.8.
文章编号：1006-2971(2011)05-0008-03
一压缩机技术 Compressocte
2011年第5期（总229期）
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）
摘要：将遗传算法中的进化思想和奴群算法中群体智能技术有效地耦合，运用于涡款压缩机的优化设计中，通过计算实例验证，结果表明该算法对于涡旋压缩机的优化设计是一种可行和有效的优化方法。关键词：涡能压缩机；混合智能算法；优化设计
中图分类号：TH455
文献标志码：A
The Optimization Design of Scroll CompressorBased on Hybrid Intelligent Algorithm
SHAOBing
( School of Mechanic Electronic Engineering , Lanzhou Unieersity of Technology, Lanzhou 730050, China) Abstract: The evolution of the genetic algorithm and swarm intelligence techniques of ant colony algorithm are effectively coupled,and are used in the optimization design of scroll compressors, The algorithms are verified by calculation examples and the results show that the algorithm is a kind of practical and effective optimization method for optimal design of the scroll compressor.
Key words; scroll compressor;hybrid intelligent algorithm;optimization design
0引信言
涡旋压缩机动静涡旋盘的基本参数直接影响者压缩机的工作性能。因此，优化涡旋盘的性能参数，便参数取值更加合理，对手提高能效比、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人，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
收稿日期：20110330
用的允余送代，求解效率低。数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，绪果表明，该算法具有良好
的性能，取得了令人满意的效果。 1
优化数学模型的建立 1.1优化变量的选取
渐开线节距P，涡旋体壁厚t，涡旋线圈数N，涡
旋体高h，这4个变量直接影响涡旋压缩机的外形尺寸、加工难易程度，加工中涡旋体受力以及轴向泄漏等间题.因此.将他们作为优化变量.X=（P，t.N
h)=(,) 1.2设计约束的确定
根据对涡旋压缩机工作性能的研究，以及实验
结果的分析，给出具体边界约束和性能约束
(1)行程容积V
V, =P(P2t)(2N1 6,/π)/h（2）渐开线节距：Pein≤P≤Pmm