多翼离心风机作为一种低压风机,因具有结构紧凑、运转噪声低、压力系数和流量系数高的独特优势,在油烟机、空调等家电装置中得到广泛应用。但在实际运行过程中受管路系统及其他部件的影响,风机常会偏离设计工况,导致小流量运行时叶轮失速、大流量运行流道阻塞,最终造成振动噪声和效率偏低等问题的产生,难以达到现代工业节能环保的生产要求。因此,为了进一步探索高性能、低噪声、宽运行工况的多翼离心风机优化设计方法,本文以某油烟机用多翼离心风机为研究对象,针对风机核心部件-叶轮结构,基于自编程风机性能计算程序,以风机全压和全压效率为优化目标,结合最优拉丁方试验法设计训练样本,完成了BP神经网络预测风机性能的近似模型的创建,并采用GA-PSO联合算法进行多工况多目标优化设计,最终达到提升风机性能、扩大稳定运行区的目的。具体研究内容及成果如下:(1)通过数值模拟计算对风机进行三维内流分析,深入研究各结构参数对风机内部气流组织及其性能的影响规律,得到对风机气动性能影响较大的待优化叶轮几何参数(叶片进口安装角、叶片出口安装角、叶轮宽度、叶片数目),并根据计算结果结合理论分析确定待优化变量范围。(2)为了缩短结构优化设计周期、提高设计效率,基于风机全压及全压效率计算公式,利用Visual C++编写适用于以叶轮结构参数为变量的多翼离心风机性能计算程序。通过考虑实际气体粘性效应的影响,采用一种损失系数修正方法,借助Pointer算法对计算程序进行改进,使其预测误差小于5%,为下文多翼离心风机多工况多目标优化设计提供理论基础。(3)采用拉丁超立方设计法构造120组样本值,以不同工况点下多翼离心风机加权全压和效率为优化目标,利用BP神经网络建立多翼离心风机性能预测模型,其中全压和效率预测输出的最大相对误差为1.5%和1.2%。结合GA-PSO算法对原风机进行多目标优化,最终获得两组新型叶轮结构参数组合。(4)对比分析不同工况下优化前后风机内部流场分布情况,同时利用LES/FW-H方法进行噪声预测,结果表明,优化后各工况点风机流道内旋涡强度及其影响区域缩小,叶轮出口各监测点压力脉动幅值减小,2 kHz附近及其之后的高频频段风机总噪声得到有效控制。分别进行气动性能和噪声试验,以验证本文数值模拟结果的准确性,同时得出以下结论:优化后风机全压和静压值分别提升约32 Pa和30 Pa,最大全压效率较原风机提升约3.2%,且各流量工况点下A计权声压级降低1.5~3 dB。针对目前多翼离心风机仍存在运行工况范围窄、效率低的缺陷,本文提供了一套新的结构优化思路,通过数值模拟方法确定待优化变量,并利用BP神经网络结合GA-PSO联合算法进行多目标多工况优化设计,同时,针对传统优化设计方法存在样本数据提取周期长、工作量大等现实问题,本文采用改进后的Visual C++自编程风机性能计算程序,结合最优拉丁超立方试验法设计训练样本,在达到优化目标的同时有效缩短结构优化设计周期、提高设计效率。