双流道泵叶轮边界涡量流分析与水力优化

为优化双流道泵叶轮,对原始泵的内流场进行数值模拟,引入边界涡量动力学理论进行流动诊断,分析了叶轮表面的边界涡量流(BVF)、摩擦力线以及涡量线的分布规律,找到了叶轮内产生不良流动的位置及其动力学根源。根据流动诊断结果,有针对性地调整影响双流道泵叶轮内流状态的结构参数,得到优化后的双流道泵叶轮。联合CFD计算和边界涡量动力学流动诊断方法,对比分析了优化前后的双流道泵叶轮,结果表明:优化后叶轮表面的BVF、摩擦力线以及涡线分布得到明显改善,BVF峰值和均值均显著降低,均匀性指数更接近于1,流动分离被抑制,叶轮受力状况得到改善,扬程和效率等水力性能明显提高。研究结果证明了基于边界涡量动力学理论的流动诊断和优化方法在流道式叶轮机械中应用的可行性。     

基于流固耦合的隔舌位置对双流道泵综合性能的影响

为了研究隔舌位置对双流道泵水力性能与结构性能的影响,针对3种不同隔舌安放角的双流道泵进行双向流固耦合计算,结果表明:水力性能方面,隔舌位置对扬程的影响较小,而对效率的影响较大,3种方案的最大扬程差仅为0.09 m,而最大效率差达1.1%;隔舌位置主要影响隔舌圆角及往第1断面方向附近与叶轮间隙处的压力脉动程度,隔舌安放角越大,压力脉动越强;叶轮旋转1周,蜗壳所受径向力呈现周期性变化规律,叶片扫过隔舌圆角时,蜗壳所受径向力最小,转过90°时径向力达到最大值.增大隔舌安放角可显著减小蜗壳所受径向力.结构性能方面,叶轮应力集中出现在出口吸力面,蜗壳应力集中出现在隔舌圆角附近靠后盖板处,增大隔舌安放角会增加蜗壳的最大应力值,但振幅减小;双流道泵发生10^-5m量级的位移,最大位移出现在蜗壳出口处,主要受叶片通过频率的影响,呈周期变化趋势,且随着隔舌安放角的增大,蜗壳最大变形量增大,振幅减小;隔舌位置对泵的振动速度影响比较明显,增大隔舌安放角,有助于减小振动.     

791翼型水动力性能的多目标遗传优化

首先采用贝塞尔曲线参数化翼型背面型线,控制翼型的厚度变化规律;其次,通过均匀试验设计方法和人工神经网络建立背面型线控制点与翼型性能参数之间的近似模型;最后通过多目标遗传算法优化791翼型的背面型线,获得具有较好绕流特性下的厚度变化规律.以791翼型的升阻比F最大化和阻力F_D最小化为优化目标,以贝塞尔曲线的控制点为优化变量进行计算.优化结果表明:单纯地以翼型升阻比和阻力为优化目标时,优化后翼型阻力最大减小了4.17%,升阻比最大增加了15.33%,“失速”冲角增大;优化后翼型的最大厚度的位置更加靠近来流方向,出现在弦长约0.390处,最大厚度增加,约为弦长的0.090;当改变优化目标时,该多目标优化策略可也以较好地优化翼型的结构,提高翼型的绕流性能,可为其他流体机械的优化方法研究提供一定的参考.     

双流道泵蜗壳多目标多学科设计优化

为实现同时提高双流道泵水力性能和结构性能的研究目标,采用均匀试验设计、高精度流固耦合计算、人工神经网络建模以及多目标遗传寻优相结合的方法,选取蜗壳的进口直径、进口宽度、隔舌安放角和扩散段长度为优化变量,利用均匀试验设计方法设计了50组试验,通过流固耦合计算方法得到双流道泵设计工况点的效率以及蜗壳段的最大应力,并以此为优化目标,通过BP人工神经网络训练建立近似函数,设计了离心泵专用的多目标多学科遗传寻优策略对目标函数进行寻优,得到了蜗壳几何参数组合的Pareto前沿。结果表明:相对于原始方案,优化方案的扩压效果明显改善,并且减少了隔舌处及扩散段的回流现象;优化方案的效率得到提升;优化方案的最大应力和最大应力点的平均振动速度显著降低。     

基于人工神经网络的离心泵叶轮边界涡量流预测

根据边界涡量动力学理论,从边界涡量流在离心泵叶轮内表面的分布情况,可获知叶轮的受力状况,进而改进叶轮设计.以BP神经网络和径向基神经网络为建模手段,以叶轮内表面的边界涡量流为预测目标,通过高精度的CFD计算获得70个离心泵叶轮内表面的BVF分布,建立可用于训练人工神经网络的初始样本集;再利用63个初始样本建立离心泵叶轮几何参数和边界涡量流的非线性映射关系,并用剩余的7个校对样本进行测试.根据神经网络预测结果和数值模拟计算结果的误差分析,确定最适用于离心泵叶轮边界涡量流预测的神经网络类型.研究表明:径向基(RBF)神经网络的预测精度高于BP神经网络,其训练时间更短、运行稳定性更高;径向基函数的宽度对RBF神经网络的预测性能有较大影响,当径向基函数宽度取0.3时,RBF神经网络的预测性能最佳,预测误差仅0.020 3;RBF神经网络预测所得叶轮内表面的边界涡量流分布,可以作为评价叶轮水力设计优劣的重要指标,进而指导叶轮机械的优化设计.