基于遗传算法的中冷器的设计方法

1、基于遗传算法的空空中冷器设计方法研究所投刊社及刊社评论 | 作者个人资料 投票0条评论 收藏 推荐本文 博客引用 作者:苏石川1 曾纬1 周怀南2 所属分类: 动力工程所投刊社及刊社评语动力工程双月刊 评语: 窗体顶端暂无评语 窗体底端正文 字体大小：大 中 小基于遗传算法的空空中冷器设计方法研究 苏石川1 曾纬1 周怀南2 （1. 江苏科技大学 机械与动力工程学院，镇江 212003) （2. 扬州通顺散热器有限公司，扬州） 摘要：选择某增压柴油机空空中冷器为对象，应用遗传算法对其进行优化设计，提出了快速获取中冷器最优化芯体结构的方法。通过风洞实验与实机验证研究发现，该优化计算的结果与实验结

2、果吻合良好，计算与试验结果表明使用该方法设计的中冷器，在保证低于最高阻力损失0.08bar下，其传热系数最大可提高19.3%。在中冷器的设计方面具有明显的优点，为同类紧密型换热器的产品优化设计提供了参考。 关键词：中冷器；遗传算法；最优结构 中图分类号：TK423 文件标识码：A Using the Genetic Algorithm to Investigate the Design Method of the Vehicle Used Intercooler Su Shichuan1，Zeng Wei1，zhouhuainan2 (1.College of Machine and Powe

3、r engineering , Jiangsu University of Science and Technology, Zhenjiang 212003, China ) (2. Yangzhou Tongshun Radiator Ltd. Co.) Abstract: Using genetic algorithm to optimize the vehicle used intercooler, obtaining the method of gaining optimum core configuration of the intercooler fleetly. The cool

4、ing capacity of intercooler designed by this method may enhance 19.3, and the pressure drop is less than 0.08bar, the results of tunnel test and the diesel engine running test are well agreement with the calculation. The method has many visible advantages and supplies the valuable references to the

5、optimal design of intercooler. Key Words: Intercooler; Genetic Algorithm; Optimum Configuration 引言 目前，增压柴油机已成为基本机型。增压中冷已成为提高柴油机性能的重要手段，它能降低增压后的空气温度，增加柴油机的循环进气量，提高发动机的经济性，节省能源，降低排放。目前中冷器设计一般是通过从计算到实验、再指导计算的反复循环来实现的，设计周期长，需要消耗大量的人力、物力。遗传算法是一种自适应全局优化概率搜索算法，不受搜索空间的限制性假设的约束，对复杂系统的优化具有较强的鲁棒性1，将遗传算法引入中冷器设计

6、之后，可以迅速的找到最优值，极大的缩短设计周期，降低设计成本。 1.模型 1.1 中冷器设计计算模型 对于中冷器，散热能力强，阻力损失小是最理想的效果。因此,中冷器的计算模型是以长、宽、高（LWH）有限空间范围和最大阻力损失为约束条件，以传热系数、阻力损失和散热面积为计算对象的多目标函数2。传热系数的计算以热平衡为基础，以下为其计算模型3： =c(I-o)； （1） C=CC(CO-CI)； （2） =C； （3） 其中，C ， 为冷热侧的换热量，两者和总换热量相等，C， 为冷热侧的质量流量， 为定压热容，为温度。由计算可得以下传热系数方程4： K=f(,d, C，Rn，A) （4） K=1/

7、（1/hb+Rn+Ab/（hw*Aw） （5） 阻力损失方程为： P=f(, d, l) （6） P=*2*（C1*L/（ReC2*D）+C3） （7） （4）至（7）式中K为中冷器传热系数，为流体流速，d为特征长度，L为芯部长度，为材料热导率，为动力粘度，为密度，C为定压热容，Rn为各种热阻，A为散热面积，hb和hw为热、冷侧的换热系数，C1，C2，C3为不同努谢尔特数下的常量。其中，散热面积和特征长度主要由中冷器通道数N，翅片的个数M和尺寸（包括翅片长度l、宽度w、高度h），以及 中冷器的芯部尺寸(长度L，宽W，高H)定的。 A=f(N，M，L，W，H，l，w，h) （8） 因此，优化设计

8、的目标函数为： K=max f(,d, C，Rn，A) （9） A=f(N，M，L，W，H， l， w，h) （10） 其约束条件为： P= f(, d, l)Pmax （11） LminLLmax （12） WminWWmax （13） HminHHmax （14） 1.2 基于遗传算法的优化模型 遗传算法是一种基于生物自然选择与遗传机理的随机搜索算法，是一种有效解决最优化问题的方法，对复杂系统的优化具有较强的鲁棒性，其主要步骤包括：编码、初始群体生成、置信度（适应度）评估、选择、交叉和变异5。 在多目标函数模型中，编码的总置信度是每个目标函数编码置信度的乘积，所以，其单个目标函数编码的置信

9、度大于总置信度，因此，其单个目标函数编码的置信度可选取较大值，进一步提高其最优解的准确度。图1为基于遗传算法的中冷器优化计算框图。 2. 实例应用 2.1 中冷器技术要求 柴油机的增压比为2.1，中冷器采用铝质材料。冷却介质进口状态为：温度为25，压力为1个大气压。根据设计要求，与该机型相匹配的中冷器芯部最大尺寸为：LWH65553070mm。阻力损失 0.08bar。 2.2计算结果与分析 本文以常用的板翅式中冷器为例，此形式使用范围较广。选用IFN（发动机连续工作24个小时，其中有一个小时超负荷运行）中转速为2300转时的工况进行计算，由于优化计算程序只与结构参数有关，所以选用任意工况都将

10、得到相同的收敛结果。 对于中冷器的结构，芯部参数范围为： LWH(605-655)(490-530)(65-70)mm。另外，其它结构按厂方要求取定值。见图2，翅片厚度W1，通道的高度H1，翅片节距J，翅片长度L1等。 遗传算法的运行参数，取每1mm为一个步长，则一共存在1万个个体，选择的总置信度取为95%，交叉概率为0.6，变异概率取为0.001，叠代200次，170次以后收敛，则所得芯部尺寸最优值为：LWH64952770，P没有超过限值，同时K达到最大6。最优值见表2。从表2.可以看出，厚度为最大值70mm，这是因为：式（5） 中，热阻Rn为定值， K正比于当量直径，当量直径又取决于翅片

11、的节距J与高度H1（此两个数据均按要求取定值），与芯部厚度无关，而冷热侧散热面积之比Ab/Aw与芯部厚度成反比，所以换热系数K正比与芯部厚度；由（7）可明显看出，厚度的增加与热侧阻力损失无关。总之，厚度在此程序中是单调递增的，无论其如何变化都不会影响其它参数的选取，也就是说无论其它参数怎么选取，厚度都会取得最大值。因此，在以下实验中固定厚度70mm不变7。 从表2可见K的最大值不在尺寸最大处取得，尺寸的增加只会增加散热面积，由(4)式可见，K值是由LWH构成的复杂函数，无单调性，因此K值的变化很复杂，即其散热量也有复杂的变化趋势。 3 实验研究 3.1 风洞实验 实验模拟柴油机工作状态，将热侧

12、通道的空气，用压缩机将增压空气压至2.1个大气压状态，然后将其转换到指定温度。冷侧的气体用风机鼓入。取当地气温为25，并且保持热侧进口温度不变。通过实验装置测出两侧的进出口温度和热侧阻力损失，应用电加热平衡测算出换热量，计算传热系数。 由于样本多达1万个，不可能全部测试，而且由于测试精度和原材料有限，实验选取5个整数点，并按照这5组数据制作5个芯部样品，样品尺寸见表3，长度L全部为70mm，装入风洞实验台，进行测试，测试数据见图4和6，当HW=527649时K取得最 大值为102.8 W/m2k，P为4990pa。从图中可以看出，风洞实验很好的验证了计算的结果，两者吻合良好。图3和5为10个数

13、据点的计算 值，K为106.4 W/m2k（最大值）时P为4800pa。 表4为计算结果与风洞实验之间误差。样品3是传热系数K的最大误差点，样品6是阻力损失P的最大误差点，同时也是最优点。产生误差的主要原因有： （1） 实验时，温度、压力等状态参数会随着环境的变化而发生变化； （2） 计算时准则数系数的选取也不可能完全符合实际情况； （3） 样本数的选取还不足够多。 3.2 实机验证 将风洞实验制作的5个芯部样品安装致该型柴油机上，在技术要求中的IFN（发动机连续工作24个小时中有一个小时超负荷运行）工作状态下转速为2300转时的工况下测试热流体出口温度。环境温度为26，进口温度为152.6。

14、测试结果见表4。 可见最优尺寸结构（样品6）的性能完全满足技术要求。 4. 结论 1) 通过遗传算法对中冷器进行优化，使得换热器的换热能力提高19.3，得到了比较理想的效果； 2） 试验结果表明在空空中冷器的设计中使用遗传算法能够极大的优化中冷器的结构，提高准确率，缩短设计周期和降低设计成本； 3） 该方法为同类中冷器等产品的优化设计提供了高效、准确的方法，该方法已在产品设计中加以使用，效果良好。 参考文献： 1 蔡自兴. 智能控制基础与应用M. 国防工业出版社. 1998. 2 Cho S M. Basic Thermal Design Methods for Heat Exchangers

15、J. Heat transfer equipment design. Washington, D.C.: Hemisphere. 1988:23-28. 3 W M Kays, A L London. Compact Heat ExchangersM. NewYork:McGraw-Hill Co., 1993. 4 T Kuppan. Heat Exchangers Design HandbookM. New York: Marcel Dekker, Inc.,2002. 5 王小平，曹立明. 遗传算法 理论、应用与软件实现M. 西安交通大学出版社,2002. 6 Ibrahim Ozkol, Serhat Celtk. Optimum Size Determination Air Cooler Heat Exchanger(ACHE) Via Genetic AlgorithmR. ASME, 20040725-20040729. San Diego CA,