基于BPNN-GA的泵站前池整流底坎参数优化.pdf

基于 BPNN-GA 的泵站前池整流底坎参数优化于永海1，闫浩迪1，叶长亮2（1.河海大学农业科学与工程学院，南京210098；2.河海大学能源与电气学院，南京210098）摘要：为了减少泵站进水结构内的不良流态，提高泵组运行效率，该研究基于计算流体动力学以及 BPNN-GA（backpropagationneuralnetwork-geneticalgorithm）算法对泵站前池内底坎的结构设计参数进行优化。为便于计算遗传算法的适应度，在轴向流速分布均匀度和速度加权平均角基础上提出了前池水流流态的综合评价指标 F。以综合评价指标 F 为目标参量，通过遗传算法优化训练好的 BPNN 模型，得出最优底坎结构设计参数，并同正交试验设计的最优方案的数值模拟结构对比分析。研究结果表明，在 1、2、4 号水泵机组运行情况下，相比于正交试验设计的最优方案泵站前池水流流态，1 号水泵进水流道的轴向流速分布均匀度提高了 16.58 个百分点，速度加权平均角增加了 4.66；2 号水泵进水流道的轴向流速分布均匀度提高了 0.49 个百分点，速度加权平均角下降了 2.81；4 号水泵进水流道的轴向流速分布均匀度提高了 8 个百分点，速度加权平均角增加了 7.81，综合评价指标 F 为 1.16，表明前池流态得到较大幅度的提高。基于 BPNN-GA 算法对泵站前池整流底坎参数进行优化，克服传统方法陷入局部最优的缺陷，可在满足设计要求的范围内选出当轴向流速分布均匀度和速度加权平均角最优时的底坎设计参数，为计算智能在泵站优化水力设计方面提供参考。关键词：泵站；数值模拟；正向进水前池；整流底坎；BP 神经网络；遗传算法doi：10.11975/j.issn.1002-6819.202303168中图分类号：TV675文献标志码：A文章编号：1002-6819(2023)-14-0106-08于永海，闫浩迪，叶长亮.基于 BPNN-GA 的泵站前池整流底坎参数优化J.农业工程学报，2023，39(14)：106-113.doi:10.11975/j.issn.1002-6819.202303168http:/www.tcsae.orgYUYonghai,YANHaodi,YEChangliang.ParameteroptimizationofrectificationsillintheforebayofpumpingstationusingBPNN-GAalgorithmJ.TransactionsoftheChineseSocietyofAgriculturalEngineering(TransactionsoftheCSAE),2023,39(14):106-113.(inChinesewithEnglishabstract)doi:10.11975/j.issn.1002-6819.202303168http:/www.tcsae.org0引言前池作为泵站进水建筑物的重要组成部分，其设计质量直接影响着水流能否平稳地流入进水池和进水流道。不恰当的前池设计往往会引起大范围的回流现象，导致水泵的能量传输和气蚀性能下降，严重时甚至会引发水泵的有害振动1。针对前池水流整流问题，国内外学者已经进行了大量的研究。TOKYAY2采用数值模拟和流场测试的综合方法，分析了开放式进水池内不利流动条件发生的机制。ANSAR 等3以泵站进水池为研究对象，对比分析了数值模拟与试验结果，验证了无论泵站是正向还是侧向进水，两种方法得到的结果基本一致，指出数值计算结果具有很高的可信度，能够满足实际应用需求。KANG 等4通过试验和数值模拟研究了泵站进水池吸入口附近的气蚀和涡流现象，并通过在进水池底部壁面安装抗涡装置成功地减少了涡流和气蚀的发生。李颜雁等5采用数值模拟方法，在前池中尝试了 3 种不同的立柱增设方案，结果表明，增设非等间距双排立柱可有效改善前池的流速分布，使水流流态更加均匀。于永海等6采用物理模型试验和数值模拟相结合的方法，研究了前池导流板对水流流态的影响，并提出了合理的导流板布置参数。高传昌等7应用数值计算方法，提出了在进水池中采用导流台、水下消涡板和 W 型后墙导流墩的组合整流措施。研究结果表明，该组合整流措施显著改善了进水池内的水流流态和速度分布。罗灿等8通过在进水池中安装翼型导流板，成功改善了进水池内的不良流态。翼型导流板的应用使得进水池内的漩涡范围缩小，流速分布更加均匀，有效提升了进口轴向速度分布的均匀度。进一步地，研究者将翼型导流板与 J 型导流墩进行组合应用9，结果显示该组合应用有效实现了主流调整和流态改善的目标，使进口速度分布更加均匀。底坎作为一种泵站前池的整流措施，具备结构简单、施工方便和整流效果显著等优点10。曾昊等11在泵闸工程应用一字型底坎，讨论一字型底坎对出流流态的影响，分析其参数变化的影响效果。雷镇12对泵站前池内的导流底坎进行了研究，并分别提出了适宜的组合底坎整流参数以及底坎的相对高度和相对距离参数，以改善前池内的水流流态。陈伟等13以分叉型侧向进水泵站为研究对象，分析了底坎位置和几何参数对前池流态改善的影响，结果表明通过加设底坎可以显著改变前池中的流态，并提高轴向流速分布的均匀性。李志祥等14针对排水泵站进水建筑物内易产生回流等问题，利用响应面模型对整流底坎的设计参数进行了优化，结果显示，优化后的底坎显著改善了排水泵站进水建筑物内的流态。营佳玮等15运用数值模拟技术评估了底坎、立柱和它们的组合整流方式对前池流态的调整效果。研究结果表明，底坎和立柱对前池内的大范围回流和主流位置具有显著改善作用。建议在底坎和立柱组合整流时，二者之间的间距应为立柱与出水口距离的 0.8 倍。于磊等16采用数值模拟方法收稿日期：2023-03-24修订日期：2023-06-22基金项目：国家自然科学基金项目（52209109）作者简介：于永海，博士，教授，研究方向为泵站计算水动力学。Email:第39卷第14期农 业 工 程 学 报Vol.39No.141062023年7月TransactionsoftheChineseSocietyofAgriculturalEngineeringJuly2023模拟了正向泵站前池因扩散角过大而导致的不良流态现象，并提出了底坎和导流墩的联合整流措施。研究结果表明，该联合措施能够显著改善池内的流态情况。人工神经网络具备出色的自适应性、非线性能力和记忆联想性等特征17，因此，它已成为解决复杂非线性系统建模的新方法18。KULIGOWSKI 等19采用人工神经网络方法进行短期定量降雨预报试验，并取得了显著的 预 报 效 果 改 进。基 于 梯 度 下 降 的 BPNN（backpropagationneuralnetwork）模型具有强大的学习能力，可用于拟合各种复杂目标函数，但也容易出现过拟合问题20。因此，许多学者通过一系列智能算法对 BPNN 模型进行改进。胡黄水等21针对传统 BPNN 模型在学习过程中学习率过大导致的震荡现象，提出了一种新的BPNN 模型参数自适应整定算法。研究结果表明，该整定算法有效缓解了震荡现象，加快了算法的收敛速度。遗传算法（geneticalgorithm,GA）是一种类似于自然界生物进化的方法，用于搜索目标函数的最优解22-23。学者们利用神经网络对非线性系统进行建模，并通过遗传算法进行优化的研究已经有很多。HU 等24构建了遗传算法反向传播神经网络（GABP），用于建立泵的水力性能与设计变量之间的近似模型，并利用 NSGA-III 算法求解该近似模型，以确定叶轮和扩压器的最佳参数。岳新等25基于 BPNN-GA 算法建立了异纤分拣机检测参数预测模型，对改进前后的预测和检出结果进行了对比分析。研究结果表明，BPNN-GA 算法在准确输出预测值的同时，收敛速度也比传统 BP 神经网络预测模型更快。Realizable k在应用湍流模型与 SIMPLE 算法来解决泵站前池正向进水流态中底坎结构设计参数的问题的基础上，该研究关注了前池水流流态的紊乱性以及存在大尺度漩涡和回流区的情况。在此基础上，本文以某泵站前池为例，针对当泵站前池来水方向与进水池中心线存在偏斜角度，并且所安装的水泵不是同一型号且非对称开机运行时，会导致前池内出现不良流态的问题进行研究，采用 BPNN-GA 算法来优化底坎结构设计参数，以期在评价指标达到最优时得到最佳的底坎结构设计参数。1研究对象与方法1.1研究对象某泵站前池来水方向与进水池中心线偏斜 12，整个泵站有 4 台水泵，其中 1 号与 4 号水泵的设计流量为2.6m3/s，2 号与 3 号水泵的设计流量为 5.4m3/s。2、3号水泵进水流道进口断面尺寸为高 3.2m，宽 4.85m，1、4 号水泵进水流道入口尺寸为高 3.2m，宽 4.85m。前池坡前水深为 4m，坡后水深为 5.4m，前池底坡坡度比为18。如图 1 所示。1.2研究工况本研究主要关注 1、2、4 号泵开机组合与 1、3、4 号泵开机组合这两种主要非对称开机运行方案。针对泵站前池水流流态差的问题，本文的重点在于对 1、2、4 号泵开机组合下前池底坎的整流措施进行研究，并通过采用 BPNN-GA 算法设计出的底坎结构设计参数的数值模拟结果与无整流措施（不增设底坎的工况）及正交试验法的数值模拟结果进行对比分析，验证整流措施的可行性。同时，使用 1、3、4 号泵开机组合运行方案来对所提出的底坎参数整流措施进行检验。a.某泵站布置俯视图a.Plan view of a pumping station 前池Forebay进水池Inlet PoolNo.1No.2No.3No.44 500 4 3002 5005 9002 50014.8030 0009 00010 00013.6821.6823.0012 0005003 00015 50013.685 7502 425 5 7505 7505 750 2 42522 10027 8501:8.036b.研究对象模型图b.Research object model diagram底坎Sill前池Forebay进水池Inlet poolNO.1NO.2NO.4注：No.1、No.4 为设计流量为 2.6m3s1水泵机组，No.2、No.3 为设计流量为 5.4m3s-1水泵机组。Note:No.1andNo.4refertopumpunitswithadesignflowrateof2.6m3s1,whileNo.2andNo.3refertopumpunitswithadesignflowrateof5.4m3s-1.图 1某泵站平面布置图Fig.1Planelayoutofcertainpumpingstation底坎设计如图 2 所示，底坎采用梯形设计，将迎着来水方向的迎水面设计为斜面，底坎的设计参数主要有四种，分别为：底砍位置 A、上顶宽度 B、下底宽度 C、高度 D。BDCA注：A 为底坎位置，m；B 为上顶宽度，m；C 为下底宽度，m；D 为高度，m。Note:Aispositionofthesill,m;Bistopwidthofthesill,m;Cisbottomwidthofthesill,m;DisheightofthesillD,m.图 2底坎参数设计Fig.2Parameterdesignofsill1.3数值模型及网格无关性验证Realizable k本文通过使用计算流体力学方法对前池的水流情况进行三维数值模拟。前池的水流被视为充分发展的湍流，瞬时流动满足质量守恒方程和动量守恒方程。在数值模拟中，采用雷诺时均的 Navier-Stokes 方程和连续性方程来描述水流情况，并选择适当的湍流模型，使用 SIMPLEC 算法进行计算。计算域的两个相同入口第14期于永海等：基于 BPNN-GA 的泵站前池整流底坎参数优化107边界条件选择为质量流量入口，总质量流量为 10.6kg/s，单个入口边界的质量流量为 5.3kg/s。在计算中不考虑水泵叶片旋转对流场的影响，计算域的出口边界条件选择为自由出流条件。在模拟中忽略了前池液面与空气之间的热交换和热传导作用，采用“刚盖假定”8来模拟液面，自由表面设定为对称边界条件，而固体壁面的边界条件则采用壁面函数法。为了对计算域进行网格划分，本文使用了 FluentMeshing 工具，并采用混合网格的方式进行划分（图 3a）。在复杂部位采用四面体网格，而在非复杂部位采用六面体网格。这种划分方式既能满足计算速度和计算精度的要求，又能减少工程量。为了提高计算域的计算速度和准确性，对计算域的网格进行了无关性验证。在验证过程中，选择了 7 种不同数量的网格数据：20 万、34 万、67 万、94 万、118 万、233 万和 506 万。评价指标采用水头损失来评估网格的无关性，结果如图 3b 所示。a.模型网格划分a.Model grid partitioningb.网格无关性验证b.Grid independence verification01002003004005000.440.460.480.500.520.54总水头损失 Total hydraulic loss/m网格数量 Grid number/104ZYX图 3网格划分及无关性验证Fig.3Gridanditsindependenceverification从图 3 可以看出，在网格数量超过 118 万后，计算域的水头损失变化不大，相邻水头损失数值差异率不超过 2%，因此本模型采用的计算网格数量为 118 万。1.4综合评价指标VauVau前池整流建筑物参数的优化通常以轴向流速分布均匀度与速度加权平均角 10作为评价指标。选用轴向流速分布均匀度来表征特征断面的轴向流速分布情况。其计算式为Vau=1vtni=1（Vai/Va1）2/n100%（1）VauVaiVa式中为轴向流速分布均匀度，为断面各节点轴向速度，m/s；为断面平均轴向速度，m/s；n 为断面节点个数。|90|速度加权平均角 来衡量各断面上横向流速情况，越小，水流入流角度越接近垂直于进口断面，水流进入进水流道的条件越好，计算式为=Vai90arctan|Vti|VaiVai（2）Vti式中，为断面各节点的横向速度，m/s。Vau(0,1)etan|90|(1,+)为便于计算遗传算法的适应度，引入综合评价指标F，使两个评价指标转化为一个评价指标。轴向流速分布均匀度取值范围为，速度加权平均角 取值范围为(0,90)。为统一综合评价指标 F 的取值范围，通过数学关系得出的取值范围为。考虑到实际工程中不可能出现轴向流速分布均匀度及速度加权平均角取端点情况，则综合评价指标 F 为一无量纲数，其取F (1，+)值范围为，当 F 的取值越接近 1，表明该特征断面的轴向流速分布均匀度越接近 100%以及速度加权平均角越接近 90，因此可用综合评价指标 F 评判水流流态，其公式如式（3）所示。F=etan|90|Vau（3）1.5特征断面选取为了准确计算断面处的轴向流速分布均匀度和速度加权平均角，在数值模型中选择了上层、中层和下层 3个水平截面作为特征断面（图 4），分别命名为特征断面（Z=3.5m）、特征断面（Z=1.5m）和特征断面（距离计算域底部 Z=0.5m）。特征断面Horizontal section特征纵剖面特征断面Typical cross sectionTypical section特征断面Typical sectionZYX1、2、4号泵水流纵向中心线流速剖面图Velocity profile alongcenterline of pumps 1,2,4图 4特征断面示意图Fig.4Diagrammoftypicalsections在距离计算域进水口位置的特征纵剖面(Y=50m)处进行采样，用于计算域内各个流道的轴向流速分布均匀度和速度加权平均角，以及计算域的综合评价指标 F。水泵进水流道中心处断面为纵向中心线流速剖面，用以观察各水泵进水流道水流流线分布情况。通过对这些特108农业工程学报（http:/www.tcsae.org）2023年征断面的分析，可以获得关于流速分布均匀度和速度加权平均角的重要信息。这些参数的计算对于评估计算域内流动特性的均匀性和稳定性具有重要意义，并可为底坎结构设计参数的优化提供依据。1.6BPNN-GA 参数优化方法1.6.1BPNN 与 GA本文选择三层 BPNN 模型作为训练模型。输入层包括 4 个神经元，对应底坎的 4 个设计参数；输出层包括1 个神经元，对应综合评价指标 F。经过试验验证，当隐藏层包含 6 个神经元时，网络的计算效果较好。为了增加样本量，通过数值模拟计算了不同底坎结构设计参数下正向进水泵站前池的流态。底坎的 4 个参数在其对应的取值范围内随机设计了 100 组计算数据作为数据集。其中，底坎位置相对于水流入口处的取值范围为 1227m，底坎上顶宽度、底坎下底宽度和底坎高度的取值范围均为 0.32m。经过大量试验，本文选择其中 85 组作为训练数据，15 组作为测试数据，以获得较快的收敛速度和相对较小的误差。遗传算法（GA）本身并不要求对优化问题的性质进行深入的数学分析，并且具有全局搜索的能力，非常适合用于底坎结构设计参数尺寸的优化。神经网络训练过程中构建了适合于优化问题特点的 BPNN 模型，通过训练非线性函数的输出数据来训练 BPNN 模型，训练完成后的 BPNN 模型可以用于预测函数的输出。遗传算法极值寻优将训练后的 BPNN 模型预测结果作为个体适应度值，通过选择、交叉和变异操作来寻找函数的全局最优值及其对应的输入值。1.6.2BPNN-GA 训练模型使用相对平均误差和决定系数 R2作为 BPNN 模型训练的评价指标。经过模型训练，对于训练集的相对误差和真实值与预测值的比较结果如图 5 所示。86 87 88 89 90 91 92 93 94 95 96 97 98 9910000.20.40.60.81.01.21.41.61.8综合评价指标 Comprehensiveevaluation index F样本序号 Sample number 真实值Real value 预测值Prediced value00.020.040.060.08 相对误差Relative error相对误差 Relative error图 5BP 神经网络训练结果Fig.5ResultsoftrainedBPNNoftestdata其中，最大相对误差为 0.0790，最小相对误差为0.0053，相 对 平 均 误 差 为 0.0284，决 定 系 数 R2为0.8609。这些结果表明，BPNN 模型与原始数据具有很高的相似度，可以用于对综合评价指标 F 的预测处理。基于 BPNN 模型的结构函数，进行多目标极值寻优，以底坎的设计参数为约束范围。最终得到的结果是 BPNN模型预测函数的最小值。经优化计算得到的最优参数为：底坎位置 A 为 25.07m，底坎上顶宽度 B 为 0.59m，底坎下底宽度 C 为 1.27m，底坎高度 D 为 1.40m。2结果与分析2.1无整流措施由于泵站前池来水方向与进水池中心线存在 12的偏斜角度，并且在泵站运行过程中采用 No.1、No.2、No.4 一个大流量泵和两个小流量泵的开机运行模式，导致泵站前池内水流出现大范围漩涡，并且进水流道内的水流发生横向偏移。通过计算，得到在特征纵剖面处 1、2、4 号水泵进水流道的轴向流速分布均匀度分别为68.97%、84.68%、79.91%，速度加权平均角分别为67.55、66.47、78.31；结果表明，在各个进水流道内的水流流态均不良好，并且存在横向偏移现象。此时，综合评价指标F为 1.82。图 6a 展示了无整流措施下的泵站数值模拟结果，可以观察到各个特征断面出现不同尺度的漩涡。特征断面Typical section特征断面Typical section 特征断面Typical section a.各特征断面流线图a.Flow pattern for operating pumps 1,2 and 4b.1、2、4号泵水流纵向中心线流速剖面图b.Velocity profile along centerline of pumps 1,2 and 4No.4No.2 No.1No.4No.2No.1YZX流速 Velocity(msl)1.000.950.900.850.750.800.700.650.600.550.500.450.400.350.300.250.200.150.100YZX流速 Velocity(msl)1.000.950.900.850.750.800.700.650.600.550.500.450.400.350.300.250.200.150.100图 6无整流措施下数值模拟结果Fig.6Numericalsimulationresultswithoutflowrectificationmeasures图 6b 展示了无整流措施下 1 号、2 号和 4 号水泵水流纵向中心线的流速剖面图。从图中可以看出，在水流经过底坡后，1 号水泵纵向中心线的流速剖面图显示水流流线呈向上趋势，这将导致进水流道内轴向流速分布均匀度大幅下降。此外，4 号水泵纵向中心线的流速剖面图显示出回流现象。综合图 6a 的观察结果，不同尺度的漩涡严重影响了前池内部水流的流态，导致前池内水流流线分布混乱且流速分布不均匀。以上结果说明了在第14期于永海等：基于 BPNN-GA 的泵站前池整流底坎参数优化109当前条件下，泵站前池存在水流流态不良的问题，包括横向偏移和漩涡现象的出现。这会导致前池内部水流流线分布的混乱和流速分布的不均匀。因此，需要采取适当的整流措施来改善水流流态，提高前池的运行效果和性能。2.2正交试验法本研究使用 4 因素 3 水平的正交表设计了底坎的结构参数优化试验方案，根据 4 号水泵机组前的漩涡位置及大小确定出正交试验因素水平的参数，如表 1 与表 2所示。得出正交试验的数值模拟计算的最优结果:底坎位置 A 为 15m、上顶宽度 B 为 0.6m、下底宽度 C 为 1.2m、高度 D 为 1m。针对最优方案进行了数值模拟计算，得出以下结果：在特征纵剖面（Y=50m）处，1 号水泵进水流道的轴向流速分布均匀度为 79.46%，速度加权平均角为 82.99；2 号水泵进水流道的轴向流速分布均匀度为 97.12%，速度加权平均角为 83.85；4 号水泵流道的轴向流速分布均匀度为 88.10%，速度加权平均角为73.40。综合评价指标 F 为 1.34。与无整流措施下的数值模拟结果相比，最优方案中各个进水流道的轴向流速分布均匀度及速度加权平均角都有了极大的提高。然而，1 号水泵进水流道及 4 号水泵进水流道的轴向流速分布均匀度及速度加权平均角仍需进一步提高。尽管如此，相比与无整流措施情况下的水流流态，通过优化设计的底坎结构已经在改善水流流态方面取得了显著的进展。表1因素水平表Table1Factorleveltable水平Level底坎位置PositionofthesillA/m底坎上顶宽度TopwidthofthesillB/m底坎下底宽度BottomwidthofthesillC/m底坎高度HeightofthesillD/m1140.51.00.92150.61.11.03160.71.21.1表2试验方案及结果Table2Experimentalplansandresults试验号TestNo.因素Factors轴向流速分布均匀度Uniformityofaxialvelocitydistribution/%速度加权平均角Velocity-weightedaverageangle/()x1x2x3x41111182.3777.252123289.6476.933132386.4675.094213385.0983.265222190.2676.396231289.9582.187312284.8380.318321381.8180.549333188.4478.392.3BPNN-GA本研究以 BPNN-GA 算法确定了底坎设计的最优参数进行数值模拟计算。在特征纵剖面（Y=50m）处，1、2、4 号水泵进水流道的轴向流速分布均匀度分别为96.04%、97.61%、96.10%，速度加权平均角为 87.65、81.03、81.21。与正交试验优化结果相比，1 号水泵进水流道的轴向流速分布均匀度提高了 16.58 个百分点，速度加权平均角增加了 4.66；2 号水泵进水流道的轴向流速分布均匀度提高了 0.49 个百分点，速度加权平均角下降了 2.81；4 号水泵进水流道的轴向流速分布均匀度提高了 8 个百分点，速度加权平均角增加了 7.81。此时的综合评价指标 F 为 1.16。数值模拟最优方案得出的特征断面、特征断面、特征断面的结果如图 7a 所示。可以观察到前池内部不存在大范围的漩涡，流线变得顺直，流速均匀分布。由于 2 号水泵是大流量水泵，因此在不同的断面上，2 号水泵处的流速均高于其他水泵。图 7b 显示了 1 号、2 号、4 号水泵水流纵向中心线流速剖面图，可以看出经过底坎整流后，出现了小范围的回流现象，但很快调整为顺直流态。相较于无整流措施，回流现象消失，流线均顺直流入进水流道。结果表明，应用 BPNN-GA 算法，针对底坎结构设计参数在一定范围内进行了多目标极值寻优。相对于正交试验法固定参数下寻求最优解的局限性，BPNN-GA 算法的引入克服了这一缺点，在满足实际工程运行的情况下，该方法可获得任意范围内，底坎结构设计参数的最优解。a.1、2、4号泵开机组合下各特征断面流线图a.Flow pattern for the optimal scheme of the sill foroperating pumps 1,2,4.b.1、2、4号泵水流纵向中心线流速剖面图b.Velocity profile along centerline of pumps 1,2,4 withrectification sill特征断面Typical section特征断面Typical section 特征断面Typical section No.4No.2 No.1No.4No.2No.1YZX流速 Velocity/(msl)1.000.950.900.850.750.800.700.650.600.550.500.450.400.350.300.250.200.150.100YZX流速 Velocity/(msl)1.000.950.900.850.750.800.700.650.600.550.500.450.400.350.300.250.200.150.100图 7BPNN-GA 算法最优底坎结构设计参数数值模拟Fig.7NumericalsimulationofrectificationsillstructuredesignparametersusingtheBPNN-GAalgorithm.2.4优化后 1、3、4 号泵开机运行结果分析为了验证 BPNN-GA 算法设计出的最优方案在 1 号、3 号和 4 号泵开机组合运行情况下的整流效果，采用相同的 CFD 方法对泵站前池和进水池内的水流流态进行了计算。计算结果如图 8a 和图 8b 所示，展示了各特征断面的流线图以及各台泵水流纵向中心线的流速剖面图。经过 BPNN-GA 算法优化后，在特征纵剖面处，1、110农业工程学报（http:/www.tcsae.org）2023年3、4 号水泵进水流道的轴向流速分布均匀度分别为95.33%、96.16%、96.37%，速度加权平均角分别为84.83、78.16、85.79。综合评价指标F为 1.17。图 8a展示了不同开机工况下的泵站前池各断面的流线图。可以观察到，在各个断面上均未出现大范围的漩涡现象，水流流线顺直，流速分布均匀。图 8b 显示了在坎后的水流纵向中心线流速剖面图。可以观察到，坎后仍存在小范围的漩涡，但很快调整为顺直流态。与未进行优化的情况相比，整流后的水流流态得到了显著改善。因此，可以得出结论：BPNN-GA 算法设计的底坎参数在不同的开机工况下具有良好的适应性。优化后的底坎设计方案能够有效改善泵站前池的水流流态，减少漩涡现象，提高轴向流速分布均匀度和速度加权平均角，从而进一步优化泵站的性能。a.1、3、4号泵开机组合下各特征断面流线图a.Flow pattern for the optimal scheme of the sill foroperating pumps 1,3,4.b.1、3、4号泵水流纵向中心线流速剖面图b.Velocity profiles along center line of pumps 1,3,4 withrectification sill 特征断面Typical section特征断面Typical section 特征断面Typical section YZX流速 Velocity/(msl)1.000.950.900.850.750.800.700.650.600.550.500.450.400.350.300.250.200.150.100YZX流速 Velocity/(msl)1.000.950.900.850.750.800.700.650.600.550.500.450.400.350.300.250.200.150.100No.4 No.3No.1No.4No.3No.1图 81、3、4 号泵运行数值模拟图Fig.8Numericalsimulationofpumpoperationforpumps1,3,43结论本研究通过引入 BPNN-GA 算法对底坎的结构参数进行了优化，并对优化后的参数进行了评估和验证，将其与无整流措施和正交试验法的最优参数结果进行了比较。得到以下主要结论：1）通过数值模拟计算验证了优化后的底坎结构设计方案。结果表明，优化后的底坎设计方案在各个进水流道内展现了较好的轴向流速分布均匀度和速度加权平均角。相比于正交试验的最优结果，遗传算法优化的方案进一步提高了轴向流速分布均匀度，减少了横向偏移现象，优化后的综合评价指标 F 也有所改善。结果表明，1 号水泵进水流道的轴向流速分布均匀度提高了 16.58 个百分点，速度加权平均角增加了 4.66；2 号水泵进水流道的轴向流速分布均匀度提高了 0.49 个百分点，速度加权平均角下降了 2.81；4 号水泵进水流道的轴向流速分布均匀度提高了 8 个百分点，速度加权平均角增加了7.81。此时的综合评价指标 F 为 1.16。2）对优化后的底坎设计方案在不同的泵组合运行工况下进行了验证。结果显示，在不同开机工况下，优化后的底坎设计方案仍然能够保持良好的水流流态，减少漩涡现象，提高轴向流速分布均匀度和速度加权平均角。参考文献刘超，韩旭，周济人，等.泵站侧向进水引河段三维紊流数值模拟J.排灌机械工程学报，2009，27(5)：281-286.LIUChao,HANXu,ZHOUJiren,etal.Numericalsimulationof turbulent flow in forebay with side-intake of pumpingstationJ.Journal of Drainage and Irrigation MachineryEngineering,2009,27(5):281-286.(inChinesewithEnglishabstract)1TOKYAYT,CONSTANTINESCUS.Validationofalarge-eddy simulation model to simulate flow in pump intakes ofrealisticgeometryJ.JournalofHydraulicEngineering,2006,132(12):1303-1315.2ANSARM,NAKATOT,CONSTANTINESCUG.Numericalsimulationsofinviscidthree-dimensionalflowsatsingle-anddual-pumpintakesJ.JournalofHydraulicResearch,2002,40(4):461-470.3KANGWT,YUKH,LEESY,etal.Aninvestigationofcavitation and suction vortices behavior in pump sumpCProceedingsofASME-JSME-KSMEJointFluidsEngineeringConference,2011:1-6.4李颜雁，郭鹏程，孙龙刚，等.立柱对大型泵站前池和进水池流态影响的数值分析J.排灌机械工程学报，2021，39(9)：929-936.LIYanyan,GUOPengcheng,SUNLonggang,etal.Numericalanalysis on influence of vertical column on flow patterninforebay and intake of large pumping stationJ.Journal ofDrainageandIrrigationMachineryEngineering,2021,39(9):929-936.(inChinesewithEnglishabstract)5于永海，徐辉，程永光.泵站前池导流板整流措施数值模拟研究J.水利水电技术，2006(9)：41-43.YUYonghai,XUHui,CHENGYongguang.CFDnumericalsimulationonmodificationofflowpatternwithflowdeflectorat fore-bay of pumping station J.Water Resources andHydropower Engineering,2006(9):41-43.(in Chinese withEnglishabstract)6高传昌，曾新乐，解克宇，等.泵站进水池超低水位下组合整流方案与验证J.农业工程学报，2017，33(23)：101-108.7第14期于永海等：基于 BPNN-GA 的泵站前池整流底坎参数优化111GAOChuanchang,ZENGXinle,XIEKeyu,etal.Combinedrectificationschemeofpumpintakesumpinultra-lowwaterlevel and its verificationJ.Transactions of the ChineseSocietyofAgriculturalEngineering(TransactionsoftheCSAE),2017,33(23):101-108.(inChinesewithEnglishabstract)罗灿，雷帅浩，陈锋，等.泵站进水池翼型导流板整流特性 数 值 模 拟 J.水 利 水 电 科 技 进 展，2021，41(4)：53-59.LUO Can,LEI Shuaihao,CHEN Feng,et al.NumericalsimulationofrectifyingcharacteristicsoftheairfoildeflectorsinthesumpofpumpingstationJ.AdvancesinScienceandTechnology of Water Resources,2021,41(4):53-59.(inChinesewithEnglishabstract)8罗灿，雷帅浩，袁尧，等.小型闸站式侧向泵站进水流态数值模拟研究J.排灌机械工程学报，2021，39(8)：797-803.LUO Can,LEI Shuaihao,Y