm Optimization［C］．Proceedings of IEEE International Conference onNeural Networks，1995:1942～1948． ［4］矫志宁．微粒群算法及其应用研究［D］．哈尔滨:哈尔滨工业大学，2005． ［5］潘继红，田茂诚．管壳式换热器的分析与计算［M］．北京:科学出版社，1996． ［6］余建祖．换热器原理与设计［M］．北京:北京航空航天大学出版社，2006:83～89． |
| 上一篇：三分螺旋折流板换热器壳侧传热特性试验 | 下一篇：2013中国供暖节能及新型节能锅炉设备展览会(北京) |