基于混合智能算法的涡旋压缩机优化设计

邵 兵

(兰州理工大学机电工程学院，甘肃 兰州 730050)

0 引言

涡旋压缩机动静涡旋盘的基本参数直接影响着压缩机的工作性能。因此，优化涡旋盘的性能参数，使参数取值更加合理，对于提高能效比、节约资源、提高压缩机运转效率具有重要的意义。传统优化设计方法对提高涡旋压缩机的设计水平和改进设备的设计方案做出了极大贡献。但是，传统的优化设计中约束优化方法的研究还不完善和深入，普遍存在被优化函数形式复杂、求解困难、收敛速度较慢等缺点，并且对于维数较高的优化问题或约束条件的数目较多时，往往得出伪优点。

近年来，一类基于生物学的计算智能方法如遗传算法(GA)、蚁群算法(ACA)、粒子群算法(PSO)等，在解决复杂的非线性优化问题中显出明显的优势，国内外已有不少学者将这一方法应用到涡旋压缩机的优化设计中，并取得了一些成果，其中遗传算法和粒子群算法是应用较多的2种方法。遗传算法因其不依赖于问题的具体形式且具有快速随机的全局搜索能力，适宜于传统方法难以求解的问题，然而由于对系统中的反馈信息利用不足，往往做大量无用的冗余迭代，求解效率低。蚁群算法虽然具有分布式并行全局搜索能力，但是在解决大型优化问题时，存在搜索空间和时间性能上的矛盾、易过早收敛于非全局最优解，以及计算时间过长等弱点。

鉴于此，本文将遗传算法中的进化思想和蚁群算法中的群体智能技术有效的耦合起来，运用混合遗传蚁群优化算法对涡旋压缩机的性能参数进行优化，并进行了实例计算，结果表明，该算法具有良好的性能，取得了令人满意的效果。……