主办：陕西省汽车工程学会
ISSN 1671-7988  CN 61-1394/TH
创刊：1976年
汽车实用技术

汽车实用技术 ›› 2025, Vol. 50 ›› Issue (2): 56-62.DOI: 10.16638/j.cnki.1671-7988.2025.002.011

• 设计研究 • 上一篇    

BP 神经网络在离心压缩机叶轮优化中的应用

董志强，于根亮，董逸飞，陈义恒   

  1. 太原科技大学 车辆与交通工程学院
  • 发布日期:2025-01-25
  • 通讯作者: 董志强
  • 作者简介:董志强（1976－），男，博士，副教授，研究方向为车辆零部件研发与能耗管控，E-mail:dongzhiqiang@tyust.edu.cn
  • 基金资助:
    国家青年科学基金（52302475）；山西省基础研究计划资助项目（2022203021221152）

The Application of BP Neural Network in the Optimization of Centrifugal Compressor Impellers

DONG Zhiqiang, YU Genliang, DONG Yifei, CHEN Yiheng   

  1. College of Vehicle and Traffic Engineering, Taiyuan University of Science and Technology
  • Published:2025-01-25
  • Contact: DONG Zhiqiang

PDF

摘要： 为了提高离心式压缩机叶轮设计效率并降低计算资源消耗，针对遗传算法优化中计算 量大、效率低的问题，提出基于改进粒子群优化算法（IPSO）优化 BP 神经网络的方法。通 过少量计算流体动力学（CFD）仿真样本，训练 BP 神经网络建立效率与叶轮参数的映射关系， 结合 IPSO 优化其参数，同时利用遗传算法（GA）确定叶轮的最佳性能参数。研究表明，改 进的 IPSO 算法通过增强粒子群的动态适应性和全局搜索能力，提高了 BP 神经网络的预测精 度和优化效率。优化后的叶轮等熵效率提高 1.34%，多变效率提高 1.04%，流量增加 10.4%。 该方法显著提升了离心式压缩机叶轮的设计效率和性能，为复杂流体机械的优化设计提供了 新思路。

关键词: 离心式压缩机；CFD 仿真；叶轮参数优化；BP 神经网络；遗传算法

Abstract: To enhance the design efficiency of centrifugal compressor impellers and reduce computational resource consumption, a method combining improved particle swarm optimization (IPSO) and BP neural networks is proposed. A limited number of computational fluid dynamics (CFD) simulation samples are used to train the BP neural network, creating a mapping between impeller parameters and efficiency. IPSO is applied to optimize the network's parameters, and genetic algorithms (GA) are employ to identify the optimal performance parameters. Results show that the IPSO algorithm improved the network's prediction accuracy and optimization efficiency by enhancing adaptability and global search capability. The optimized impeller achieves a 1.34% increase in isentropic efficiency, a 1.04% increase in polytropic efficiency, and a 10.4% rise in flow

Key words: centrifugal compressor; CFD Simulation; impeller parameter optimization; BP neural network; genetic algorithm