旋转机械作为一种通用机械，在许多领域有着广泛的应用。越来越多的风机/泵企业开始把节能增效指标放在研发的首位，不仅是为了应对国家节能减排，同时也为了提高其产品在国内外优质产品中的竞争力。旋转机械的节能途径有以下几个方面：高效的液压/气动机型，减少转轮内的摩擦，减少机械损耗，合理选择，配高效电机，节能检测，变频运行，因此合理的设计和优化是节能的前提和基石。

在ANSYS软件中，有一套完整的旋转机械涡轮系统设计工具。

利用Vista系列模块工具给出的外部特性参数生成一维子午流道，然后将其传递给bladegen进行子午流道和叶片形状参数的调整。将三维模型转化为一种高度自动化的六面体网格生成工具turbogrid，生成高质量的边界层网格和流道网格。用CFX进行求解，并在cfdpost全涡轮正激设计过程中进行后处理。

在叶轮设计和分析过程中，存在着增压不足、效率低、性能指标不符合既定要求等问题，因此有必要在原设计中进行调整，然后进行计算分析。传统的交互式优化对工程师的经验要求很高，在比速较低的情况下，往往工作量大，耗费的时间也往往较大，不利于开发周期相对较短、应急性较强的项目。

Optislang是ANSYS的专业分析软件，用于多学科优化、随机分析、稳健和可靠性优化设计。在参数敏感性分析、稳健性评价、可靠性分析、多学科优化、稳健性和可靠性优化设计等方面具有较强的分析能力。它集成了20多种先进算法，保证了工程问题优化的多学科确定性，为随机分析、多学科稳健和可靠性优化设计提供了坚实的理论基础。

同时，为上述分析集成了强大的后处理模块，提供了稳健性评价、可靠性分析等前沿研究领域的各种先进评价方法和指标，并用丰富的图例和表格展示了各种分析结果。Optislang可以集成多种CAE软件或求解器，并可以基于其求解器进行各种工程仿真分析或数据处理。因此，optislang已成为各工程领域进行参数敏感性、多学科优化和稳健可靠性分析优化的专业工具。

其中，COD、COI、cop、CC等指标准确、客观地衡量了随机变量对响应的影响。为了克服多学科非线性优化中遇到的大量设计参数的困难，optislang提供了一种高效的灵敏度分析和参数辨识算法，它可以根据预测系数（COP）和***预测单元模型（MOP）自动识别重要参数，量化预测质量，得到预测模型作为备选解算器。预测质量是一种有效的优化方法，因此可以最小化求解时间。

接下来，通过一个离心泵的优化实例来了解optislang软件的功能。

一、优化的对象是离心泵。外部特性参数为：扬程70m，流量80L/s，应用场合为热力循环系统或城市供水系统，因此需要高效率才能达到节能减排的目的。我们将通过optislang优化和提高此性能点的效率。

二、首先，我们需要对叶轮进行参数化建模，利用bladeditor中叶轮的逆函数得到叶轮的几何参数，取叶片的进出口角度、叶轮的厚度、叶片的个数，轴流流道的形状包括罩型线、轮毂型线、叶轮的进出口直径、叶片B1、B2的进出口宽度等作为优化对象，共有19个优化参数。

建立参数化模型后，引入turbo网格生成高质量的六面体网格，检验网格的独立性。由于需要对大量DOE模型进行参数优化计算，以保证计算结果的准确性，在计算之前，为了保证计算精度足够，应尽量减少网格数。因此，首先验证网格的独立性，选择合适的网格尺寸作为标准进行后续的参数优化计算。

从网格独立性的计算结果可以看出，在考虑计算效率和精度的情况下，mediummesh网格满足要求。因此，选择这组网格设置，通过工作台平台进行单通道稳态计算，然后用optislang软件对模型进行优化。完整的工作流程如下图所示。

三、Optislang优化分析过程：

首先，我们随机抽取了19个参数组合。从统计学的角度来看，样本点越多，分析的准确性就越高。我们选择了50，100，150个样本点进行参数敏感性分析。在optislang软件中，模型的可靠性主要取决于COP预算系数。cop预测系数越接近100%，映射关系越好。

从计算结果来看，只有当样本数大于150时，cop才大于90%，说明优化参数和目标函数映射良好。在对当前采样点的结果进行预测的基础上，选取了六个对计算结果有直接影响的重要参数。它们是叶轮出口半径、叶轮出口宽度、围带外形、叶片前缘位置和进出口角度。这些重要参数的选择也符合我们对叶轮优化的认识。

当得到足够的采样点时，optislang的nlpql算法直接用于叶轮的进一步优化。在optislang中，nlpql算法不直接求解CFD，而是直接利用遗传算法从数值结果中优化差分。

在优化设计结果中，采用ARSM响应面模型演化算法对参数范围进行二次优化，通过80步迭代得到最终优化结果。

以上是利用optislang和ANSYS耦合对离心泵叶轮进行优化的过程。