1.一种基于遗传算法的轴流泵叶轮水力优化设计方法，其特征在于，建立以设计工况下轴流泵叶轮水力效率最大，同时抗汽蚀性能良好的目标函数，叶轮中的主要设计参数叶轮轮毂比 轮缘侧的叶珊稠密度 冲角系数kβ，，翼型厚度比kδ为设计变量，对叶轮的几何参数采用基于遗传算法进行优化，从而得到最优的设计参量，关于设计变量与总体目标函数适用于以下关系：G1(X)＝ηwηf   (2)式中：

G(X)—总体目标函数；

Gi—分目标函数；

Gi1—Gi分目标函数作单目标优化的最大值(i＝1,2)；

G1—效率函数；

G2—汽蚀函数；

ζi—分目标函数的加权系数，取ζi＝[0.5978 0.4022]T(i＝1,2)；

ηw—叶片水力效率；

ηf—流道摩擦损失效率；

υm—轴面速度，米/秒；

u—圆周速度，米/秒；

D0—叶轮外径，毫米；

g—重力加速度，米/平方秒；

λ—合力与升力的夹角，度；

Cy—叶珊翼型升力系数；

τ—摩擦损失阻力系数；

dh—叶轮轮毂直径，毫米；

β1—进口相对流动角，度；

β2—出口相对流动角，度；

t—栅距,毫米；

kβ—冲角系数；

NPSHr—泵的汽蚀余量，米；

Q—设计工况下流量，立方米/秒；

ξ—叶片进口绕流压降系数；

F—以圆柱面流面半径R建立的函数名。

2.根据权利要求1所述的一种基于遗传算法的轴流泵叶轮水力优化设计方法，其特征在于：以圆柱面流面半径R建立的函数F，叶片进口绕流压降系数ξ，与冲角系数kβ，翼型厚度比kδ之间适用于如下关系：并给出了无穷远来流的相对速度ω∞，出口轴面速度υm，出口圆周速度υu2，圆周速度u的设计公式：其中,

ξ＝0.42tanβ1kδ+0.94tanβ1+0.08kδ-0.43   (13)其中,

式中：

F—以圆柱面流面半径R建立的函数名；

R—圆柱面流面半径，毫米；

υm—出口轴面速度，米/秒；

ω∞—无穷远来流的相对速度，米/秒；

u—圆周速度，米/秒；

β1—进口相对流动角，度；

β2—出口相对流动角，度；

kβ—冲角系数；

kδ—翼型厚度比；

δ0—叶片进口厚度，毫米；

δmax—叶片最大厚度，毫米；

△α—进口冲角；

λ—合力与升力的夹角，度；

ξ—叶片进口绕流压降系数；

υu2—出口绝对速度圆周分量，米/秒；

n—设计工况的转速，转/分；

H—设计工况扬程，米；

D0—叶轮外径，毫米；

K—出口流动为自由旋涡的常量系数。

3.根据权利要求1所述的一种基于遗传算法的轴流泵叶轮水力优化设计方法，其特征在于，总体优化目标函数为maxG(X)，其中设计变量各变量约束为：

-7 2 -4 -7 2 -3

3.42×10 ns-9.5×10 ns+1.12≤x2≤5.95×10 ns+1.6510 ns+1.27   (16)

0.22ns0.19+0.96≤x4≤0.7ns0.19+3.02    (18)式中：

ns—比转速；

—叶轮轮毂比；

—轮缘侧的叶珊稠密度；

kβ—冲角系数；

kδ—翼型厚度比；

xi(i＝1,2,3,4)—设计变量名称。

4.根据权利要求1所述的一种基于遗传算法的轴流泵叶轮水力优化设计方法，其特征在于，该遗传算法设置参数及遗传算法遵循的优化步骤：pop_size＝8

max_gen＝500pm＝0.01

pc＝0.25

式中：

pop_size—种群大小；

max_gen—最大迭代次数；

pm—变异率；

pc—交叉率；

步骤一：采用二进制编码确定基因表达vk＝[x1,x2,x3,x4] (k＝1,2,3,4,5,6,7,8)式中：

vk—第k个染色体，串长为49；

x1—第1个子串，串长为12；

x2—第2个子串，串长为13；

x3—第3个子串，串长为12；

x4—第4个子串，串长为12；

步骤二：由计算机随机选定初始种群并将染色体的基因型转换成表现型H1＝[v1,v2,v3,v4,v5,v6,v7,v8]式中：

H1—第1次迭代的初始染色体群；

vi—第i个初始染色体(i＝0,1,2,3,4,5,6,7,8)；

步骤三：计算染色体适值exal(vk)＝G(X)式中：

eval(vk)—染色体适值；

G(X)—对应染色体目标函数的函数值；

步骤四：运用转轮法选择优秀染色体，构造新种群，在[0,1]区间内产生一个均匀分布的伪随机数r,若r≤q1则选第一个染色体v1；否则，选择第k个染色体vk，使得qk-1＜r≤qk成立，依次旋转8次H1′＝[v1′,v2′,v3′,v4′,v5′,v6′,v7′,v8′]式中：

eval(vk)—染色体适值；

F—计算种群中所有染色体适值的和；

pk—选择概率；

qk—累积概率；

H1′—第1次迭代中选择的染色体群；

vi′—被选择的染色体(i＝0,1,2,3,4,5,6,7,8)；

步骤五：在[0,1]区间内产生8个分布随机数rk(k＝1,2,...8),若r1≤pc则选第一个染色体v′1；否则，选择第k个染色体v′k，使得rk≤pc成立。随机产生一个整数pos作为断点，pos∈[1,49]，将选出的染色体参加交叉步骤六：在[0,1]区间中产生4个均匀分布的随机数序列rk(k＝1,…，392)，将rk对应的基因变异，然后转换成相应的十进制和适值，构造出第一次迭代的最终优化的染色体式中：H1″—第1次迭代最终优化的染色体群；

vi″—最终优化的染色体(i＝0,1,2,3,4,5,6,7,8)；

步骤七：重复前六个步骤，实验运行在500代后结束，最终得到最佳的染色体X*＝[x1*,x2*,x3*,x4*]TmaxG(X)＝G(X*)式中：

xi*—最终得到的优化设计变量(i＝1,2,3,4)；

G(X)—总体目标函数；

G(X*)—总目标函数最终优化函数值。