1.基于遗传算法的高温高压离心式叶轮多学科优化方法，所述离心式叶轮由前盖板、叶片和后盖板三部分组成，其特征在于，将高温高压离心式叶轮的优化流程模块化，模块一为基于遗传算法的水力设计模块，模块二为基于CFD技术的CFD计算模块，

模块三为基于二次遗传优化的流固热耦合计算模块，

模块四是系统优化模块，

其中水力设计模块、CFD计算模块、流固热耦合模块顺次相连，前一个模块的计算结果作为后一个模块计算的初始条件，并将CFD计算模块和流固热耦合模块计算结果作为系统优化模块的输入，分析两个模块相互作用产生的协调效应获得系统整体最优解，包括以下设计步骤：步骤1：结合多工况水力设计方法、低气蚀、不等扬程水力设计方法设计叶轮的结构参数，设定高温高压离心式叶轮结构参数的约束范围，包括设计参数Ⅰ叶轮出口直径D2、设计参数Ⅱ叶轮叶片包角 设计参数Ⅲ叶片进口安放角β1、设计参数Ⅳ叶片出口安放角β2、设计参数Ⅴ叶轮出口宽度b2五个系统变量x1、x2、x3、x4、x5，每个系统变量对应7种设计方案；

步骤2：基于遗传算法的杂交、自然选择以及突变的思想，首先将对每个系统变量进行编码，每一个系统变量对应7种设计方案，每个方案分别用3位无符号二进制整数来表示，公式如下：然后，将五个系统变量均任取一个对应的设计方案，组成表现型X，然后将表现型X转换为15位无符号二进制数，就形成了个体的基因型；

步骤3：建立高温高压离心式叶轮的初始种群，任取种群规模为8，每个个体可通过随机方法产生，遗传算法中以个体适应度的大小来评定各个个体的优劣程度，从而决定其遗传机会的大小，而在高温高压离心式叶轮的设计中以求函数最大值为优化目标，可通过CFD计算结果直接利用效率的目标函数值作为个体的适应度，然后进行选择运算，然后进行交叉运算，然后进行变异运算，以水力性能为优化目标，对新一代群体进行优胜略汰的评价选择，对群体再进行一轮选择、交叉、变异运算之后可得到新一代的8个最优群体，然后进入步骤4；

步骤4：采用商业CFD模拟软件将步骤3中选出的8种最优方案进行热流场的计算分析，得到的计算结果，进入步骤5；

步骤5：对该离心式叶轮和轴结构进行三维建模，采用有限元分析软件对叶轮及轴系结构进行基于有限元的热力学分析，并将步骤4中的热流场计算结果中的流固接触面的压力信息导入并施加在叶轮结构上，分析叶轮的应力应变分布情况并进行综合评估，遴选出4种最优方案；当高温工况下叶片变形超过设计要求时，叶片厚度增加原叶片厚度的0.08至

0.15倍，当叶片变形远优于要求规定的变形量时，叶片厚度减小原叶片厚度的0.05至0.09倍；将4种最优方案叶片厚度进行调整后，重新进入步骤4进行泵的热流场计算，直至优化厚度后叶片最大变形超过设计要求指标的8％，然后进入步骤5；

步骤6：将最终4种最优方案的泵水力性能、叶轮结构的有限元安全特性、泵气蚀性能三方面进行综合评估，考虑的指标重要性依次是：叶轮结构的有限元安全特性>泵气蚀性能>泵水力性能，并构建高温高压离心泵系统多学科优化目标函数的数学模型，得到1种最优方案。

2.根据权利要求1中所述的基于遗传算法的高温高压离心式叶轮多学科优化方法，其特征在于，步骤1中，首先给出高温高压离心泵的初始解，包含叶轮的进出口直径、叶片包角、叶片出口宽度、叶片进出口安放角、叶片厚度，系统变量的初始条件由以下约束确定：D1＝(0.51～0.87)·D2；

β2＝(1.12～1.32)·β1；

z＝4～7；

式中：

D2—叶轮出口直径，mm；

ns—泵比转速，

Q—泵流量，m3/h；

n—泵转速；

D1—叶轮进口直径，mm；

b2—叶轮出口宽度，mm；

—叶轮叶片包角，o；

β1—叶片进口安放角，o；

β2—叶片出口安放角，o；

z—叶轮叶片数。

3.根据权利要求1中所述的基于遗传算法的高温高压离心式叶轮多学科优化方法，其特征在于：步骤3中，所述选择运算，是把当前群体中适应度较高的个体按某种规则或模型遗传到下一代群体中，要求适应度较高的个体将有更多的机会遗传到下一代群体中；

所述交叉运算，是遗传算法中产生新个体的操作过程，它以某一概率相互交换某两个个体之间的部分染色体；

所述变异运算，是对个体的某一个或某一些基因座上的基因值按某一较小的概率进行改变，它也是产生新个体的一种操作方法。

4.根据权利要求1中所述的基于遗传算法的高温高压离心式叶轮多学科优化方法，其特征在于：步骤6中，所述多学科优化目标函数的数学模型由以下公式确定：其中，F(X)是多学科评价指数，f(xi)代表第i学科的评价指数，f(xi0)代表第i学科的技术要求指数。