立式管道泵进水弯管和叶轮的参数化分析与验证

管道泵的肘形弯曲进口结构影响了叶轮的入流,导致管道泵内部流动特性复杂,整体性能下降。为了探究管道泵不同设计参数对内部流动的影响,该研究基于三维非定常雷诺时均Navier-Stokes方程,结合剪切应力传输模型对管道泵入流畸变特性展开了数值模拟,并进行了试验验证。同时,选取了进水弯管和叶轮的40个设计参数,使用拉丁超立方设计方法创建了300组设计样本,通过Pearson相关性分析,数值研究了进水弯管和叶轮的设计参数对管道泵效率、扬程及入流不均匀度的影响。结果表明:数值计算结果与试验结果的吻合良好,模拟方法具有较好的预测精度;进口流道内发现了伴有二次流涡对的流动分离区,且其内部流动分布不对称,在设计流量和小流量工况下,进口流道内部流动分别以反向涡对和回流旋涡为主;管道泵的性能与叶片安放角及叶片数显著相关。研究表明具有40°～50°进口安放角、20°～40°出口安放角及较大进水弯管长度的管道泵具有更好的性能和稳定性,此区间内的样本相较于原始模型效率平均提高了5%。研究结果可为管道泵的设计优化提供参考。     

基于人工神经网络的管道泵进水流道性能优化

立式管道泵是一种具有进口弯管的单级单吸离心泵,常被应用于安装空间受限的地方。由于进口的特殊结构,该泵不可避免地产生了一定程度的能量损失,从而降低了整体的效率。为了提高管道泵的性能,基于人工神经网络进行了肘形进水流道的优化研究。进水流道的形状可由流道中线和各截面的形状控制,选择五阶贝塞尔曲线拟合流道中线,三阶贝塞尔曲线拟合截面控制参数沿流道中线的变化趋势。考虑到泵实际安装需求,选取进水流道的11个参数为优化变量,泵效率为优化目标。采用拉丁方试验设计方法设计了149个进水流道方案,应用人工神经网络建立了泵效率与11个设计变量间的高精度非线性数学表达式,采用粒子群算法对数学表达式进行了优化,得到了肘形进水流道的最优参数组合。研究结果表明:计算结果与试验结果在小流量和设计流量下呈现出很好的一致性;人工神经网络(ANN)能够准确反映泵效率和设计变量之间的关系,优化后预测值与计算值之间的偏差为0.32%;优化后的模型相对于原始模型效率提高了1.17个百分点,扬程提高了0.23 m,高效运行区得到拓宽;相比于原始进口管,优化后进口管内流动得到改善。