作者简介：樊会元，男，1961年11月出生，1996年02月师从于西安交通大学王尚锦教授，于2000年04月获博士学位。摘　要
离心压缩机中的静止叶栅（包括叶片扩压器，回流器等）作为气流能量转换的主要元件，其中亦不可避免的存在有效能量的损失。以单机离心压缩机为例，目前我国设计和生产的机器，其整机效率的期望值为83左右，但研究表明叶轮的效率则可高达90以上。由此可见，静止件中的能量损失导致整级效率下降7之多。对压缩机来说，这是一个可观的能量损失比例。长期以来，人们在对离心压缩机中的主要部件－叶轮投注大量精力进行研究的同时，对其配套的静止叶栅的研究却极为有限。随着对节能型压缩机日益增高的性能需要，人们不得不把目光逐步投向静止叶栅的研究，以期挖掘其可能存在的节能潜力，希望由此提高机组的整体运行效率。如何设计出具有最小能量损失的高效离心压缩机静止叶栅，是摆在离心压缩机研究者人们面前的一个越来越紧迫的任务。
近年来得到快速发展的遗传算法，是一类模拟达尔文自然进化论的仿生随机优化方法。遗传算法着眼于从一组（种群）潜在解（个体）中寻找问题的最好解。通过在这一组当前潜在解之间进行一定的遗传操作，如选择，杂交和变异，便有望产生更好的解。这一过程反复进行，直至找到一个可以被接受的解。遗传算法较之其它搜索技术具有许多优越性。这些优越性包括：1）鲁棒性。遗传算法在计算上简单，搜索有效，且无须对搜索空间附加限制性假定。2）固有并行性。遗传算法通过一组解，而非单个解进行搜索，因此具有固有的并行性。3）全局性。遗传算法在搜索过程中使用随机操作，可以探测更广的搜索空间，因而最有希望获得全局最优解。
本学位论文将遗传算法引入离心压缩机静止叶栅的优化设计，首次对遗传算法在这一领域内应用进行了深入而系统的发展和研究。论文的工作及所获得的结果广泛而有明确工程应用价值。主要工作有：
1．基于叶栅优化问题的复杂性考虑，首次对现有标准遗传算法进行了改进，以更有效求解这些问题。提出了三个改进型遗传算法，即对偶适应性遗传算法，方向进化遗传算法和概率二值搜索遗传算法。在对偶适应性遗传算法中，提出了一个待优化目标函数的对偶函数，将该对偶函数巧妙的结合进标准遗传算法，从而使遗传算法可以自适应地进行变异运算，提高算法获得全局最优解的能力。在方向进化遗传算法中，提出一个新的遗传算子，方向进化算子。该算子以个体的祖父代和父代的进化趋势指导子代的个体变异，可以使新解以最大概率在最优区域产生。在概率二值搜索遗传算法中，提出对个体基因二值位在遗传进化中的表现进行统计记录，以此记录为指导产生若干新鲜解补入种群，以改良种群质量。三个新算法与标准遗传进行的数值实验和设计实例对比显示了新算法对遗传算法收敛性的改进是十分可观的（参见fan,xi,wang,inverseproblemsinengineering,2000）。
2．论文首次系统提出静止叶栅遗传算法设计理论和设计模型（参见fan,journalofpowerandenergy,proc.itn.mech.engrs,1998）。在设计模型中，以改进型遗传算法为基础，探索了气动叶栅设计中遗传算子的选取及运算规律，提出了适合遗传算法操作的叶栅个体参数化技术和相应的基因编码方法。与此同时，在设计模型中，还尝试将遗传算法与人工神经网络进行结合，提出在遗传算法叶栅设计方法中加入一个前馈人工神经网络策略，用于完成对已知叶片外形的流动分析，从而减少算法中实际cfd分析程序计算个体适应值的时间，缩短遗传算法进化周期。另外，首次提出直接受用前

[1] [2] [3] [4] [5] [6] [7] 下一页