本发明涉及离心压气机优化技术领域，特别是指一种离心压气机额定工况下的叶片构型设计优化方法及装置，方法包括：创建第一映射模型与第二映射模型，对样本数据进行初始化，得到更新后的样本数据；求解第一映射模型以及第二映射模型的非线性方程组的局部特征参数，确定原始叶片表面的变化量；确定新的叶片几何构型；生成新的离心压气机叶轮网格模型；对新的离心压气机叶轮网格模型进行额定工况的定常数值模拟计算，得到气动性能；基于气动性能，利用单目标粒子群优化算法，对设计顶点的变量进行寻优，得到优化结果；根据优化结果确定离心压气机叶片的最佳几何构型。采用本发明，可以增加几何控制参数的径向约束，缩小设计空间，提高寻优效率。
1.一种离心压气机额定工况下的叶片构型设计优化方法，其特征在于，所述方法包括：S1、创建第一映射模型与第二映射模型，所述第一映射模型为原始叶片吸力面与单位样条曲面的映射模型，所述第二映射模型为原始叶片压力面与单位样条曲面的映射模型；
S2、确定单位样条曲面的设计顶点变量和设计空间，获取样本数据，对所述样本数据进行初始化，得到更新后的样本数据；
S3、基于所述第一映射模型、第二映射模型以及更新后的样本数据，采用预设优化算法，求解所述第一映射模型以及第二映射模型的非线性方程组的局部特征参数，确定原始叶片表面的变化量；
S4、基于所述原始叶片表面的变化量，确定新的叶片几何构型；
S5、基于预设的网格模板文件，对所述新的叶片几何构型进行网格划分，生成新的离心压气机叶轮网格模型；
S6、对新的离心压气机叶轮网格模型进行额定工况的定常数值模拟计算，得到气动性能；
S7、设定额定工况下离心压气机叶片的气动构型优化流程的目标函数和约束条件，基于所述气动性能，利用单目标粒子群优化算法，对设计顶点的变量进行寻优，得到优化结果；
其中，所述设定额定工况下离心压气机叶片的气动构型优化流程的目标函数和约束条件，包括：设定离心压气机叶片的绝热效率最大值为额定工况下离心压气机叶片的气动构型优化流程的目标函数，设定总压比不降低为额定工况下离心压气机叶片的气动构型优化流程的约束条件，其中，所述总压比为离心压气机出口总压力与进口总压力之比；
其中，所述基于所述气动性能，利用单目标粒子群优化算法，对设计顶点的变量进行寻优，得到优化结果，包括：每个粒子的速度和位置的数学定义如下：
式中，第k代中的每个单独粒子 以速度 更新其位置， 代表先前速度，代表每个粒子的历史最佳解， 代表整个种群的最佳解， 和 是[0，1]中的两个随机数， 和 分别表示向个体历史最优和种群全局最优的学习率，设置为1.49445，是线性权重自适应系数，数学表达式如下：式中， 是迭代次数， 是要进行的最大代数，线性权重自适应系数 随着迭代次数 线性地从0.9下降到0.4；
S8、判断所述优化结果是否满足寻优结束条件，如果所述优化结果不满足寻优结束条件，则基于得到的优化结果更新样本数据，基于更新后的样本数据转去执行S3；如果所述优化结果满足寻优结束条件，则结束优化流程，根据所述优化结果确定离心压气机叶片的最佳几何构型。
2.根据权利要求1所述的方法，其特征在于，所述创建第一映射模型与第二映射模型，包括：对原始叶片吸力面和压力面的几何型线进行单位化，生成单位化的映射样条曲面，建立第一映射模型和第二映射模型。
3.根据权利要求2所述的方法，其特征在于，所述第一映射模型和所述第二映射模型的建立过程相同，采用的参数值不同；
所述对原始叶片吸力面和压力面的几何型线进行单位化，生成单位化的映射样条曲面，建立第一映射模型和第二映射模型，包括：S11、根据下述公式（1）定义横坐标，根据下述公式（2）定义纵坐标，分别对原始叶片吸力面和原始叶片压力面的几何型线进行单位化：式中， 是型线单位化后的横坐标，是型线上弧长段号，是型线标号， 是第 段弧长， 是第 条型线；
式中， 是型线单位化后的纵坐标 是型线上弧长段号，是型线标号， 是第 段弧长，而 第条型线；
S12、根据下述公式（3），生成单位化的映射样条曲面：
式中， 是单位化的映射样条曲面上的点坐标， 是样条曲面控制顶点坐标， 是样条曲面上的横坐标的标号，样条曲面上的横坐标的控制顶点数，是样条曲面上的纵坐标的标号， 样条曲面上的纵坐标的控制顶点数， 和 是伯恩斯坦基函数，其中 和 是映射参数；
S13、根据下述公式（4），分别建立第一映射模型以及第二映射模型的数学模型：其中， 是原始叶片表面的变化量。
4.根据权利要求1所述的方法，其特征在于，所述预设优化算法包括蒙特卡略算法或启发式算法。
5.根据权利要求1所述的方法，其特征在于，所述S4的基于所述原始叶片表面的变化量，确定新的叶片几何构型，包括：将所述原始叶片表面的变化量叠加在原始叶片表面的坐标值上，确定新叶片表面的坐标值，进而确定新的叶片几何构型。
6.一种离心压气机额定工况下的叶片构型设计优化装置，其特征在于，所述装置包括：创建模块，用于创建第一映射模型与第二映射模型，所述第一映射模型为原始叶片吸力面与单位样条曲面的映射模型，所述第二映射模型为原始叶片压力面与单位样条曲面的映射模型；
更新模块，用于确定单位样条曲面的设计顶点变量和设计空间，获取样本数据，对所述样本数据进行初始化，得到更新后的样本数据；
求解模块，用于基于所述第一映射模型、第二映射模型以及更新后的样本数据，采用预设优化算法，求解所述第一映射模型以及第二映射模型的非线性方程组的局部特征参数，确定原始叶片表面的变化量；
确定模块，用于基于所述原始叶片表面的变化量，确定新的叶片几何构型；
划分模块，用于基于预设的网格模板文件，对所述新的叶片几何构型进行网格划分，生成新的离心压气机叶轮网格模型；
计算模块，用于对新的离心压气机叶轮网格模型进行额定工况的定常数值模拟计算，得到气动性能；
寻优模块，用于设定额定工况下离心压气机叶片的气动构型优化流程的目标函数和约束条件，基于所述气动性能，利用单目标粒子群优化算法，对设计顶点的变量进行寻优，得到优化结果；
其中，所述设定额定工况下离心压气机叶片的气动构型优化流程的目标函数和约束条件，包括：设定离心压气机叶片的绝热效率最大值为额定工况下离心压气机叶片的气动构型优化流程的目标函数，设定总压比不降低为额定工况下离心压气机叶片的气动构型优化流程的约束条件，其中，所述总压比为离心压气机出口总压力与进口总压力之比；
其中，所述基于所述气动性能，利用单目标粒子群优化算法，对设计顶点的变量进行寻优，得到优化结果，包括：每个粒子的速度和位置的数学定义如下：
式中，第k代中的每个单独粒子 以速度 更新其位置， 代表先前速度，代表每个粒子的历史最佳解， 代表整个种群的最佳解， 和 是[0，1]中的两个随机数， 和 分别表示向个体历史最优和种群全局最优的学习率，设置为1.49445，是线性权重自适应系数，数学表达式如下：式中， 是迭代次数， 是要进行的最大代数，线性权重自适应系数 随着迭代次数 线性地从0.9下降到0.4；
判断模块，用于判断所述优化结果是否满足寻优结束条件，如果所述优化结果不满足寻优结束条件，则基于得到的优化结果更新样本数据，基于更新后的样本数据转去执行S3；
如果所述优化结果满足寻优结束条件，则结束优化流程，根据所述优化结果确定离心压气机叶片的最佳几何构型。
7.根据权利要求6所述的装置，其特征在于，所述创建模块，用于：对原始叶片吸力面和压力面的几何型线进行单位化，生成单位化的映射样条曲面，建立第一映射模型和第二映射模型。
8.根据权利要求7所述的装置，其特征在于，所述第一映射模型和所述第二映射模型的建立过程相同，采用的参数值不同；
S11、根据下述公式（1）定义横坐标，根据下述公式（2）定义纵坐标，分别对原始叶片吸力面和原始叶片压力面的几何型线进行单位化：式中， 是型线单位化后的横坐标，是型线上弧长段号，是型线标号， 是第 段弧长， 是第 条型线；
式中， 是型线单位化后的纵坐标 是型线上弧长段号，是型线标号， 是第 段弧长，而 第条型线；
S12、根据下述公式（3），生成单位化的映射样条曲面：
式中， 是单位化的映射样条曲面上的点坐标， 是样条曲面控制顶点坐标， 是样条曲面上的横坐标的标号，样条曲面上的横坐标的控制顶点数，是样条曲面上的纵坐标的标号， 样条曲面上的纵坐标的控制顶点数， 和 是伯恩斯坦基函数，其中 和 是映射参数；
S13、根据下述公式（4），分别建立第一映射模型以及第二映射模型：其中， 是原始叶片表面的变化量。
9.根据权利要求6所述的装置，其特征在于，所述预设优化算法包括蒙特卡略算法或启发式算法。
离心压气机额定工况下的叶片构型设计优化方法及装置
技术领域
[0001] 本发明涉及离心压气机优化技术领域，特别是指一种离心压气机额定工况下的叶片构型设计优化方法及装置。
背景技术
[0002] 离心压气机是保障国防安全和促进国民经济发展的重要动力装备，已广泛应用于航空航天、船舶、化工和新能源等领域。根据全国能源基础与标准化委员会的有关统计资料，工业压气机系统年耗电量约占全国总发电量的6%‑9%左右。提高离心压气机的气动性能对“节能减排”具有积极意义。
[0003] 但离心压气机工作时通常伴随大逆压梯度、强三维效应和非定常特征，对离心压气机复杂曲面叶片进行三维气动设计优化时会面临设计变量多、缺乏径向约束和优化效率低等难题。
发明内容
[0004] 本发明实施例提供了一种离心压气机额定工况下的叶片构型设计优化方法及装置。所述技术方案如下：
[0005] 一方面，提供了一种离心压气机额定工况下的叶片构型设计优化方法，该方法由电子设备实现，该方法包括：
[0006] S1、创建第一映射模型与第二映射模型，所述第一映射模型为原始叶片吸力面与单位样条曲面的映射模型，所述第二映射模型为原始叶片压力面与单位样条曲面的映射模型；
[0007] S2、确定单位样条曲面的设计顶点变量和设计空间，获取样本数据，对所述样本数据进行初始化，得到更新后的样本数据；
[0008] S3、基于所述第一映射模型、第二映射模型以及更新后的样本数据，采用预设优化算法，求解所述第一映射模型以及第二映射模型的非线性方程组的局部特征参数，确定原始叶片表面的变化量；
[0009] S4、基于所述原始叶片表面的变化量，确定新的叶片几何构型；
[0010] S5、基于预设的网格模板文件，对所述新的叶片几何构型进行网格划分，生成新的离心压气机叶轮网格模型；
[0011] S6、对新的离心压气机叶轮网格模型进行额定工况的定常数值模拟计算，得到气动性能；
[0012] S7、设定额定工况下离心压气机叶片的气动构型优化流程的目标函数和约束条件，基于所述气动性能，利用单目标粒子群优化算法，对设计顶点的变量进行寻优，得到优化结果；
[0013] S8、判断所述优化结果是否满足寻优结束条件，如果所述优化结果不满足寻优结束条件，则基于得到的优化结果更新样本数据，基于更新后的样本数据转去执行S3；如果所述优化结果满足寻优结束条件，则结束优化流程，根据所述优化结果确定离心压气机叶片的最佳几何构型。
[0014] 可选地，所述第一映射模型和所述第二映射模型的建立过程相同，采用的参数值不同；
[0015] 所述创建第一映射模型与第二映射模型，包括：
[0016] 对原始叶片吸力面和压力面的几何型线进行单位化，生成单位化的映射样条曲面，建立第一映射模型和第二映射模型。
[0017] 可选地，所述对原始叶片吸力面和压力面的几何型线进行单位化，生成单位化的映射样条曲面，建立第一映射模型和第二映射模型，包括：
[0018] S11、根据下述公式（1）定义横坐标，根据下述公式（2）定义纵坐标，分别对原始叶片吸力面和原始叶片压力面的几何型线进行单位化：
[0019]
[0020] 式中， 是型线单位化后的横坐标，是型线上弧长段号，是型线标号， 是第段弧长， 是第 条型线；
[0021]
[0022] 式中， 是型线单位化后的纵坐标 是型线上弧长段号，是型线标号， 是第段弧长，而 第条型线；
[0023] S12、根据下述公式（3），生成单位映射样条曲面：
[0024]
[0025] 式中， 是单位化的映射样条曲面上的点坐标， 是样条曲面控制顶点坐标，是样条曲面上的横坐标的标号，样条曲面上的横坐标的控制顶点数，是样条曲面上的纵坐标的标号， 样条曲面上的纵坐标的控制顶点数， 和 是伯恩斯坦基函数，其中 和 是映射参数；
[0026] S13、根据下述公式（4），分别建立第一映射模型以及第二映射模型：
[0027]
[0028] 式中， 是原始叶片表面的变化量。
[0029] 可选地，所述预设优化算法包括蒙特卡略算法或启发式算法。
[0030] 可选地，所述S4的基于所述原始叶片表面的变化量，确定新的叶片几何构型，包括：
[0031] 将所述原始叶片表面的变化量叠加在原始叶片表面的坐标值上，确定新叶片表面的坐标值，进而确定新的叶片几何构型。
[0032] 可选地，所述设定额定工况下离心压气机叶片的气动构型优化流程的目标函数和约束条件，包括：
[0033] 设定离心压气机叶片的绝热效率最大值为额定工况下离心压气机叶片的气动构型优化流程的目标函数，设定总压比不降低为额定工况下离心压气机叶片的气动构型优化流程的约束条件，其中，所述总压比为离心压气机出口总压力与进口总压力之比。
[0034] 另一方面，提供了一种离心压气机额定工况下的叶片构型设计优化装置，该装置应用于离心压气机额定工况下的叶片构型设计优化方法，该装置包括：
[0035] 创建模块，用于创建第一映射模型与第二映射模型，所述第一映射模型为原始叶片吸力面与单位样条曲面的映射模型，所述第二映射模型为原始叶片压力面与单位样条曲面的映射模型；
[0036] 更新模块，用于确定单位样条曲面的设计顶点变量和设计空间，获取样本数据，对所述样本数据进行初始化，得到更新后的样本数据；
[0037] 求解模块，用于基于所述第一映射模型、第二映射模型以及更新后的样本数据，采用预设优化算法，求解所述第一映射模型以及第二映射模型的非线性方程组的局部特征参数，确定原始叶片表面的变化量；
[0038] 确定模块，用于基于所述原始叶片表面的变化量，确定新的叶片几何构型；
[0039] 划分模块，用于基于预设的网格模板文件，对所述新的叶片几何构型进行网格划分，生成新的离心压气机叶轮网格模型；
[0040] 计算模块，用于对新的离心压气机叶轮网格模型进行额定工况的定常数值模拟计算，得到气动性能；
[0041] 寻优模块，用于设定额定工况下离心压气机叶片的气动构型优化流程的目标函数和约束条件，基于所述气动性能，利用单目标粒子群优化算法，对设计顶点的变量进行寻优，得到优化结果；
[0042] 判断模块，用于判断所述优化结果是否满足寻优结束条件，如果所述优化结果不满足寻优结束条件，则基于得到的优化结果更新样本数据，基于更新后的样本数据转去执行S3；如果所述优化结果满足寻优结束条件，则结束优化流程，根据所述优化结果确定离心压气机叶片的最佳几何构型。
[0043] 可选地，所述创建模块，用于：
[0044] 对原始叶片吸力面和压力面的几何型线进行单位化，生成单位化的映射样条曲面，建立第一映射模型和第二映射模型。
[0045] 可选地，所述第一映射模型和所述第二映射模型的建立过程相同，采用的参数值不同；
[0046] 所述创建模块，用于：
[0047] S11、根据下述公式（1）定义横坐标，根据下述公式（2）定义纵坐标，分别对原始叶片吸力面和原始叶片压力面的几何型线进行单位化：
[0048]
[0049] 式中， 是型线单位化后的横坐标，是型线上弧长段号，是型线标号， 是第段弧长， 是第 条型线；
[0050]
[0051] 式中， 是型线单位化后的纵坐标 是型线上弧长段号，是型线标号， 是第段弧长，而 第条型线；
[0052] S12、根据下述公式（3），生成单位化的映射样条曲面：
[0053]
[0054] 式中， 是单位化的映射样条曲面上的点坐标， 是样条曲面控制顶点坐标，是样条曲面上的横坐标的标号，样条曲面上的横坐标的控制顶点数，是样条曲面上的纵坐标的标号， 样条曲面上的纵坐标的控制顶点数， 和 是伯恩斯坦基函数，其中 和 是映射参数；
[0055] S13、根据下述公式（4），分别建立第一映射模型以及第二映射模型：
[0056]
[0057] 其中， 是原始叶片表面的变化量。
[0058] 可选地，所述预设优化算法包括蒙特卡略算法或启发式算法。
[0059] 可选地，所述确定模块，用于：
[0060] 将所述原始叶片表面的变化量叠加在原始叶片表面的坐标值上，确定新叶片表面的坐标值，进而确定新的叶片几何构型。
[0061] 可选地，所述寻优模块，用于：
[0062] 设定离心压气机叶片的绝热效率最大值为额定工况下离心压气机叶片的气动构型优化流程的目标函数，设定总压比不降低为额定工况下离心压气机叶片的气动构型优化流程的约束条件，其中，所述总压比为离心压气机出口总压力与进口总压力之比。
[0063] 另一方面，提供了一种电子设备，所述电子设备包括处理器和存储器，所述存储器中存储有至少一条指令，所述至少一条指令由所述处理器加载并执行以实现上述离心压气机额定工况下的叶片构型设计优化方法。
[0064] 另一方面，提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令，所述至少一条指令由处理器加载并执行以实现上述离心压气机额定工况下的叶片构型设计优化方法。
[0065] 本发明实施例提供的技术方案带来的有益效果至少包括：
[0066] 本发明实施例中，通过一种离心压气机的叶片构型优化方法，在单目标额定工况下，只需少量的设计变量即可实现离心压气机复杂曲面叶片的灵活构型，缩小了设计空间，提高了寻优效率；采用了伯恩斯坦基函数，宜于全局优化，有利于快速求解出离心压气机复杂曲面叶片几何构型的优化解；几何控制参数上增加了径向约束；同时本发明可以保证叶轮与机匣的相交，有助于提高优化过程中的网格生成率。
附图说明
[0067] 为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0068] 图1是本发明实施例提供的一种离心压气机额定工况下的叶片构型设计优化方法流程图；
[0069] 图2是本发明实施例提供的一种离心压气机额定工况下的叶片构型设计优化方法流程框图；
[0070] 图3是本发明实施例提供的一种绝热效率‑流量气动性能曲线变化图；
[0071] 图4是本发明实施例提供的一种绝热效率‑总压比气动性能曲线变化图；
[0072] 图5是本发明实施例提供的一种离心压气机额定工况下的叶片构型设计优化装置框图；
[0073] 图6是本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
[0074] 为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。
[0075] 本发明实施例提供了一种离心压气机额定工况下的叶片构型设计优化方法，该方法可以由电子设备实现，该电子设备可以是终端或服务器。如图1所示的离心压气机额定工况下的叶片构型设计优化方法流程图，如图2所示的离心压气机额定工况下的叶片构型设计优化方法流程框图，该方法的处理流程可以包括如下的步骤：
[0076] S1、创建第一映射模型与第二映射模型。
[0077] 其中，第一映射模型为原始叶片吸力面与单位样条曲面的映射模型，第二映射模型为原始叶片压力面与单位样条曲面的映射模型。
[0078] 一种可行的实施方式中，采用型面映射参数化方法，对原始离心压气机叶片的几何构型进行参数化表达，具体地说，对原始叶片吸力面和压力面的几何型线进行单位化，生成单位化的映射样条曲面，建立第一映射模型和第二映射模型，第一映射模型和所述第二映射模型的建立过程相同，采用的参数值不同。相应地，S1可以具体包括以下步骤S11‑S13：
[0079] S11、根据下述公式（1）定义横坐标，根据下述公式（2）定义纵坐标，分别对原始叶片吸力面和原始叶片压力面的几何型线进行单位化：
[0080]
[0081] 式中， 是型线单位化后的横坐标，是型线上弧长段号，是型线标号， 是第段弧长， 是第 条型线。
[0082]
[0083] 式中， 是型线单位化后的纵坐标 是型线上弧长段号，是型线标号， 是第段弧长，而 第条型线。
[0084] 需要说明的是，原始叶型吸力面和压力面的型线单位化方法相同，因此，原始叶型吸力面和压力面均采用上述公式（1）定义横坐标，均采用上述公式（2）定义纵坐标。
[0085] S12、根据下述公式（3），生成单位映射样条曲面：
[0086]
[0087] 式中， 是单位化的映射样条曲面上的点坐标， 是样条曲面控制顶点坐标，是样条曲面上的横坐标的标号，样条曲面上的横坐标的控制顶点数，是样条曲面上的纵坐标的标号， 样条曲面上的纵坐标的控制顶点数， 和 是伯恩斯坦基函数，其中 和 是映射参数。
[0088] S13、根据下述公式（4），分别建立第一映射模型以及第二映射模型：
[0089]
[0090] 式中， 是原始叶片表面的变化量。
[0091] 需要说明的是，第一映射模型和第二映射模型的数学表达式相同，均采用上述公式（4）建立。
[0092] S2、确定单位样条曲面的设计顶点变量和设计空间，获取样本数据，对样本数据进行初始化，得到更新后的样本数据。
[0093] 可选地，对样本数据进行初始化的方式可以包括采用拉丁超立方抽样方法初始化样本数据。
[0094] 一种可行的实施方式中，分别在吸力面和压力面的映射平面上，横轴布局6个设计变量，纵轴布局3个设计变量，基于离心压气机气动特性，在前后缘及叶顶处设计点布局密，密处相邻设计点之间距离为5%；初始化50个样本点，每一维变量分成50个小区间，每个样本点在小区间内是随机分布的，所选取的50个样本点对任意一个维度投影时，该维度上的每一个小区间内有且仅有一个样本点。
[0095] S3、基于第一映射模型、第二映射模型以及更新后的样本数据，采用预设优化算法，求解第一映射模型以及第二映射模型的非线性方程组的局部特征参数，确定原始叶片表面的变化量。
[0096] 可选地，由于蒙特卡略算法或启发式算法的鲁棒性比较强，因此，预设优化算法可以是蒙特卡略算法或启发式算法。
[0097] 一种可行的实施方式中，建立映射函数与真实叶片数据点的误差模型，数学表达式如下公式（5）：
[0098]
[0099] 式中， 为映射参数， 为映射值与真实值的误差为， 为真实坐标, 是样条曲面控制顶点坐标， 是样条曲面上的横坐标的标号，样条曲面上的横坐标的控制顶点数，是样条曲面上的纵坐标的标号， 样条曲面上的纵坐标的控制顶点数，和 是伯恩斯坦基函数，其中 和 是映射参数。
[0100] 首先，初始化映射参数 ，计算初始差值 ，设定一正数 。再次，在区间 上生成随机数向量 ，计算 。当 ，
， 。若随机生成的多组随机向量仍不满足
，则令 ，如此循环计算，直到 ， ，进
而得到最佳映射参数。
[0101] S4、基于原始叶片表面的变化量，确定新的叶片几何构型。
[0102] 可选地，将原始叶片表面的变化量叠加在原始叶片表面的坐标值上，得到新叶片几何的坐标值，而几何构型就是由点坐标构成的，确定新叶片几何的坐标值后，通过新叶片几何的坐标值确定新的叶片几何构型。
[0103] 一种可行的实施方式中，可以通过下述公式（6）确定新叶片表面的坐标值：
[0104]
[0105] 式中， 是新叶片坐标值， 是原始叶片坐标值， 是原变化量。
[0106] S5、基于预设的网格模板文件，对新的叶片几何构型进行网格划分，生成新的离心压气机叶轮网格模型。
[0107] 一种可行的实施方式中，预设的网格模板文件的相关参数可以是：网格主拓扑采用 ，叶尖间隙拓扑采用 ，网格划分总数为120万，采用FINE/TURBO的Autogrid5模块生成 文件的网格模板。
[0108] S6、对新的离心压气机叶轮网格模型进行额定工况的定常数值模拟计算，得到气动性能。
[0109] 一种可行的实施方式中，采用NUMECA的EURANUS求解器计算三维稳态Reynolds平均Navier‑Stokes方程，得到离心叶轮稳态流场，湍流模型采用‑方程模型，叶轮进口总温度为293K，总压为101325 Pa，进口方向为轴向，出口为平均静压。通过逐渐增大背压，从堵塞点向近喘振点推进计算，得到绝热效率、质量流量和总压比。
[0110] S7、设定额定工况下离心压气机叶片的气动构型优化流程的目标函数和约束条件，基于气动性能，利用单目标粒子群优化算法，对设计顶点的变量进行寻优，得到优化结果。
[0111] 其中，设定离心压气机叶片的绝热效率最大值为额定工况下离心压气机叶片的气动构型优化流程的目标函数，设定总压比不降低为额定工况下离心压气机叶片的气动构型优化流程的约束条件，其中，总压比为离心压气机出口总压力与进口总压力之比。
[0112] 一种可行的实施方式中，基于步骤S6得到的气动性能，利用单目标粒子群优化算法对设计顶点变量进行寻优。
[0113] 本发明实施例设定一种可行的实施方式为：粒子样本数为50，迭代次数为20，粒子群算法寻优流程可以如下：
[0114] 每个粒子的速度和位置的数学定义如下：
[0115]
[0116] 式中，第 代中的每个单独粒子 以公式1中的速度 更新其位置。速度 由公式2可得， 代表先前速度， 代表每个粒子的历史最佳解， 代表整个种群的最佳解， 和 是 中的两个随机数， 和 分别表示向个体历史最优和种群全局最优的学习率，设置为1.49445， 是线性权重自适应系数，数学表达式如下：
[0117]
[0118] 式中， 是迭代次数， 是要进行的最大代数，线性权重自适应系数 随着迭代次数 线性地从0.9下降到0.4。
[0119] S8、判断优化结果是否满足寻优结束条件，如果优化结果不满足寻优结束条件，则基于得到的优化结果更新样本数据，基于更新后的样本数据转去执行S3；如果优化结果满足寻优结束条件，则结束优化流程，根据优化结果确定离心压气机叶片的最佳几何构型。
[0120] 一种可行的实施方式中，寻优结束条件可以根据用户的需求自行设置，例如，可以设定迭代次数达到1000次，也即，当迭代次数达到1000次时，判断寻优流程结束，根据最后一次优化结果确定离心压气机叶片的最佳几何构型。
[0121] 下面对本发明实施例的实施效果进行说明：
[0122] 以上流程只需采用24个设计变量即可实现对离心压气机复杂曲面叶片的全局几何构型寻优，具有较强的通用性，对推动离心压气机叶片气动设计技术的发展有一定的积极意义。
[0123] 采用离心压气机叶片几何构型的额定工况气动设计优化方法有效地提高了离心压气机的气动综合性能，如表1。优化过程中只需少量的设计变量即可实现离心压气机复杂曲面叶片的灵活构型，缩小了设计空间，提高了寻优效率，采用了伯恩斯坦基函数，适合于全局优化，同时几何控制参数上增加了径向约束。
[0124] 表1
[0125]
[0126] 研究结果表明离心压气机主叶片轮毂处叶片通道的低速区减少，逆压梯度降低。分流叶片轮毂处的后弯角增加，做功能力增强。叶片顶端正攻角减少入口气流匹配性得到改善，激波损失降低。优化后气动性能曲线明显整体上移，绝热效率‑流量性能曲线如图3，绝热效率‑总压比性能曲线如图4，气动性能改善较为明显：设计工况的流量增大5.96%，总压比提升0.4%，绝热效率提高+1.1%，喘振裕度提升0.2%。
[0127] 通过应用案例可知，与传统设计优化方法相比，本发明实施例中提出的一种离心压气机额定工况下的叶片构型设计优化方法在寻优过程可有效减少设计变量个数，缩小设计空间，提高优化效率，离心压气机的气动性能有了较大幅度的改善，实现了形性优化的目的，同时验证了该方法的可行性和普适性，具有良好的推广应用价值。
[0128] 本发明实施例中，通过一种离心压气机的叶片构型优化方法，在单目标额定工况下，只需少量的设计变量即可实现离心压气机复杂曲面叶片的灵活构型，缩小了设计空间，提高了寻优效率；采用了伯恩斯坦基函数，宜于全局优化，有利于快速求解出离心压气机复杂曲面叶片几何构型的优化解；几何控制参数上增加了径向约束；同时本发明可以保证叶轮与机匣的相交，有助于提高优化过程中的网格生成率。
[0129] 图5是根据一示例性实施例示出的一种离心压气机额定工况下的叶片构型设计优化装置框图500。参照图5，该装置包括创建模块510、更新模块520、求解模块530、确定模块540、划分模块550、计算模块560、寻优模块570以及判断模块580；其中：
[0130] 创建模块510，用于创建第一映射模型与第二映射模型，所述第一映射模型为原始叶片吸力面与单位样条曲面的映射模型，所述第二映射模型为原始叶片压力面与单位样条曲面的映射模型；
[0131] 更新模块520，用于确定单位样条曲面的设计顶点变量和设计空间，获取样本数据，对所述样本数据进行初始化，得到更新后的样本数据；
[0132] 求解模块530，用于基于所述第一映射模型、第二映射模型以及更新后的样本数据，采用预设优化算法，求解所述第一映射模型以及第二映射模型的非线性方程组的局部特征参数，确定原始叶片表面的变化量；
[0133] 确定模块540，用于基于所述原始叶片表面的变化量，确定新的叶片几何构型；
[0134] 划分模块550，用于基于预设的网格模板文件，对所述新的叶片几何构型进行网格划分，生成新的离心压气机叶轮网格模型；
[0135] 计算模块560，用于对新的离心压气机叶轮网格模型进行额定工况的定常数值模拟计算，得到气动性能；
[0136] 寻优模块570，用于设定额定工况下离心压气机叶片的气动构型优化流程的目标函数和约束条件，基于所述气动性能，利用单目标粒子群优化算法，对设计顶点的变量进行寻优，得到优化结果；
[0137] 判断模块580，用于判断所述优化结果是否满足寻优结束条件，如果所述优化结果不满足寻优结束条件，则基于得到的优化结果更新样本数据，基于更新后的样本数据转去执行S3；如果所述优化结果满足寻优结束条件，则结束优化流程，根据所述优化结果确定离心压气机叶片的最佳几何构型。
[0138] 可选地，所述创建模块510，用于：
[0139] 对原始叶片吸力面和压力面的几何型线进行单位化，生成单位化的映射样条曲面，建立第一映射模型和第二映射模型。
[0140] 可选地，所述第一映射模型和所述第二映射模型的建立过程相同，采用的参数值不同；
[0141] 所述创建模块510，用于：
[0142] S11、根据下述公式（1）定义横坐标，根据下述公式（2）定义纵坐标，分别对原始叶片吸力面和原始叶片压力面的几何型线进行单位化：
[0143]
[0144] 式中， 是型线单位化后的横坐标，是型线上弧长段号，是型线标号， 是第段弧长， 是第 条型线；
[0145]
[0146] 式中， 是型线单位化后的纵坐标 是型线上弧长段号，是型线标号， 是第段弧长，而 第条型线；
[0147] S12、根据下述公式（3），生成单位化的映射样条曲面：
[0148]
[0149] 式中， 是单位化的映射样条曲面上的点坐标， 是样条曲面控制顶点坐标，是样条曲面上的横坐标的标号，样条曲面上的横坐标的控制顶点数，是样条曲面上的纵坐标的标号， 样条曲面上的纵坐标的控制顶点数， 和 是伯恩斯坦基函数，其中 和 是映射参数；
[0150] S13、根据下述公式（4），分别建立第一映射模型以及第二映射模型：
[0151]
[0152] 其中， 是原始叶片表面的变化量。
[0153] 可选地，所述预设优化算法包括蒙特卡略算法或启发式算法。
[0154] 可选地，所述确定模块540，用于：
[0155] 将所述原始叶片表面的变化量叠加在原始叶片表面的坐标值上，确定新叶片表面的坐标值，进而确定新的叶片几何构型。
[0156] 可选地，所述寻优模块570，用于：
[0157] 设定离心压气机叶片的绝热效率最大值为额定工况下离心压气机叶片的气动构型优化流程的目标函数，设定总压比不降低为额定工况下离心压气机叶片的气动构型优化流程的约束条件，其中，所述总压比为离心压气机出口总压力与进口总压力之比。
[0158] 本发明实施例中，通过一种离心压气机的叶片构型优化方法，在单目标额定工况下，只需少量的设计变量即可实现离心压气机复杂曲面叶片的灵活构型，缩小了设计空间，提高了寻优效率；采用了伯恩斯坦基函数，宜于全局优化，有利于快速求解出离心压气机复杂曲面叶片几何构型的优化解；几何控制参数上增加了径向约束；同时本发明可以保证叶轮与机匣的相交，有助于提高优化过程中的网格生成率。
[0159] 图6是本发明实施例提供的一种电子设备600的结构示意图，该电子设备600可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器（central processing units，CPU）601和一个或一个以上的存储器602，其中，所述存储器602中存储有至少一条指令，所述至少一条指令由所述处理器601加载并执行以实现上述离心压气机额定工况下的叶片构型设计优化方法的步骤。
[0160] 在示例性实施例中，还提供了一种计算机可读存储介质，例如包括指令的存储器，上述指令可由终端中的处理器执行以完成上述离心压气机额定工况下的叶片构型设计优化方法。例如，所述计算机可读存储介质可以是ROM、随机存取存储器（RAM）、CD‑ROM、磁带、软盘和光数据存储设备等。
[0161] 本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
[0162] 以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
