机床与液压

作者：胡子龙，陈婷，马卫国，聂玲

单位：长江大学机械工程学院；长江大学机械工程学院；长江大学机械工程学院；长江大学机械工程学院

关键词：涡轮钻具;神经网络;敏感性;NSGA-II算法;Pareto最优解

为解决小尺寸涡轮钻具扭矩小带来的弊端，建立一种基于BP神经网络和非支配排序多目标遗传算法（NSGA-II）优化模型，通过对涡轮结构尺寸进行优化，得到高效率下扭矩更大的涡轮。采用权重估算和Garson算法，对涡轮的扭矩和效率进行敏感性分析，再通过比较多种机器学习算法构建回归模型的拟合度，选用反向传播神经网络(BPNN)建立扭矩和效率与设计参数之间的回归模型，最后结合非支配排序多目标遗传算法(NSGA-II)寻求Pareto最优解集。结果表明：安装角对输出扭矩的影响最大，叶片数对输出效率的影响最大；采用BP神经网络构建的回归模型最为准确；优化后的涡轮与初始涡轮相比，扭矩提高1.2倍，效率提升1.35%。

来源：2024年第17期

《机床与液压》期刊编辑部

查看机床与液压杂志2024年第17期