【壓縮機網】近日，西安交通大學席光教授課題組成功將人工智能三維圖像識別技術應用于離心壓縮機的優化工作中，并與沈陽鼓風機集團股份有限公司合作完成了國際上首個完全三維離心葉輪的優化設計及試驗驗證工作。該全三維葉輪造型包括了自由曲面主葉片、非一致分流葉片以及非軸對稱輪盤面，在人工智能技術的支持下，優化總控制參數的數量高達114個，實現了對離心葉輪流道氣動型面更加全面地精細化控制。經試驗驗證，相較于原型葉輪，在設計轉速下最高效率提升達3%以上，驗證了新發展的優化設計方法具有重要的工程應用價值。

　　

　　三維模型圖

　　

　　實驗裝置圖

　　離心壓縮機廣泛應用于石油化工、航空發動機、渦輪增壓器等眾多領域，對于提高其節能及安全運行水平一直是流體機械裝備研究的熱點問題。近年來，隨著計算機技術、信息技術以及計算流體力學的快速發展，基于人工神經網絡、遺傳算法等代理模型的離心壓縮機優化設計理論與方法得到了快速發展并在工程中應用。但是，目前普遍采用的優化理論及算法，將復雜的物理流動現象視為黑箱，對優化的控制變量與氣動宏觀性能進行單一的關聯，模型的預測精度過度依賴樣本的數量且無法預測葉輪完整的全工況性能曲線，當這類方法處理優化變量數量超過40個以上后，優化的效能與作用大大下降。

　　席光教授課題組根據離心壓縮機內部流場具有非結構化、高度復雜、數據量巨大的特征，提出了采用基于點云識別的三維視覺理論框架體系進行流場數據的識別與處理。在新發展的優化設計系統中，應用計算機3D視覺領域的成果RandLA-Net構建了流場信息編碼器RandLA-encoder，該方法采用隨機采樣（Random Samples,RS）結合擴張殘差模塊（DRB）提取點云中數據的信息，數據處理能力提升了2個數量級，使幾十萬點規模的點云學習成為可能，也為構建全三維、全工況、多參數、多目標的壓縮機氣動優化方法奠定了理論與技術基礎。

　　課題組基于RandLA-encoder的ANN子模型訓練框架建立的離心葉輪全三維優化平臺，實現了包含自由曲面葉片、非一致分流葉片和非軸對稱輪盤面的全三維離心葉輪自動化優化方案，總控制參數可達127個，理論成果已在美國機械工程師會刊《Journal of Turbomachinery》,2022年第9期發表，西安交大博士研究生姬成為第一作者，王志恒副教授為第二作者，席光教授為聯系作者。

　　

　　不同葉高處馬赫數云圖

　　

　　試驗性能對比

　　本次優化設計及實驗驗證工作是對人工智能輔助支持的離心葉輪全三維優化方法的初次驗證，試驗件的加工由沈鼓完成，試驗測試在西安交大-沈鼓研究院800kW試驗臺上進行。優化所使用的原型葉輪是經過試驗驗證的大流量系數高性能離心壓氣機模型級，包括進出口管路、葉輪、無葉擴壓器及蝸殼，原型葉輪在設計轉速下壓縮機整機級效率可達83%。在對離心葉輪進行全三維優化后，在保持壓比不低于原型級的情況下，設計轉速下的最高級效率提升至86%。這一結果充分表明了基于人工智能輔助的全三維設計優化體系的優越性以及潛在價值。

　　本次的研究工作也是國際上首次系統地完成具有全三維造型的離心葉輪的氣動設計優化及試驗驗證工作，表明我國的研究團隊已經有能力將更加靈活、魯棒及上限更高的優化方法應用于工程實際，提高各種設計條件下產品的國際競爭力。