离心泵理论扬程的计算

通过对不同滑移系数计算公式的比较与分析,揭示了滑移系数是离心泵理论扬程计算结果准确与否的关键,提出了对于不同比转数的离心泵滑移系数应采用不同的计算公式。以优秀离心泵为基础,采用回归分析法对离心泵理论扬程的计算进行了修正。计算实例表明:修正后的理论扬程公式计算结果更加准确,为工程实际应用提供了一种较为准确的计算方法。     

地轮驱动离心式化肥撒布机的设计与试验

设计了一种由地轮驱动的离心式化肥撒布机，对其撒肥性能进行了试验，测定了撒肥量、撒肥幅宽、撒肥形状、撒肥均匀性，并进行了搭接撒施的均匀撒肥试验，该机与人工撒肥进行了比较。结果表明，这种新型的地轮驱动离心式化肥撒布机完全能满足使用要求。     

离心泵全特性若干问题研究

本文针对６ＳＨ－９型离心泵试验了各工况区多种转速下的全特性，由此分析了利用比例律推求全特性所产生的变异误差及苏特坐标曲线的误差，并从理论及试验两方面分析了同比速同系列泵及同比速同型式但系列不同的水泵全特性通用性问题，最后提出了根据水泵工况区特性预测水轮机工况区特性的计算方程，并同实测结果进行了比较，两者充分一致。     

双蜗壳式双吸泵隔板结构对叶轮径向力的影响

分别对单、双蜗壳式双吸泵10个工况点进行全三维流道的数值模拟和试验测试,发现由于双蜗壳式泵内部隔板设计不合理,导致双蜗壳泵较单蜗壳泵在原设计工况点的扬程、效率分别相对下降了21.8％和41.3％.依据双蜗壳设计基本原理,对隔板结构提出3种改进方案,利用雷诺时均方法( RANS)和SSTk -ω湍流模型对每一方案进行全三维流道的定常数值模拟.模拟和试验结果表明:2号双蜗壳泵既保持了泵原有的水力性能,又能够有效地减小叶轮径向力,因此得到双蜗壳式双吸泵中隔板结构的最优设计模型:起始位置为隔舌绕基圆旋转180°、曲线方程为对数螺旋线、终止位置为隔板起始点旋转180°.     

离心泵叶轮内变工况三维湍流数值模拟

采用工程上广泛使用的标准k—ε两方程湍流模型，对离心泵最佳工况和大流量工况、小流量工况进行了叶轮内部流动的数值模拟，对3种工况下叶轮内的相对流动、径向流动及切向流动进行了分析，探讨了轴向旋涡的特征、叶片流道的挟持约束作用、叶片流道内的压力分布与流量的关系等流动特性。     

低比转数离心泵叶轮出口紊流流动结构分析

在叶轮内三维紊流流动数值计算的基础上，从介质能量的观点，分析了不同工况下低比转数离心泵叶轮出口处的紊流流动结构。数值计算采用SIMPLEC算法，在贴体坐标系下求解Navier—Stokes方程，紊流模型采用标准的κ—ε模型。计算结果表明，在叶轮的出口附近靠近吸力面一侧存在一个低能区，而压力面一侧能量相对较高。这与有关文献中所指出的离心风机的“射流—尾流”结构相对应。当偏离设计工况时，该低能区的范围和强度略有增加，相对应的叶轮效率也降低。计算结果与水泵在这些工况下的效率实验结果相一致，说明低能区的存在是影响低比转数离心泵效率的重要因素。     

离心输油泵故障诊断专家系统的研究与实现

提出了一种新的对基本神经网络进行组合的思路，将基本神经网络分层联接，每一层对应对象的某一属性，并根据属性分类。以这一思路为指导，组建了BP网络与竞争网络组织相结合的神经网络，并以此为核心，搭建了离心输油泵故障诊断专家系统的框架。     

泵及其系统失压特性研究与计算

通过试验表明,在突然停泵和突然关闭泵出口阀两种失压工况下，系统中流量和压头出现振荡，水流出现正、反向交替流动，同时伴有空穴的产生、发展和溃灭，使全系统进入瞬变工况。阀突然关闭造成的泵出口管路高压，使泵出口压头呈现先突然升高再快速下降的振荡曲线，它反映出系统失压对泵组运行的影响是明显的。用固定波速无气体释放模型和变波速有气体释放模型对管系中的瞬变工况进行了计算。压头计算结果与试验结果较接近，而计算的空穴变化规律只在初始阶段较为符合。试验结果和计算结果的差异反映了真实泵系统的复杂和数值计算模型的不足。     

带分流叶片的离心泵叶轮三维贴体网格生成

采用泊松方程进行带分流叶片的离心泵叶轮内三维贴体网格的自动生成 ,并通过源项控制来满足网格的正交性及调整网格疏密。计算时根据边界处网格线正交的控制角和控制距离的几何约束确定边界条件 ,利用分块粘接技术生成了带分流叶片离心泵叶轮内的三维分块结构化贴体网格 ,从而提高了流场流动分析中前处理环节的效率和精度 ,能使在湍流计算中广泛应用的壁面函数法的条件容易满足 ,并能使普遍采用的压力第二边界条件直接用于计算中 ,还能满足差分要求 ,减小离散误差。     

基于改进BP神网络的离心泵性能预测

采用改进神经网络(贝叶斯正则化算法)对IB型单级离心泵水力模型的性能进行了预测,通过工程实践中得到的100组离心泵最优几何尺寸来训练网络,并用训练好的网络对需生产的水泵进行工况预测。结果显示,用改进神经网络来预测单级离心泵的性能,预测误差不超过6%。