基于<strong>Kriging</strong>模型的大型立式磨机选粉机结构优化设计研究

doi:10.3785/j.issn.1006-754X.2024.04.170

工程设计学报

2024, Vol. 31

Issue (6): 801-809 DOI: 10.3785/j.issn.1006-754X.2024.04.170

优化设计

基于Kriging模型的大型立式磨机选粉机结构优化设计研究

李浩(

),王颖,马耀帅,孙春亚,黄荣杰,王昊琪,李琳利

郑州轻工业大学机电工程学院，河南郑州 450002

Research on structural optimization design for powder separator of large vertical mill based on Kriging model

Hao LI(

),Ying WANG,Yaoshuai MA,Chunya SUN,rongjie HUANG,Haoqi WANG,Linli LI

College of Mechanical and Electrical Engineering, Zhengzhou University of Light Industry, Zhengzhou 450002, China

全文: PDF(3687 KB) HTML

摘要：

大型立式磨机是一个结构复杂、运行参数多、监控与操作点多、多物理场的粉磨系统，其性能与结构有直接关系。基于NX二次开发的参数化设计方法，建立了LGM型大型立式磨机的计算流体动力学-离散相模型（computational fluid dynamics-discrete phase model, CFD-DPM），实现对其选粉机格栅结构的分析与设计，探讨转子叶片结构对立磨机工作性能的影响；提出了基于Kriging模型的选粉机结构优化设计方法，并在Isight平台进行优化验证。结果显示，在参数设计范围内适当减小选粉机转子叶片的腰部长度和头部长度，增大其厚度和倾角，可以有效提高转子扭矩和转子叶片间气流速度，优化后扭矩增大了2.91%，流速提高了9.76%，证明了所提出方法的有效性。研究结果为立式磨机的结构设计与优化提供了新的理论依据和实践指导，具有较高的科研参考价值和工业应用前景。

关键词： 立式磨机; 选粉机; Kriging代理模型; 优化设计; 转子叶片

Abstract:

Large vertical mill is a grinding system with complex structure, multiple operating parameters, multiple monitoring and operating points, and multiple physical fields, and its performance is directly related to the structure. Based on the parametric design method of NX secondary development, CFD-DPM (computational fluid dynamics-discrete phase model) of LGM large vertical mill was established. The grating structure of the powder separator was analyzed and designed, and the influence of the rotor blade structure on the performance of the mill was discussed. A structure optimization design method for powder separator based on Kriging model was proposed and verified on Isight platform. The results showed that the rotor torque and the velocity of the airflow between rotor blades could be effectively improved by appropriately reducing the waist length and head length of the rotor blades and increasing their thickness and inclination angle within the parameter design range. The torque was increased by 2.91% and the flow rate by 9.76% after optimization, which proved the effectiveness of the proposed method. The research results provide a new theoretical basis and practical guidance for the structural design and optimization of vertical mill, and have high scientific research reference value and industrial application prospect.

Key words: vertical grinder powder separator Kriging surrogate model optimal design rotor blade

收稿日期: 2024-09-23 出版日期: 2024-12-31

CLC:

TH 162

基金资助: 国家自然科学基金面上项目(52175256);河南省科技研发计划联合基金资助项目(225200810029);河南省科技攻关重点项目(242102221013)

作者简介: 李浩（1981—），男，教授，博士生导师，博士，从事工业数字孪生、产品设计方法学、智能制造服务等研究，E-mail: lihao@zzuli.edu.cn, http://orcid.org/0000-0001-6841-5075

	服务
	把本文推荐给朋友
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	李浩
	王颖
	马耀帅
	孙春亚
	黄荣杰
	王昊琪
	李琳利

引用本文:

李浩,王颖,马耀帅,孙春亚,黄荣杰,王昊琪,李琳利. 基于Kriging模型的大型立式磨机选粉机结构优化设计研究[J]. 工程设计学报, 2024, 31(6): 801-809.

Hao LI,Ying WANG,Yaoshuai MA,Chunya SUN,rongjie HUANG,Haoqi WANG,Linli LI. Research on structural optimization design for powder separator of large vertical mill based on Kriging model[J]. Chinese Journal of Engineering Design, 2024, 31(6): 801-809.

链接本文:

https://www.zjujournals.com/gcsjxb/CN/10.3785/j.issn.1006-754X.2024.04.170 或 https://www.zjujournals.com/gcsjxb/CN/Y2024/V31/I6/801

表1 LGM型立磨机主要结构尺寸参数

图1 立磨机物理模型及流体域几何模型和网格模型

图2 选粉机结构示意图

图3 选粉机转笼格栅结构示意

图4 转子叶片结构示意

表2 转子叶片结构参数设计范围

图5 选粉机内部气流速度分布云图

图6 不同结构下转子叶片间气流速度分布云图及其局部放大图

表3 不同结构下转子扭矩和转子叶片间气流速度

图7 NSGA-II流程框图

图8 选粉机结构参数优化设计流程框图

图9 优化前后转子叶片间气流速度分布云图

表4 优化前后转子结构参数及转子扭矩和转子叶片间气流速度的对比

图10 转子叶片结构参数灵敏度分析结果

1	肖人彬. 大规模个性化定制：大规模个性化的新发展［J］. 计算机集成制造系统， 2023， 29（12）： 4215-4226. XIAO R B. Massive personalized customization： New development of mass personalization［J］. Computer Integrated Manufacturing Systems， 2023， 29（12）： 4215-4226.
2	HAN S G， LI A S， WANG H C， et al. A health management system for large vertical mill［J］. International Journal of Distributed Sensor Networks， 2020， 16（3）： 15501477209.
3	WANG Y P， LIU Y， ZOU J， et al. A novel two-phase evolutionary algorithm for solving constrained multi-objective optimization problems［J］. Swarm and Evolutionary Computation， 2022， 75： 101166.
4	CHEN L M， QIU H B， GAO L， et al. Optimization of expensive black-box problems via Gradient-enhanced Kriging［J］. Computer Methods in Applied Mechanics and Engineering， 2020， 362： 112861.
5	陈博.基于代理模型的输电塔结构易损性分析［D］. 武汉：华中科技大学， 2021： 15-17. CHEN B. Vulnerability analysis of transmission tower structure based on Kriging surrogate model［D］. Wuhan： Huazhong University of Science and Technology， 2021： 15-17.
6	蔡锦云，刘忠，王罡，等. 基于响应面法的绞磨机辅助拉尾绳装置优化设计［J］. 工程设计学报， 2024， 31（2）： 178-187. CAI J Y， LIU Z， WANG G， et al. Optimization design of auxiliary tail rope pulling device for winch mill based on response surface methodology［J］. Chinese Journal of Engineering Design， 2024， 31（2）： 178-187.
7	ZHANG W， GAO Z H， WANG C， et al. Kriging-based space exploration global optimization method in aerodynamic design［J］. International Journal of Aerospace Engineering， 2023， 2023（1）： 4493349.
8	王正平，龙腾，刘莉. 多学科设计优化中的多项式响应面近似方法研究［C/OL］//第八届全国信息获取与处理学术会议论文集. ［2024-09-13］. . WANG Z P， LONG T， LIU L. Research on polynomial response surface approximation method in multidisciplinary design optimization［C/OL］//Proceedings of the 8th National Conference on Information Acquisition and Processing. ［2024-09-13］. .
9	王莉华，恽歌. 基于无网格径向基函数法的刚柔流耦合动力学分析［C/OL］//中国计算力学大会2014暨第三届钱令希计算力学奖颁奖大会论文集. ［2024-09-13］. . WANG L H， YUN G. Dynamics analysis of rigid flexible flow coupling based on meshless radial basis function method［C/OL］//Proceedings of the 2014 China Computational Mechanics Conference and the 3rd QIAN Lingxi Computational Mechanics Award Ceremony. ［2024-09-13］. .
10	丁春风，汪建均. 基于Kriging模型的稳健参数设计［J］. 系统工程与电子技术， 2023， 45（7）： 2269-2279. DING C F， WANG J J. Robust parameter design based on Kriging model［J］. Systems Engineering and Electronics， 2023， 45（7）： 2269-2279.
11	杨扬，舒乐时. 基于序贯层次Kriging模型的微型飞行器机身结构设计优化［J］. 工程设计学报， 2018， 25（4）： 434-440. YANG Y， SHU L S. Optimization of micro aircraft body structure design based on sequential hierarchical Kriging model［J］. Chinese Journal of Engineering Design， 2018， 25（4）： 434-440.
12	WANG J S， XU G J， LI Y L， et al. AKSE： A novel adaptive Kriging method combining sampling region scheme and error-based stopping criterion for structural reliability analysis［J］. Reliability Engineering and System Safety， 2022， 219： 108214.
13	程嘉辉.大型立式磨机多物理场耦合仿真与运行参数优化［D］. 郑州：郑州轻工业大学， 2022： 13-18. CHENG J H. Multi-physics coupling simulation and process parameter optimization of large vertical mills［D］. Zhengzhou： Zhengzhou University of Light Industry， 2022：13-18.
14	PECHENIN A V， RUSANOV V N， BOLOTOV A M. Model and software module for predicting uncertainties of coordinate measurements using the NX OPEN API［J］. Journal of Physics： Conference Series， 2018， 1096（1）： 012162.
15	BENAOUNLI A， KACHEL S. Multidisciplinary design optimization of aircraft wing using commercial software integration［J］. Aerospace Science and Technology， 2019， 92： 766-776.
16	BAO Y D， CHAN J P， SU L J， et al. Rigidblock characteristics on subaerial landslide-tsunamis using a 3D coupled Eulerian-Lagrangian model［J］. Journal of Mountain Science， 2023， 20（2）： 466-483.
17	HUANG R J， MA Y S， LI H， et al. Operation parameters multi-objective optimization method of large vertical mill based on CFD-DPM［J］. Advanced Powder Technology， 2023， 34（6）： 104014.
18	马耀帅. 基于代理模型的大型立磨工艺参数与选粉机格栅结构优化研究［D］. 郑州：郑州轻工业大学， 2023： 5-6. MA Y S. Research on optimization of process parameters of large vertical mill and grid structure of classifier based on proxy model［D］. Zhengzhou： Zhengzhou University of Light Industry， 2023： 5-6.
19	MATHERON G. Principles of geostatistics［J］.Economic Geology， 1963， 58： 1246-1266.
20	DEB K， AGRAWAL S， PRATAP A， et al. Afast and elitist multi-objective genetic algorithm： NSGA-II［J］. IEEE Transactions on Evolutionary Computation， 2002， 6（2）：182-197.
21	陈小庆，侯中喜，郭良民，等. 基于NSGA-II的改进多目标遗传算法［J］. 计算机应用， 2006， 26（10）： 2453-2456. CHEN X Q， HOU Z X， GUO L M， et al. Improved multi-objective genetic algorithm based on NSGA-II［J］. Journal of Computer Applications， 2006， 26（10）： 2453-2456.
22	赖宇阳，方立桥，李明，等. Isight参数优化理论与实例详解［M］. 北京：北京航空航天大学出版社， 2012. LAI Y Y， FANG L Q， LI M. Isight parameter optimization theory and example explanation［M］. Beijing： Beihang University Press， 2012.
23	李浩，程嘉辉，孙春亚，等. 基于CFD-DPM的大规模颗粒-流体系统数值仿真与分析［J］. 机械工程学报， 2022， 58（22）： 450-461. doi：10.3901/jme.2022.22.450 LI H， CHENG J H， SUN C Y， et al. Numerical simulation and analysis of large-scale particle fluid system based on CFD-DPM method［J］. Journal of Mechanical Engineering， 2022， 58（22）： 450-461. doi: 10.3901/jme.2022.22.450

[1]	董青,张天祥,戚其松,徐格宁. 基于结构功能衍生系数的桥式起重机金属结构优化设计[J]. 工程设计学报, 2024, 31(6): 810-822.
[2]	曹望城,韩佳轩,姚廷强. 基于参数化多体动力学模型的内齿式回转支承动态优化设计[J]. 工程设计学报, 2024, 31(2): 168-177.
[3]	蔡锦云,刘忠,王罡,赵庆斌,安宁,杜旭伟,李东良,李源周. 基于响应面法的绞磨机辅助拉尾绳装置优化设计[J]. 工程设计学报, 2024, 31(2): 178-187.
[4]	戚其松,李成刚,董青,陈钰浩,徐航. 起重机生命周期载荷谱预测及基于疲劳寿命的结构优化设计[J]. 工程设计学报, 2023, 30(3): 380-389.
[5]	张正峰,宋小雨,袁晓磊,陈文娟,张伟东. Al/CFRP混合薄壁结构耐撞性能可靠性优化设计[J]. 工程设计学报, 2022, 29(6): 720-730.
[6]	孙光明,王奕苗,万仟,弓堃,汪文津,赵坚. 考虑装配变形的精密机床床身优化设计[J]. 工程设计学报, 2022, 29(3): 318-326.
[7]	陈振, 李涛, 薛晓伟, 周阳, 敬爽, 陈言. 基于模糊综合评价法的可控震源振动器平板疲劳可靠性分析与优化[J]. 工程设计学报, 2021, 28(4): 415-425.
[8]	张锦, 刘佩珊, 殷玉枫. Y形旋转超声波马达的设计与动态特性分析[J]. 工程设计学报, 2021, 28(2): 248-254.
[9]	刘永江, 彭宣霖, 唐雄辉, 李华, 齐紫梅. 轴流散热风机共振失效分析与优化设计[J]. 工程设计学报, 2021, 28(2): 203-209.
[10]	魏巍, 林载盛. 基于RIR-MOO的定制产品优化设计方法研究[J]. 工程设计学报, 2020, 27(5): 592-599.
[11]	孙月海, 唐二星. 弧齿锥齿轮基本参数优化设计[J]. 工程设计学报, 2020, 27(5): 616-624.
[12]	孙世峰, 高常青, 杨波, 徐征和. 基于试验设计与有限元仿真的辐射井水平钻机承载部件优化设计[J]. 工程设计学报, 2019, 26(6): 683-690.
[13]	王艾伦, 刘乐, 刘庆亚. 基于Kriging代理模型的拉杆组合转子强度可靠性研究[J]. 工程设计学报, 2019, 26(4): 433-440.
[14]	杨迎新, 周坚, 黄奎林, 任海涛, 陈炼. 定向随钻扩孔PDC钻头优化设计及应用[J]. 工程设计学报, 2018, 25(6): 668-674.
[15]	万建成, 江明, 杨磊, 刘晨. 大截面碳纤维导线卡线器夹嘴优化设计[J]. 工程设计学报, 2018, 25(6): 675-682.

Viewed

Full text

Abstract

Cited

Shared

Discussed