Optimización de Problemas Multi-Objetivo para Perfiles Aerodinámicos en Forma de Pez Espada Basada en el Algoritmo Genético Multi-Isla
Autores: Wu, Aiping; Ma, Tianli; Wang, Shiming; Ding, Chengling
Idioma: Inglés
Editor: MDPI
Año: 2025
Acceso abierto
Artículo científico
Categoría
Tecnología de Equipos y Accesorios
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 8
Citaciones: Sin citaciones
Este artículo utiliza el perfil de ala del pez vela como un perfil aerodinámico para crear un modelo de turbina de agua de doble eje vertical para capturar energía de olas y corrientes de marea. Se construye un modelo paramétrico de turbina de agua con métodos de perturbación de función de forma y descripción de parámetros característicos. Optimizado por el algoritmo genético de múltiples islas en la plataforma Isight, se realiza una muestra CNC del modelo optimizado. Su par y presión se miden en un túnel de viento y se comparan con los resultados del análisis numérico CFD. Los resultados muestran pequeñas diferencias entre los resultados numéricos y experimentales. Ambos indican que los parámetros de rendimiento relevantes de la turbina mejoraron después de la optimización. Durante la medición de velocidad de flujo constante, la turbina de flujo axial optimizada tiene un aumento de presión del 55% y un aumento de par del 40%, mientras que para la turbina centrífuga, la presión aumenta en un 60% y el par en un 12.5%. Durante la medición de velocidad de rotación constante, la presión de la turbina de flujo axial aumenta en un 16.7%, con un aumento de par poco notable. El diagrama del criterio Q muestra más vórtices después de la optimización. Esto demuestra que el método puede optimizar rápida y efectivamente la turbina de agua de doble eje vertical.
Descripción
Este artículo utiliza el perfil de ala del pez vela como un perfil aerodinámico para crear un modelo de turbina de agua de doble eje vertical para capturar energía de olas y corrientes de marea. Se construye un modelo paramétrico de turbina de agua con métodos de perturbación de función de forma y descripción de parámetros característicos. Optimizado por el algoritmo genético de múltiples islas en la plataforma Isight, se realiza una muestra CNC del modelo optimizado. Su par y presión se miden en un túnel de viento y se comparan con los resultados del análisis numérico CFD. Los resultados muestran pequeñas diferencias entre los resultados numéricos y experimentales. Ambos indican que los parámetros de rendimiento relevantes de la turbina mejoraron después de la optimización. Durante la medición de velocidad de flujo constante, la turbina de flujo axial optimizada tiene un aumento de presión del 55% y un aumento de par del 40%, mientras que para la turbina centrífuga, la presión aumenta en un 60% y el par en un 12.5%. Durante la medición de velocidad de rotación constante, la presión de la turbina de flujo axial aumenta en un 16.7%, con un aumento de par poco notable. El diagrama del criterio Q muestra más vórtices después de la optimización. Esto demuestra que el método puede optimizar rápida y efectivamente la turbina de agua de doble eje vertical.