一种基于SVR与NSGA-Ⅱ的柱面气膜密封多目标优化方法

本发明涉及一种基于svr与nsga-ⅱ的柱面气膜密封多目标优化方法，属于机械密封优化设计。

背景技术：

1、随着航空发动机及高压氢气透平机械向着高转速、高压比和高推重比方向发展，转子系统的封严性能已成为制约整机效率与寿命的关键因素。研究表明，改进密封系统可使发动机耗油率降低1%~2%，推力提升约9.7%。在众多非接触式密封技术中，柱面气膜密封因其对轴向跳动不敏感、径向柔性高以及功耗低等优点，在航空发动机及超临界流体机械领域展现出广阔的应用前景。

2、柱面气膜密封的性能主要由微间隙流场决定，而开设在旋转环或轴套表面的微槽结构是产生动压效应的关键。密封性能通常通过三个核心指标评价：浮升力反映气膜的承载能力，直接决定密封面能否维持稳定非接触状态；泄漏量表征密封的阻漏能力，关乎密封系统的介质损耗；摩擦力则体现密封运行过程中的能量损失与摩擦磨损特性。然而，这三个性能参数之间往往存在相互制约：增大浮升力通常伴随泄漏量的上升，而追求低泄漏可能以牺牲气膜刚度为代价，同时摩擦力与二者之间存在复杂的耦合关系。

3、目前，针对柱面气膜密封多性能指标的协调优化问题，国内外学者开展了大量研究，但仍存在以下技术不足：

4、（1）多目标优化通常需要大量调用高精度数值模型，而基于有限差分法或计算流体动力学的流场求解计算成本高昂，难以直接嵌入迭代优化过程。为缓解计算负担，研究者常采用代理模型替代原数值模型，但常用的多项式响应面或径向基函数在处理槽型参数与密封性能间强非线性关系时，拟合精度有限。

5、（2）现有优化目标多集中于浮升力与泄漏量的权衡，尽管部分研究已将摩擦功耗纳入优化框架，但针对浮升力、泄漏量、摩擦力三者的系统优化研究仍相对缺乏，特别是三个目标间复杂的权衡关系尚未得到有效解决。

6、因此，亟需开发一种配备防护罩、能够实现单面精密打磨、有效控制变形，且可根据板材情况独立运行、并联布置以提高整体效率的自动化打磨设备。

技术实现思路

1、本发明的目的在于提供一种基于svr与nsga-ⅱ的柱面气膜密封多目标优化方法，旨在解决现有技术中柱面气膜密封优化设计难以兼顾浮升力、泄漏量与摩擦力三项性能指标、高精度数值模拟计算成本高以及代理模型拟合精度不足的技术问题。

2、为实现上述目的，本发明的技术方案是：一种基于svr与nsga-ⅱ的柱面气膜密封多目标优化方法，包括以下步骤：

3、步骤1：设计变量和多目标函数，构建柱面气膜密封结构参数优化模型；

4、步骤2：采用正交法设计获取初始样本点，并对所述初始样本点进行有限元分析，生成输入/输出数据集；

5、步骤3：基于所述输入/输出数据集建立结构参数与浮升力、泄漏量、摩擦力之间的svr代理模型并进行精度判定；

6、步骤4：采用nsga-ⅱ算法进行多目标优化，并将满足精度的svr代理模型作为nsga-ⅱ算法的目标函数，获得pareto前沿最优解集；

7、步骤5：设定各优化目标的权重，采用逼近理想解排序法对所述pareto前沿最优解集进行多方案决策，选取综合性能最优的结构参数组合；

8、步骤6：将所述最优的结构参数组合输入至所述柱面气膜密封结构参数优化模型，得到多目标优化结果。

9、可选地，所述设计变量具体为：

10、

11、其中，为设计的变量，为槽长，为槽深，为平均气膜厚度；，分别为槽长的上下限；，分别为槽深的上下限；，分别为平均气膜厚度的上下限。

12、可选地，所述多目标函数表示为最小化形式，表达式为：

13、其中，为多目标函数，为浮升力，为泄漏量，为摩擦力。

14、可选地，所述步骤2具体为：

15、设计槽长、槽深、平均气膜厚度，共计3个变量，每个变量取4个水平，共16组试验点；

16、设计五种压差，得到扩充后的80个试验点；

17、将获得的80个试验点带入到有限元分析计算与计算流体动力学仿真分析中，获得80个试验点对应的目标函数响应值，所有试验点和对应的函数响应值构成输入/输出数据集。

18、可选地，所述步骤3具体为：

19、采用径向基核函数作为svr代理模型，表达式为：

20、

21、其中，表示样本点与样本点之间的核函数值，为核参数；

22、将输入/输出数据集中设计的变量作为svr代理模型的输入，以浮升力、泄漏量、摩擦力作为输出，分别建立三个独立的svr代理模型；

23、采用决定系数r2和相对平均绝对误差mare评估模型精度，当r2>0.95且mare<5%时判定svr代理模型精度满足要求。

24、可选地，所述步骤4具体为：

25、步骤4.1：联立svr代理模型和nsga-ⅱ算法，并将svr代理模型的预测值作为nsga-ⅱ算法对应的目标函数值；

26、步骤4.2：初始化种群；

27、步骤4.3：执行快速非支配排序，将初始化种群个体划分为不同的pareto前沿层级；

28、步骤4.4：计算初始化种群不同前沿个体拥挤度距离，并优先选择拥挤度大的个体，如果两个个体的拥挤度距离的差值小于预设阈值时，则选择pareto前沿中目标函数值较小的个体；

29、步骤4.5：引入精英保留策略生成父代种群，具体为：将初始化种群中的所有个体按照层级从低到高放入种群p中，直到不能将某一层级中的全部个体放入种群p；对当前层级的个体根据拥挤距离从大到小排列，依次放入种群p中，直至种群p被填满，填满后的种群p为父代种群；

30、步骤4.6：父代种群通过适应度选择、交叉和变异生成子代种群，子代种群与父代种群数目相同；将父代种群和其产生的子代种群合并，并用合并种群重新生成新的子代种群；其中，新的子代种群数目为合并种群的一半；

31、步骤4.7：当迭代次数达到最大迭代次数时，输出pareto前沿最优解集。

32、可选地，所述采用逼近理想解排序法对所述pareto前沿最优解集进行多方案决策具体为：

33、首先，对pareto前沿最优解集中的目标函数值进行标准化处理，消除量纲影响；

34、然后，计算各解与正理想解和负理想解的欧氏距离；

35、最后，计算各解相对贴近度，选取相对贴近度最大的参数组合作为最优设计变量方案。

36、可选地，所述计算各解相对贴近度具体为：

37、

38、其中，表示第i个解与最大值的欧氏距离，并作为第一距离；表示第i个解与最小值的欧氏距离，并作为第二距离，表示第i个解的相对贴近度，rij为pareto前沿最优解集中第i个解的第j个目标值标准化后的结果；rj+表示第j个指标在所有解中的最大值；rj-表示第j个指标在所有解中的最小值，表示目标函数的个数。

39、本发明的有益效果是：

40、1.本发明通过svr代理模型替代高保真数值模拟，将单次性能评估时间从分钟级降低至毫秒级，大幅减少了对高保真数值模型的调用次数，显著降低了计算成本。

41、2.本发明首次将浮升力、泄漏量和摩擦力三个相互制约的性能指标纳入统一的优化框架，实现了三目标协同优化，成功打破了传统设计中浮升力与泄漏量相互制约的瓶颈。

42、3.本发明的svr代理模型采用径向基核函数，能够有效处理小样本、高维参数空间下的非线性映射问题，决定系数可达0.95以上，代理模型精度高。

43、4.本发明采用的nsga-ⅱ算法采用快速非支配排序、拥挤度距离计算和精英保留策略，获得分布均匀的pareto前沿，全局优化能力强。

44、5.本发明优化得到的结构参数位于约束边界内部，便于实际加工与装配，通过熵权法-topsis决策机制提高了工程选型的科学性，工程实用性好。