基于粒子群算法的涡旋机械排气孔优化方法及系统

1.本发明属于涡旋机械技术领域，具体涉及一种基于粒子群算法的涡旋机械排气孔优化方法及系统。


背景技术：

2.涡旋压缩机在动静涡旋盘上垂直设置涡旋卷状涡旋体，通过动盘的公转运动令动静涡旋体啮合，形成了数个变化的月牙形工作腔，令流体工质在月牙工作腔中发生压力变化，并通过静盘中心的排气孔将工作腔内的流体排入系统。
3.在实际运行中，排气孔形状设计不合理将会造成压缩机过压缩和欠压缩，极大影响了压缩机指示效率。现有的排气孔形状设计方法具有如下缺点：
4.1.通常采用圆形结构，无法充分利用中心工作腔面积；2.非圆形的异形排气孔结构设计依赖于设计人员经验，通常采用多组相切圆弧的方式，对变曲率型线适用性有限；3.优化设计时性能评估基于实验考核，需要反复测量压缩机性能，过程耗时费力且复杂。


技术实现要素：

5.本发明的目的在于针对上述现有技术中的问题，提供一种基于粒子群算法的涡旋机械排气孔优化方法及系统，在轮廓点控制参数下依样条曲线生成任意几何形状的排气孔，同时考虑压缩机运行中的内部流动影响，基于粒子群算法构建性能参数的目标函数改进排气孔几何形状设计，提高压缩机的运行效率、减少压缩机的设计周期。
6.为了实现上述目的，本发明有如下的技术方案：
7.一种基于粒子群算法的涡旋机械排气孔优化方法，包括：
8.设置排气孔中心及粒子群算法参数，并随机初始化粒子群位置变量，对应构成每个排气孔几何形状的一组轮廓点控制参数，随机初始化粒子群速度变量；
9.由粒子群位置变量对应的轮廓点控制参数构建排气孔几何形状；
10.判断构建得到的排气孔几何形状是否满足限制条件，若不满足限制条件则进行几何处理，若满足限制条件则进行涡旋压缩机仿真模拟，计算得到目标函数；
11.重复迭代，使用粒子群算法更新轮廓点控制参数得到新的粒子群位置变量，根据压缩机运行状况的目标函数计算所有粒子的适应值，对比各适应值得到全局最优的一个粒子变量，更新每个粒子群的速度和位置；
12.当达到迭代次数或目标函数达到要求，输出排气孔轮廓点控制参数和几何结果。
13.优选的，所述排气孔中心为o，随机初始化m组粒子群位置变量为x(0)＝(x1,x2,x3,
…
,xm)，每个粒子变量为xk，k＝1,
…
,m，随机初始化粒子群速度变量为v(0)＝(v1,v2,v3,
…
,vm)；
14.所述构成每个排气孔几何形状的一组轮廓点数目为n，轮廓点分别为p1,p2,p3,
…
,pn，所述轮廓点控制参数为轮廓点距离中心的距离l，一个粒子变量xk＝(l1,l2,l3,
…
,ln)。
15.优选的，相邻两个轮廓点与排气孔中心夹角满足如下关系：
16.∠piop
i+1
＝2π/n，轮廓点对应的展角为θi＝2πi/n。
17.优选的，所述由粒子群位置变量对应的轮廓点控制参数构建排气孔几何形状的步骤中：
18.每个排气孔几何形状由依次相邻的两个轮廓点根据样条曲线生成，其中，两个轮廓点pi，p
i+1
之间曲线上的任意点pj的坐标为：
[0019][0020]
式中，lj为所述任意点pj距离中心的距离，θj为所述任意点pj对应的展角。
[0021]
优选的，所述样条曲线的方程为li(θ)＝aiθ3+biθ2+ciθ+di，方程中待定系数为ai，bi，ci，di，i＝1,
…
,n，依三次样条曲线方程由给定的轮廓点距离中心的距离li和轮廓点对应的展角θi求出。
[0022]
优选的，所述判断构建得到的排气孔几何形状是否满足限制条件的步骤，所述限制条件为轮廓点控制参数li，轮廓点距离静盘型线距离t和排气孔中心点与静盘型线距离l
′
满足如下关系：li《l
′‑
t；
[0023]
在进行几何处理的步骤中，几何处理方法为令li＝l
′‑
t。
[0024]
优选的，所述涡旋压缩机仿真模拟包括对压缩机型线和排气孔几何特征、热力学和动力学建模，计算适应值的目标函数包括但不限于压缩机运行的p-v曲线、气体力、扭矩、指示效率、等熵效率。
[0025]
优选的，所述更新每个粒子群的速度和位置的表达式如下：
[0026]
vk(t+1)＝ω
×
vk(t)+c1×
rand1(t)
×
(pbest
k-x(t))+c2×
rand2(t)(gbest-xk(t))
[0027]
xk(t+1)＝xk(t)+vk(t+1)
[0028]
式中，vk(t+1)为新的粒子群速度，gbest为全局最优的一个粒子变量，pbestk为当前粒子的最佳位置，ω为原粒子群的惯性因子，vk(t)为原粒子群速度，c1,c2均为学习因子，rand1(t),rand2(t)为0到1的两个随机数，x(t)为原粒子群位置变量，xk(t)和xk(t+1)分别为新粒子群和原粒子群位置。
[0029]
一种基于粒子群算法的涡旋机械排气孔优化系统，包括：
[0030]
粒子群初始化模块，用于设置排气孔中心及粒子群算法参数，并随机初始化粒子群位置变量，对应构成每个排气孔几何形状的一组轮廓点控制参数，随机初始化粒子群速度变量；
[0031]
排气孔几何形状构建模块，用于由粒子群位置变量对应的轮廓点控制参数构建排气孔几何形状；
[0032]
目标函数计算模块，用于判断构建得到的排气孔几何形状是否满足限制条件，若不满足限制条件则进行几何处理，若满足限制条件则进行涡旋压缩机仿真模拟，计算得到目标函数；
[0033]
粒子群更新模块，用于重复迭代，使用粒子群算法更新轮廓点控制参数得到新的粒子群位置变量，根据压缩机运行状况的目标函数计算所有粒子的适应值，对比各适应值得到全局最优的一个粒子变量，更新每个粒子群的速度和位置；
[0034]
输出模块，用于当达到迭代次数或目标函数达到要求，输出排气孔轮廓点控制参数和几何结果。
[0035]
一种电子设备，包括：存储器，存储至少一个指令；及处理器，执行所述存储器中存储的指令以实现所述基于粒子群算法的涡旋机械排气孔优化方法。
[0036]
一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现所述基于粒子群算法的涡旋机械排气孔优化方法。
[0037]
相较于现有技术，本发明至少具有如下的有益效果：
[0038]
本发明以样条曲线替代传统圆弧段构成的排气孔，可以在轮廓点参数控制下生成任意几何形状的排气孔，从而得到更加符合实际需求的排气孔几何形状设计，也便于使用优化算法对排气孔几何形状进行优化。同时，本发明通过模拟仿真考虑压缩机运行中的内部流动影响，基于粒子群算法以压缩机实际运行特点和性能参数为目标函数，构建了改进排气孔几何形状设计的优化方法，可以起到提高压缩机运行效率、减少压缩机设计周期的目的。
附图说明
[0039]
为了更加清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作以简单地介绍，应当理解，以下附图仅示出了本发明部分实施例，对于本领域普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
[0040]
图1是本发明实施例基于粒子群算法的涡旋机械排气孔优化方法流程图；
[0041]
图2是本发明实施例由控制参数构建排气孔几何形状的示意图；
[0042]
图3是本发明实施例更新轮廓点控制参数后构建的排气孔几何形状示意图；
[0043]
图4是本发明实施例几何限制条件及处理方法示意图；
[0044]
图5是本发明实施例排气孔优化前后压缩机p-v图对比示意图。
具体实施方式
[0045]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员还可以在没有做出创造性劳动的前提下获得其他实施例。
[0046]
本发明实施例基于粒子群算法的涡旋机械排气孔优化方法，在轮廓点控制参数下依样条曲线生成任意几何形状的排气孔，旨在设计出更加符合实际需求的排气孔几何形状，同时考虑压缩机运行中的内部流动影响，基于粒子群算法构建性能参数的目标函数改进排气孔几何形状设计，提高压缩机运行效率、减少设计周期。如图1所示，包括以下步骤：
[0047]
步骤101，设置排气孔中心o，设置粒子群算法参数，随机初始化m组粒子群位置变量x(0)＝(x1,x2,x3,
…
,xm)，每个粒子变量xk，k＝1,
…
,m，对应构成每个排气孔几何形状的一组轮廓点控制参数，随机初始化粒子群速度变量v(0)＝(v1,v2,v3,
…
,vm)；
[0048]
步骤102，使用样条曲线由控制参数构建m个排气孔几何形状2，图2示出了由控制参数构建出的排气孔几何形状，图3示出了更新轮廓点控制参数后构建的排气孔几何形状；
[0049]
步骤103，判断构成的排气孔几何形状是否满足限制条件，若某个排气孔不满足限制条件，则对该几何进行处理103a；
[0050]
步骤104，根据涡旋压缩机仿真模拟，计算得到所需的目标函数；
[0051]
步骤105，进行重复迭代，判断迭代次数或目标函数达到要求，如果满足要求则进入步骤107，如果不满足则进入步骤106；
[0052]
步骤106，使用粒子群算法更新轮廓点控制参数得到新的粒子群位置变量x(t+1)：根据目标函数评估所有粒子，得到全局最优的一个粒子变量gbest和适应值，存储当前粒子的最佳位置pbestk和适应值，通过粒子群算法设置和公式更新每个粒子群的速度和位置：
[0053]
vk(t+1)＝ω
×
vk(t)+c1×
rand1(t)
×
(pbest
k-x(t))+c2×
rand2(t)(gbest-xk(t))和xk(t+1)＝xk(t)+vk(t+1)，随后进入步骤102；
[0054]
式中，vk(t+1)为新的粒子群速度，gbest为全局最优的一个粒子变量，pbestk为当前粒子的最佳位置，ω为原粒子群的惯性因子，vk(t)为原粒子群速度，c1,c2均为学习因子，rand1(t),rand2(t)为0到1的两个随机数，x(t)为原粒子群位置变量，xk(t)和xk(t+1)分别为新粒子群和原粒子群位置。
[0055]
需要说明的是，如图2至图4所示，所述一组轮廓点数目为n，分别为p1，p2，p3，
…
pn,轮廓点控制参数为轮廓点距离中心的距离l，所述的一个粒子变量xk＝(l1,l2,l3,
…
,ln)。
[0056]
在一种可能的实施方式中，相邻两点与排气孔中心夹角满足如下关系：
[0057]
∠piopi+1＝2π/n，轮廓点pi对应的展角θi＝2πi/n。
[0058]
在一种可能的实施方式中，每个排气孔几何形状由依次相邻的两个轮廓点根据样条曲线生成，每个排气孔几何形状由依次相邻的两个轮廓点根据样条曲线生成，其中，两个轮廓点pi，p
i+1
之间曲线上的任意点pj的坐标为：
[0059][0060]
式中，lj为所述任意点pj距离中心的距离，θj为所述任意点pj对应的展角。
[0061]
在一种可能的实施方式中，所述样条曲线的方程为li(θ)＝aiθ3+biθ2+ciθ+di，方程中待定系数为ai，bi，ci，di，i＝1,
…
,n，依三次样条曲线方程由给定的轮廓点距离中心的距离li和轮廓点对应的展角θi求出。
[0062]
如图4所示，所述限制条件为轮廓点控制参数li，轮廓点距离静盘型线1距离t和排气孔中心点与静盘型线距离l
′
满足如下关系：li《l
′‑
t；
[0063]
在进行几何处理的步骤中，几何处理方法为令li＝l
′‑
t。
[0064]
所述涡旋压缩机仿真模拟包括对压缩机型线和排气孔几何特征、热力学和动力学建模，计算适应值的目标函数包括但不限于压缩机运行的p-v曲线、气体力、扭矩、指示效率、等熵效率。
[0065]
如图3所示，本发明实施例的方法以样条曲线替代传统圆弧段构成的排气孔，可以在轮廓点参数控制下生产任意几何形状的排气孔，从而得到更加符合实际需求的排气孔几何形状设计，也便于使用优化算法对排气孔几何形状进行优化。
[0066]
同时，本发明实施例的方法通过模拟仿真考虑压缩机运行中的内部流动影响，基于粒子群算法以压缩机实际运行特点和性能参数为目标函数，构建了改进排气孔几何形状设计的优化方法，如图5所示，减少了压缩机过压缩4，可以起到提高压缩机运行效率、减少压缩机设计周期的目的。
[0067]
本发明另一实施例还提出一种基于粒子群算法的涡旋机械排气孔优化系统，包
括：
[0068]
粒子群初始化模块，用于设置排气孔中心及粒子群算法参数，并随机初始化粒子群位置变量，对应构成每个排气孔几何形状的一组轮廓点控制参数，随机初始化粒子群速度变量；
[0069]
排气孔几何形状构建模块，用于由粒子群位置变量对应的轮廓点控制参数构建排气孔几何形状；
[0070]
目标函数计算模块，用于判断构建得到的排气孔几何形状是否满足限制条件，若不满足限制条件则进行几何处理，若满足限制条件则进行涡旋压缩机仿真模拟，计算得到目标函数；
[0071]
粒子群更新模块，用于重复迭代，使用粒子群算法更新轮廓点控制参数得到新的粒子群位置变量，根据压缩机运行状况的目标函数计算所有粒子的适应值，对比各适应值得到全局最优的一个粒子变量，更新每个粒子群的速度和位置；
[0072]
输出模块，用于当达到迭代次数或目标函数达到要求，输出排气孔轮廓点控制参数和几何结果。
[0073]
本发明另一实施例还提出一种电子设备，包括存储器，存储至少一个指令；及处理器，执行所述存储器中存储的指令以实现所述基于粒子群算法的涡旋机械排气孔优化方法。
[0074]
本发明实施例还提出一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现所述基于粒子群算法的涡旋机械排气孔优化方法。
[0075]
示例性的，所述存储器中存储的指令可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在计算机可读存储介质中，并由所述处理器执行，以完成本发明基于粒子群算法的涡旋机械排气孔优化方法。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机可读指令段，该指令段用于描述所述计算机程序在服务器中的执行过程。
[0076]
所述电子设备可以是智能手机、笔记本、掌上电脑及云端服务器等计算设备。所述电子设备可包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，所述电子设备还可以包括更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述电子设备还可以包括输入输出设备、网络接入设备、总线等。
[0077]
所述处理器可以是中央处理单元(central processing unit，cpu)，还可以是其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现成可编程门阵列(field-programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
[0078]
所述存储器可以是所述服务器的内部存储单元，例如服务器的硬盘或内存。所述存储器也可以是所述服务器的外部存储设备，例如所述服务器上配备的插接式硬盘，智能存储卡(smart media card,smc)，安全数字(secure digital,sd)卡，闪存卡(flash card)等。进一步地，所述存储器还可以既包括所述服务器的内部存储单元也包括外部存储设备。
所述存储器用于存储所述计算机可读指令以及所述服务器所需的其他程序和数据。所述存储器还可以用于暂时地存储已经输出或者将要输出的数据。
[0079]
需要说明的是，上述模块单元之间的信息交互、执行过程等内容，由于与方法实施例基于同一构思，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。
[0080]
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本技术的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
[0081]
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本技术实现上述实施例方法中的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括：能够将计算机程序代码携带到拍照装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、电载波信号、电信信号以及软件分发介质。例如u盘、移动硬盘、磁碟或者光盘等。
[0082]
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
[0083]
以上所述实施例仅用以说明本技术的技术方案，而非对其限制；尽管参照前述实施例对本技术进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本技术各实施例技术方案的精神和范围，均应包含在本技术的保护范围之内。

技术特征：
1.一种基于粒子群算法的涡旋机械排气孔优化方法，其特征在于，包括：设置排气孔中心及粒子群算法参数，并随机初始化粒子群位置变量，对应构成每个排气孔几何形状的一组轮廓点控制参数，随机初始化粒子群速度变量；由粒子群位置变量对应的轮廓点控制参数构建排气孔几何形状；判断构建得到的排气孔几何形状是否满足限制条件，若不满足限制条件则进行几何处理，若满足限制条件则进行涡旋压缩机仿真模拟，计算得到目标函数；重复迭代，使用粒子群算法更新轮廓点控制参数得到新的粒子群位置变量，根据压缩机运行状况的目标函数计算所有粒子的适应值，对比各适应值得到全局最优的一个粒子变量，更新每个粒子群的速度和位置；当达到迭代次数或目标函数达到要求，输出排气孔轮廓点控制参数和几何结果。2.根据权利要求1所述基于粒子群算法的涡旋机械排气孔优化方法，其特征在于，所述排气孔中心为o，随机初始化m组粒子群位置变量为x(0)＝(x1,x2,x3,
…
,x
m
)，每个粒子变量为x
k
，k＝1,
…
,m，随机初始化粒子群速度变量为v(0)＝(v1,v2,v3,
…
,v
m
)；所述构成每个排气孔几何形状的一组轮廓点数目为n，轮廓点分别为p1,p2,p3,
…
,p
n
，所述轮廓点控制参数为轮廓点距离中心的距离l，一个粒子变量x
k
＝(l1,l2,l3,
…
,l
n
)。3.根据权利要求2所述基于粒子群算法的涡旋机械排气孔优化方法，其特征在于，相邻两个轮廓点与排气孔中心夹角满足如下关系：∠p
i
op
i+1
＝2π/n，轮廓点对应的展角为θ
i
＝2πi/n。4.根据权利要求3所述基于粒子群算法的涡旋机械排气孔优化方法，其特征在于，所述由粒子群位置变量对应的轮廓点控制参数构建排气孔几何形状的步骤中：每个排气孔几何形状由依次相邻的两个轮廓点根据样条曲线生成，其中，两个轮廓点p
i
，p
i+1
之间曲线上的任意点p
j
的坐标为：式中，l
j
为所述任意点p
j
距离中心的距离，θ
j
为所述任意点p
j
对应的展角。5.根据权利要求4所述基于粒子群算法的涡旋机械排气孔优化方法，其特征在于，所述样条曲线的方程为l
i
(θ)＝a
i
θ3+b
i
θ2+c
i
θ+d
i
，方程中待定系数为a
i
，b
i
，c
i
，d
i
，i＝1，...，n，依三次样条曲线方程由给定的轮廓点距离中心的距离l
i
和轮廓点对应的展角θ
i
求出。6.根据权利要求1所述基于粒子群算法的涡旋机械排气孔优化方法，其特征在于，所述判断构建得到的排气孔几何形状是否满足限制条件的步骤，所述限制条件为轮廓点控制参数l
i
，轮廓点距离静盘型线距离t和排气孔中心点与静盘型线距离l
′
满足如下关系：l
i
<l
′‑
t；在进行几何处理的步骤中，几何处理方法为令l
i
＝l
′‑
t。7.根据权利要求1所述基于粒子群算法的涡旋机械排气孔优化方法，其特征在于，所述涡旋压缩机仿真模拟包括对压缩机型线和排气孔几何特征、热力学和动力学建模，计算适应值的目标函数包括压缩机运行的p-v曲线、气体力、扭矩、指示效率、等熵效率。8.根据权利要求1所述基于粒子群算法的涡旋机械排气孔优化方法，其特征在于，所述更新每个粒子群的速度和位置的表达式如下：
v
k
(t+1)＝ω
×
v
k
(t)+c1×
rand1(t)
×
(pbest
k-x(t))+c2×
rand2(t)(gbest-x
k
(t))x
k
(t+1)＝x
k
(t)+v
k
(t+1)式中，v
k
(t+1)为新的粒子群速度，gbest为全局最优的一个粒子变量，pbest
k
为当前粒子的最佳位置，ω为原粒子群的惯性因子，v
k
(t)为原粒子群速度，c1，c2均为学习因子，rand1(t)，rand2(t)为0到1的两个随机数，x(t)为原粒子群位置变量，x
k
(t)和x
k
(t+1)分别为新粒子群和原粒子群位置。9.一种基于粒子群算法的涡旋机械排气孔优化系统，其特征在于，包括：粒子群初始化模块，用于设置排气孔中心及粒子群算法参数，并随机初始化粒子群位置变量，对应构成每个排气孔几何形状的一组轮廓点控制参数，随机初始化粒子群速度变量；排气孔几何形状构建模块，用于由粒子群位置变量对应的轮廓点控制参数构建排气孔几何形状；目标函数计算模块，用于判断构建得到的排气孔几何形状是否满足限制条件，若不满足限制条件则进行几何处理，若满足限制条件则进行涡旋压缩机仿真模拟，计算得到目标函数；粒子群更新模块，用于重复迭代，使用粒子群算法更新轮廓点控制参数得到新的粒子群位置变量，根据压缩机运行状况的目标函数计算所有粒子的适应值，对比各适应值得到全局最优的一个粒子变量，更新每个粒子群的速度和位置；输出模块，用于当达到迭代次数或目标函数达到要求，输出排气孔轮廓点控制参数和几何结果。10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述基于粒子群算法的涡旋机械排气孔优化方法。

技术总结
一种基于粒子群算法的涡旋机械排气孔优化方法及系统，方法包括设置排气孔中心及粒子群算法参数，并随机初始化粒子群变量；由粒子群位置变量对应的轮廓点控制参数构建排气孔几何形状；判断构排气孔几何形状是否满足限制条件，若不满足限制条件则进行几何处理，若满足限制条件则进行涡旋压缩机仿真模拟，计算得到目标函数；重复迭代，使用粒子群算法更新轮廓点控制参数得到新的粒子群位置变量，根据目标函数计算所有粒子的适应值，对比各适应值得到全局最优的一个粒子变量，更新每个粒子群的速度和位置；当达到迭代次数或目标函数达到要求，输出排气孔轮廓点控制参数和几何结果。本发明可以起到提高压缩机运行效率、减少压缩机设计周期的目的。设计周期的目的。设计周期的目的。


技术研发人员：王澈 吴建华
受保护的技术使用者：西安交通大学
技术研发日：2023.05.30
技术公布日：2023/8/13