Інтеграція сурогатного моделювання та еволюційних алгоритмів у проєктуванні відцентрових компресорів

Abstract

Розглянуто сучасний підхід до оптимізації геометрії робочого колеса високонапірного відцентрового компресора на основі сурогатного моделювання та еволюційних алгоритмів. Основною метою дослідження є підвищення енергетичної ефективності та зниження обчислювальних витрат при CFD-аналізі шляхом побудови аналітичної моделі залежності аеродинамічних характеристик від геометричних параметрів. Для цього використано метод Kriging (Gaussian Process Regression) у поєднанні з багатокритеріальним генетичним алгоритмом NSGA-II, реалізованими в середовищі ANSYS Design Exploration. Параметризація компресора виконана за трьома ключовими змінними: вихідний кут лопаті робочого колеса, вхідний кут лопатей радіального дифузора та відносна довжина спліттера. Для формування навчальної вибірки застосовано центрально-композиційний план експерименту, що дозволив обмежити кількість CFD-розрахунків до 15 варіантів. Побудована сурогатна модель продемонструвала високу точність апроксимації (коефіцієнт детермінації близький до 1, RMSE – мінімальний), що підтверджено крос-валідацією. Оптимізація за допомогою NSGA-II забезпечила формування Парето-фронту, який відображає компроміс між політропним ККД та ступенем стискання. Аналіз чутливості показав, що найбільший вплив на ефективність має вихідний кут лопатей робочого колеса, тоді як довжина спліттера та вхідний кут дифузора виконують стабілізуючу роль. Отримані результати свідчать про доцільність застосування сурогатного моделювання та еволюційних алгоритмів для оптимізації турбомашин, що дозволяє скоротити обчислювальні витрати без втрати точності та забезпечити гнучкість у виборі оптимальних конструктивних рішень.The paper presents a modern approach to optimizing the geometry of a high-pressure centrifugal compressor impeller using surrogate modeling and evolutionary algorithms. The main objective is to improve energy efficiency and reduce computational costs during CFD analysis by constructing an analytical model that approximates the relationship between aerodynamic characteristics and geometric parameters. The Kriging method (Gaussian Process Regression) combined with the NSGA-II multi-objective genetic algorithm was implemented in ANSYS Design Exploration. The compressor was parameterized by three key variables: impeller blade outlet angle, radial diffuser inlet blade angle, and splitter blade relative length. A central composite design of experiments was applied to limit the number of CFD simulations to 15 cases. The developed surrogate model demonstrated high approximation accuracy (coefficient of determination close to 1, minimal RMSE), confirmed by cross-validation. Optimization using NSGA-II produced a Pareto front illustrating the trade-off between polytropic efficiency and pressure ratio. Sensitivity analysis revealed that the impeller outlet angle has the greatest impact on efficiency, while splitter length and diffuser inlet angle play a stabilizing role. The results confirm the feasibility of applying surrogate modeling and evolutionary algorithms for turbomachinery optimization, enabling significant computational savings without compromising accuracy and providing flexibility in selecting optimal design solutions.