买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉福州大学申请的专利一种基于湍流拟序调控的空压机叶轮多目标优化方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119808308B 。

龙图腾网通过国家知识产权局官网在2025-12-30发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411892401.2，技术领域涉及：G06F30/17；该发明授权一种基于湍流拟序调控的空压机叶轮多目标优化方法是由王亚雄;杨新荣;张志宏;欧凯设计研发完成，并于2024-12-20向国家知识产权局提交的专利申请。

本一种基于湍流拟序调控的空压机叶轮多目标优化方法在说明书摘要公布了：本发明提供一种基于湍流拟序调控的空压机叶轮多目标优化方法，涉及燃料电池汽车用空气压缩机领域，所述优化方法的优化目标为等熵效率和最大湍流动能，优化参数为叶片入口安装角β1A、叶顶间隙Cc、叶片出口宽度bc、叶片出口安装角β2A。所述优化方法使用拉丁超立方抽样方法获取若干组叶轮结构的数据点，根据数据点调整叶轮参数，建立三维模型。所述优化方法将三维模型进行CFD仿真分析，获得各个空压机对应的等熵效率和叶轮内最大湍流动能，将优化参数数据点和对应的等熵效率和最大湍流动能设为一个训练样本，构建包含多个训练样本的样本集。使用所述样本集通过神经网络拟合构建代理模型，使用多目标遗传算法，对代理模型进行多目标优化，获取帕累托前沿解集，根据实际需求选择所需的最优解。

本发明授权一种基于湍流拟序调控的空压机叶轮多目标优化方法在权利要求书中公布了：1.一种基于湍流拟序调控的空压机叶轮多目标优化方法，其特征在于，包括以下步骤： 步骤S1、构建空压机初始模型，对所述空压机初始模型进行CFD仿真分析，获取所述初始模型流场； 步骤S2、通过Q准则提取所述流场中的湍流拟序结构，分析所述湍流拟序结构对等熵效率和最大湍流动能的影响，确定优化参数以及取值区间； 步骤S3、使用拉丁超立方抽样方法获取关于每个优化参数的若干数据点，根据所有数据点建立三维模型；将所有三维模型进行CFD仿真分析，获得对应的等熵效率和最大湍流动能，将优化参数数据点和对应的等熵效率和最大湍流动能设为一个训练样本，得到包含多个训练样本的样本集； 步骤S4、对叶轮几何模型进行参数优化，优化包括以下步骤：S41、基于所述样本集，使用神经网络拟合构建代理模型；S42、联合多目标遗传算法，对代理模型进行多目标优化，获取帕累托前沿解集，根据实际需求选择所需的最优解； 在所述步骤S2中，Q准则定义式如下所示： 式中，Ω为旋转张量；S为应变率张量；Q为涡量； 在所述步骤S2中，湍流拟序结构是指流场中无规律流动中的有序结构，其在空压机中的表现形式为分离涡、泄漏涡、尾迹涡； 在所述步骤S41中，将样本集使用神经网络工具箱进行拟合训练，步骤如下：S411、以优化参数组合为自变量，等熵效率和最大湍流动能为因变量，将数据导入到神经网络工具箱内；S412、设置训练数据、测试数据占比，设置隐含神经元数量；S413、训练得出空压机优化参数与等熵效率和最大湍流动能的代理模型，采用回归直线斜率R为代理模型精度评价指标； 在所述步骤S42中，使用多目标遗传算法进行优化，优化步骤如下：S421、将叶片入口安装角β1A、叶顶间隙Cc、叶片出口宽度bc和叶片出口安装角β2A作为优化变量，代理模型作为适应度函数；S422、设置优化变量的约束条件；S423、设置种群大小、最优前端个体系数、迭代次数、适应度函数值偏差、交叉和变异的概率；S424、基于优化参数、适应度函数的约束条件，建立多目标优化的数学模型；S425、采用多目标遗传算法对数学模型进行寻优，在得出的帕累托前沿里面选择最优解； 在所述S424中，数学模型如下式所示： 式中，f1x为空压机等熵效率；f2x为空压机最大湍流动能；β1A为叶片入口安装角；Cc为叶顶间隙；bc为叶片出口宽度；β2A为叶片出口安装角；β1A1和β1A2分别为叶片入口安装角取值的最小和最大值，Cc1和Cc2分别为叶顶间隙取值的最小和最大值，bc1和bc2分别为叶片出口宽度取值的最小和最大值，β2A1和β2A2分别为叶片出口安装角取值的最小和最大值。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人福州大学，其通讯地址为：350108 福建省福州市闽侯县福州大学城乌龙江北大道2号福州大学；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。