Multiobjective optimization of the semi-open impeller in a centrifugal pump by a multilevel method

• Autorzy: Papierski A. , Błaszczyk A.

Warianty tytułu

PL

Wielokryterialna optymalizacja półotwartego wirnika odśrodkowej pompy metodą wielopoziomową

• Języki publikacji: PL

Abstrakty

PL

Pełne zadanie optymalizacyjne dla przypadku półotwartego wirnika wymaga z łopatkami o pojedynczej krzywiźnie wymaga opisania jego geometrii za pomocą co najmniej 18 zmiennymi decyzyjnymi, a w przypadku niezmiennego przekroju merydionalnego potrzeba co najmniej 8 zmiennych decyzyjnych. Czas rozwiązania zadania o tak wielkim wymiarze wektora zmiennych decyzyjnych jest bardzo duży. Jednym ze sposobów rozwiązania zadań z dużą ilością zmiennych decyzyjnych jest systemowe podejście do zagadnienia polegające na podziale problemu na mniejsze części. Po zdekomponowaniu problemu optymalizacyjnego należy wybrać metodę rozwiązania zadania. Jedną z takich metod jest metoda optymalizacji parametrycznej, która jest dwuetapową metodą minimalizacji (maksymalizacji). Optymalizacja ta polega na tym, że dokonujemy jej na dwóch poziomach. Na poziomie dolnym przeprowadza się wielokrotną optymalizację zdekomponowanych części problemu względem ich zmiennych decyzyjnych. Wynik optymalizacji na poziomie dolnym jest wykorzystywany na poziomie górnym, zwanym koordynacyjnym, do znajdowania optymalnych wartości zmiennych koordynacyjnych. Wykazano, że wynik optymalizacji wielopoziomowej i pełnego zadania optymalizacji jest taki sam w granicach przyjętej dokładności obliczeń funkcji celu. Czas obliczeń zadania optymalizacji wielopoziomowej jest ponad czterokrotnie mniejszy niż zadania niezdekompowanego.

EN

The complete optimization task for the case of the semi-open impeller with straight blades requires description of its geometry by means of, at least, eighteen design variables. In the case of constant meridional cross-section, required are at least eight design variables. Solution of the task with such a great vector of design variables requires much more time. One of the ways to obtain solutions with great variety of design variables is a comprehensive approach to the task including on the partition into minor subtasks. After decomposing the optimization task, one should choose a procedure for solving it. One of such procedures is parametric optimization, which is a two-stage minimization (maximization) method. This optimization is carried out in two levels. On the lower level, the multi-optimization of the decomposed parts of the tasks, depending on design variables, is being held. The solution of the lower level is used in the upper level (coordinating level) to find optimal coordination variables. It has been shown that the result of multi-level optimization and the whole task optimization is the same in limits of accepted accuracy of calculation of the objective functions. Time of the calculation for the multilevel optimization task is over four times shorter than the time of the undecomposed task.

Słowa kluczowe

EN

semi-open impeller; multilevel optimization

• Wydawca: Polskie Towarzystwo Mechaniki Teoretycznej i Stosowanej
• Czasopismo: Journal of Theoretical and Applied Mechanics
• Rocznik: 2011
• Tom: Vol. 49 nr 2
• Strony: 327--341
• Opis fizyczny: Bibliogr. 16 poz., rys.

Twórcy

autor

Papierski A.

autor

Błaszczyk A.

• Technical University of Lodz, Institute of Turbomachinery, Łódź, Poland,

Bibliografia

• 1. AIAA, 1998, Guide for the verification and validation of computational fluid dynamics simulations, AIAA-G-077-1998, American Institute of Aeronautics d Astronautics, Reston, VA, USA
• 2. ANSYS, 2007, Inc., ANSYS-CFX Release 11.0 Canonsburg, PA, USA
• 3. Arabas J., 2001, Wykłady z algorytmów ewolucyjnych, WNT Warszawa
• 4. Choi T., Gilmore P., Eslinger O.J., Kelley C.T., Gablonsky J., 1999, Iffco: Implicit filtering for constrained optimization, version 2, Technical Report CRSC-TR99-23, North Carolina State University, Center for Research in Scientific Computation
• 5. Carroll D.L., 2001, Fortran genetic algorithm (GA) driver version 1.7.1a, Url: http://cuaerospace.com/carroll/ga.html
• 6. Findeisen W., Szymanowski J., Wierzbicki A., 1980, Teoria i metody obliczeniowe optymalizacji, PWN Warszawa
• 7. Gulich J.F., 2008, Centrifugal Pumps, Springer Berlin-Heidelberg-New York
• 8. Harinck J., Alsalihi Z., Van Buytenen J.P., Van den Braembussche R.A., 2005, Optimization of a 3D radial turbine by means of an improved genetic algorithm, Proceedings of European Turbomachinery Conference, Lille
• 9. Kelley C.T., 1999, Iterative Methods for Optimization, SIAM, Philadelphia
• 10. Michalewicz Z., 1996, Genetic Algorithms + Data Structures = Evolution, Springer-Verlag
• 11. Ostwald M., 2003, Podstawy optymalizacji konstrukcji, Wydawnictwo Politechniki Poznańskiej, Poznań
• 12. Papierski A., 2008, Shape optimization of semi-open impeller for the low specific speed centrifugal pump, XVIII KKMP, Jastrzębia Gora
• 13. Papierski A., Błaszczyk A., 2010, Procedury optymalizacji w metodzie projektowania połotwartych wirnikow pomp odśrodkowych, Pompy Pompownie, 136, 38-43
• 14. Papierski A., Błaszczyk A., Staniszewski J., 2005, Nowoczesna metoda projektowania pomp, VII Konferencja Problemy Badawcze Energetyki Cieplnej, Politechnika Warszawska, Prace Naukowe Konferencje z. 24, Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa
• 15. Papierski A., Martyna M., Najdecki S., 2005, Calculations of the flow in a semi-open impeller of the low specific speed centrifugal pump, International Symposium SYMKOM’05. Compresor and Turbine Flow Systems. Theory and Applications Areas, Zeszyty Naukowe Politechniki Łodzkiej, CMP-Turbomachinery IMP PŁ, 128
• 16. Thevenin D., Janiga G., 2008, Optimization and Computational Fluid Dynamics, Springer-Verlag