CN114692338B - 一种低温离心泵空化和效率综合优化设计方法 - Google Patents
一种低温离心泵空化和效率综合优化设计方法 Download PDFInfo
- Publication number
- CN114692338B CN114692338B CN202210381483.9A CN202210381483A CN114692338B CN 114692338 B CN114692338 B CN 114692338B CN 202210381483 A CN202210381483 A CN 202210381483A CN 114692338 B CN114692338 B CN 114692338B
- Authority
- CN
- China
- Prior art keywords
- centrifugal pump
- cavitation
- yield
- total entropy
- blade
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000013461 design Methods 0.000 title claims abstract description 32
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000005457 optimization Methods 0.000 title claims abstract description 27
- 238000004364 calculation method Methods 0.000 claims abstract description 22
- 238000004088 simulation Methods 0.000 claims abstract description 20
- 238000009826 distribution Methods 0.000 claims abstract description 17
- 238000012545 processing Methods 0.000 claims abstract description 12
- 230000001052 transient effect Effects 0.000 claims abstract description 5
- 238000012805 post-processing Methods 0.000 claims abstract 2
- 239000012530 fluid Substances 0.000 claims description 25
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 239000007788 liquid Substances 0.000 claims description 9
- 238000012544 monitoring process Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims description 3
- 230000001133 acceleration Effects 0.000 claims description 2
- 238000004458 analytical method Methods 0.000 claims description 2
- 238000004519 manufacturing process Methods 0.000 claims description 2
- 230000010349 pulsation Effects 0.000 claims description 2
- 238000012546 transfer Methods 0.000 claims description 2
- 230000000541 pulsatile effect Effects 0.000 claims 1
- 238000000605 extraction Methods 0.000 abstract 1
- 238000004146 energy storage Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000001595 flow curve Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000021715 photosynthesis, light harvesting Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/08—Fluids
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computational Mathematics (AREA)
- Algebra (AREA)
- Fluid Mechanics (AREA)
- Structures Of Non-Positive Displacement Pumps (AREA)
Abstract
本发明公开了一种低温离心泵空化和效率综合性能优化设计方法。确定离心泵优化的叶片参数并建立叶片参数的约束；对离心泵的叶片进行建立三维模型，并抽取计算域和网格划分；行瞬态数值模拟后处理以获得离心泵的性能曲线，通过离心泵的性能曲线提取处理获得最佳工况的流量；由数值模拟结果的速度分布处理获得总熵产率，且从中提取空泡等值面分布处理获得空泡体积；构建LSSVR模型并利输入数据获得最终LSSVR模型，对得到的最终LSSVR模型进行寻优计算求出最佳的叶片参数。本发明通过对离心泵内熵产率来反映空化中能量分布及能量损失程度，考虑叶轮效率和空化状态来优化设计，保证叶轮能够有更好的运行效率、运行稳定性和更好的空化性能。
Description
技术领域
本发明涉及离心泵技术领域的一种泵优化方法，具体涉及了一种同时考虑低温离心泵空化和效率的优化设计方法。
背景技术
液态空气储能技术是一种新型大规模技术，采用低温液态空气作为储能介质，具有诸多优点。离心泵作为液态空气储能系统中的重要部件，主要用于输送释能阶段的液态空气。在实际工作中，离心泵极易受到外界环境的影响而发生空化，空化问题一直制约着泵行业的发展。空化是离心泵内主要的能量损耗形式，其设计优劣直接影响泵的运行效率和运行稳定性，而离心泵的高效工况区与最优空化区间往往是不相同的，即在高效工况区的时候泵空化性能并不是最好的范围，导致使用范围较窄。因此，发展能够同时考虑高效工况区间与最优空化区间并拓宽适用范围的泵优化设计方法，具有重要的意义。
对于离心泵叶轮的水力设计来说，目前主要面临以下问题：(1)离心泵的设计尚没有完善的支撑，传统的“试错”方法成本较高；(2)空化性能无法得到有效改善；(3)对离心泵的优化设计时间较长，不能满足短时间内迭代优化的要求。(4)离心泵的高效工况区间与最优空化区间不相同，不能更高效的使用离心泵，不能保证离心泵安全稳定高效地运行。
发明内容
为了克服上述背景技术的不足，本发明提出了一种同时考虑低温离心泵空化和效率的优化设计方法，提高了离心泵的水力性能和稳定性。
本发明是充分了解内部流体运动形态，在充分考虑空化形态及其诱导能量损失的前提下，找出空化性能、泵能量特性与离心泵几何参数之间的相关性，而建立了一套创新方法。
本发明提供的技术方案是：
1)根据设计要求，确定离心泵优化的叶片参数并建立叶片参数的约束，叶片参数则作为设计常量；
2)建模和网格划分：
根据叶片参数的约束，使用三维软件对离心泵的叶片进行建立三维模型，并抽取叶轮的计算域，利用ANSYS ICEM软件对叶轮的计算域进行网格划分；
所述2)中是以三维模型叶轮所在的水体区域作为叶轮的计算域。
3)仿真验证：
将划分后的网格导入CFX软件中，对离心泵在全流量工况下进行瞬态数值模拟计算得到数值模拟结果，再对数值模拟结果进行后处理以获得离心泵的性能曲线，通过离心泵的性能曲线提取处理获得最佳工况的流量；
4)能量损失分析：
以步骤3)得到的网格为基础，由数值模拟结果的速度分布计算获得离心泵熵产率分布情况，处理获得总熵产率；
5)监测空泡体积：
同时对步骤3)中间获得的数值模拟结果从中提取瞬态数值模拟过程的空化过程中的空泡等值面分布，根据空泡等值面分布获得空泡体积，实时获得每个时刻的空泡体积变化；
所述的空泡是指瞬态数值模拟过程中的空化过程形成的气泡。
6)模型的构建：
构建LSSVR模型并利用叶片参数及其对应的总熵产率和空泡体积输入处理获得最终LSSVR模型、总熵产率生率最小区间和空泡体积最小区间；
7)最优叶片参数计算：
对得到的最终LSSVR模型进行寻优计算求出最佳的叶片参数，使得设计工况周围内的总熵产率生率最小区间和空泡体积最小区间之间的重合度最大，输出最优叶片参数，最终用最佳的叶片参数制作离心泵的叶片。
其中取总熵产率生率最小区间和空泡体积最小区间的交集作为适用区间，总熵产率生率最小区间作为高效工况区间，空泡体积最小区间作为最优空化区间，获得更大范围内的优化区间。
所述的叶片参数包括离心泵的叶片进口角度β1、径向叶片进口宽度b1、包角θ和叶片数Z。
针对所述离心泵优化的叶片参数建立如下约束：
β1∈[30°，40°]
β1∈[120°，180°]
Z∈[5,9]
上式中：
Km1-离心泵的叶片进口轴面系数；
Q-离心泵的流量；
θ-叶片的包角；
h-为扬程；
n-离心泵的叶片转速；
g-重力加速度。
所述步骤3)中，根据性能曲线对比离心泵的物理特性(即预设的性能曲线)判断是否达到设计要求，若不满足设计要求，则回到步骤2)重新对三维模型进行网格划分，直到达到满足设计要求。
所述的性能曲线中的横坐标是流量，纵坐标是效率。
所述步骤4)中，具体按照以下公式计算总熵产率；
其中，Ptotal loss表示总熵产率，μ表示离心泵中流经流体的粘度，T表示离心泵中流体的局部平均温度，T′表示离心泵中流体的局部脉动温度，分别表示离心泵中流体在三个方向上的时均速度，u′、v′、w′表示离心泵中流体在三个方向上的脉动速度；τ分别表示离心泵中的壁面切切应力，v分别表示离心泵中壁面流体的速度；/>PD′、PW、Pσ、/>PC′分别表示时均熵损失，/>表示离心泵的时均总熵产率生率，/>表示离心泵的脉动总熵产率生率，/>表示离心泵的空化总熵产率生率，/>表示离心泵的壁面总熵产率生率，/>表示离心泵的平均温度梯度总熵产率生率，/>表示离心泵的脉动温度梯度总熵产率生率；表示流体的传质速率，ρl、ρv分别表示为流体呈液态下的密度和流体呈蒸汽态下的密度，u,v,w分别表示流体分别在U、V、W方向上的速度分量，U、V、W为建立的三维坐标系下的三维坐标；K表示离心泵中流体的热导率；V表示离心泵中流体的体积。
其中，表征了近壁面处的能量耗散损失影响，/>表征了空化造成的能量损失影响，/>和/>表征了温度梯度对熵产率造成的影响。
本发明中，当液体温度不变时，温度梯度对熵产率的贡献进行忽略，但在低温液态空气中，离心泵运转过程中必然导致液体中温度梯度产生变化，温度对熵产率的影响不容忽视，由平均温度梯度和脉动温度梯度的公式计算。
所述步骤6)具体为：
预先在MATLAB中构建LSSVR模型，LSSVR模型以离心泵的叶片参数作为输入特征变量，以叶片参数对应的总熵产率和空泡体积进行无量纲处理后作为输出目标变量，以此实时监测空泡体积变化；
针对叶片参数设置不同的参数组合进行正交试验，即通过改变进口角度β1、离心泵的径向叶片进口宽度b1、包角θ及叶片数Z，表现不同的总熵产率以及空泡分布，进而得到了离心泵不同叶片参数组合下对应的无量纲处理后的总熵产率和空泡体积；具体可采用拉丁超立方法选择4个因素的12组试验。
由对应的总熵产率和空泡体积组成空化流场数据的一个实验点，获得了一系列实验点，将不同叶片参数组合及其对应的实验点输入到LSSVR模型中采用缎蓝园丁鸟优化算法拟合求解模型内部参数获得最终LSSVR模型，进行处理求解：
先针对最终LSSVR模型，以总熵产率生率最小为目标求解获得最小的总熵产率生率，建立总熵产率生率最小区间，总熵产率生率最小区间是以最小的总熵产率生率为中心设置的一个范围；
再针对最终LSSVR模型，以空泡体积最小为目标求解获得最小的空泡体积，建立空泡体积最小区间，空泡体积最小区间是以最小的空泡体积为中心设置的一个范围。
本发明采用缎蓝园丁鸟优化算法优化LSSVR模型求解模型内部参数，建立输入特征变量与输出目标变量之间的关联，构建获得了泵内空化状态评价的最终LSSVR模型，避免LSSVR陷入局部最优。
所述步骤6)之后在具体实施中，将总能量损失Ptotal loss和空泡体积均进行无量纲处理，导入到数据处理软件Origin中进行绘图得到总能量损失和空泡体积各自随流量变化的两条曲线，再将两条曲线导入软件matlab中结合处理获得高效工况区域和可行性范围区域，再计算出高效工况区域和可行性范围区域的面积；
两条曲线中，横坐标均为实时的瞬时流量Q和最佳工况的流量Qd之间的比值，纵坐标均为实时的总能量损失和所有总能量损失中的最小值之间的比值，和实时的空泡体积除以所有空泡体积中的最小值之间的比值，即为无量纲处理后的结果。
可行性范围区域是针对每条曲线分别和平行横坐标、纵坐标偏移为+1.1的直线相交获得的该条曲线以下的区域；
高效工况区域，是针对两条曲线之间的焦点作为中间点沿横坐标向两侧扩展固定范围后、且均位于两条曲线以下的区域。
具体实施中，将最佳叶片参数对应的总熵产率与空泡体积的计算结果进行对比：若两者计算结果之间的误差小于等于5％，则结果合理，可直接输出最优参数；若两者计算结果之间的误差大于5％，则重新构建LSSVR模型，可以进行再次优化。
本发明以熵产率和空泡体积作为泵的运行效率和空化状态的衡量和评价准则，通过重构离心泵空化演化过程的能量获得和能量耗散，监测空泡体积变化，揭示主要流动结构对离心泵输送性能的影响，寻找熵产率最小的区间与空泡体积最小的区间对应高效工况区与最优空化区间。发展适用于空化仿真预测的支持向量回归模型(SVR)，构建影响空化湍流场的基于几何、工况等参数的预测模型，提出离心泵的空化性能和能量分配的评价准则，为拓宽泵稳定运行范围，得到更好的低温离心泵参数提供理论和技术支持。
本发明的有益效果是：
本发明通过对离心泵内熵产率的分析来反映空化过程中能量分布及能量损失程度；监测空泡体积变化反映离心泵内空化状态。通过熵产率和空泡体积的结合来优化设计叶轮，即为同时考虑离心泵效率和空化状态来进行叶轮的优化设计，保证离心泵能够有更好的运行效率和运行稳定性。
本发明通过对熵产率和空化流场数据进行SVR向量回归对泵几何参数与熵产率和空化状态的关系进行分类和处理；然后针对性的调整相应几何参数，通过缎蓝园丁鸟优化算法来优化设计离心泵，使得在设计工况周围得到高效工况区与最优空化区间并扩大适用范围，保证离心泵获得更好的空化性能；
本发明将最小二乘向量回归模型(LSSVR)用缎蓝园丁鸟优化算法结合求解，避免了LSSVR陷入局部最优，同时相对于其他优化算法，收敛速度更快，优化LSSVR内部参数构建了准确高效的泵内空化状态评价的LSSVR模型。
附图说明
图1为本发明离心泵叶轮的优化设计方法流程图。
图2为本发明离心泵叶轮的网格形式图。
图3为实施例中优化前能量损失以及空泡体积变化图。
图4为实施例中优化后能量损失以及空泡体积变化图。
具体实施方式
以下结合附图所示的实施例进一步说明。
按照本发明发明内容完整方法实施的实施例按照如下步骤进行：
按照预先设定一组离心泵叶轮的基本叶片参数作为初始叶片参数，其设计流量、扬程、转速和比转速分别为80m3/h，54m，2900rpm，90。主要几何参数如表1所示，表中D1、D2、b1、b2、β1、β2、θ、z分别表示为叶轮进口直径、叶轮出口直径、叶片进口宽度、叶片出口宽度、叶片进口角、叶片出口角、叶片包角、叶片数。其它参数则作为常值。
表1
依据初始叶片参数，按下列图1所示的步骤进行具体实施操作。
1.利用三维建模软件SolidWorks和表1的参数建立叶轮的具体三维模型；
2.将模型进行网格划分。网格划分如图2所示。并给出如表2所示边界条件进行数值模拟计算；
表2
在该步骤中，需要进行网格验证，即比较计算所得到的扬程和效率是否达到设计要求，如达不到要求，则进行网格的修改，直至达到设计要求方可；
3.网格满足要求后，则证明网格质量合适，计算结果精确度可靠，此时进行空化流场数据的提取。
以步骤3)得到的网格为基础，由数值模拟结果的速度分布计算获得离心泵熵产率分布情况，处理获得总熵产率。
4.数值模拟结果获取空泡等值面分布并提取空泡体积，可以获得实时的空泡体积变化。
5.利用拉丁超立方取样方法改变进口角度，出口角度，包角，叶片数，获得一系列离散点，即为样本点，四因素的试验设计如下表所示：
6.以几何参数(进口角度β1、叶轮进口宽度b1、包角θ及叶片数Z)作为输入特征变量，以对应工况下的熵产率大小和空泡体积作为输出目标变量。
采用LSSVR方法对各分解分量进行预测。将设计工况下优化前后的熵产率大小与空泡体积进行对比，满足优化后设计工况周围的能量损失较小及较小空泡体积保持一致。
支持向量回归机选择非线性拟合较好的高斯核函数作为核函数。
经过多次对比调整，取其形状参数σ＝1.2；为避免LSSVR陷入局部最优，引入缎蓝园丁鸟优化算法优化LSSVR内部参数，建立输入特征变量与输出目标变量之间的关联，构建泵内空化状态评价的LSSVR模型。
7.最优参数的求解：采用缎蓝园丁鸟优化算法对步骤5得到的LSSVR模型进行寻优计算，求出最佳叶片参数；β1＝33.58°，取整为34°；进口宽度b1＝14.3cm，取整为14cm；包角θ＝147.3°，取整为147°；叶片数为5；。如下表所示：
缎蓝园丁鸟优化算法获得的离心泵参数优化结果
| 当前指标值 | 优化指标值 | |
| 进口角β1 | 33° | 34° |
| 进口宽度b1 | 16mm | 14mm |
| 包角θ | 145° | 147° |
| 叶片数z | 5 | 5 |
8.最优叶片参数验证：将得到的最佳叶片参数建模，然后代入CFX计算，计算得到的熵产率与LSSVR模型预测的熵产率之间的误差较小，故认为合理，直接输出最优参数；
优化前后能量损失以及空泡体积变化图如图3和图4所示，图中，水平线的纵坐标选取1.1，其中，空泡体积-流量曲线与水平线相交于两个流量点，其对应的流量坐标为Q1和Q2，取中间值为适用区间下限Qmin，能量损失-流量曲线与水平线相交于两个流量点，其对应的流量坐标为Q3和Q4，取中间值为适用区间上限Qmax，经计算得到适用区间的面积S1，高效工况区间[Q1,Q2]与最优空化区间[Q3,Q4]相差较远；根据图4得到优化之后在设计工况周围[Qmin,Qmax]能量损失和空泡体积同时达到最小，高效工况区间与最优空化区间重合，经计算得到适用区间面积S2>S1，优化后适用范围较优化前跨度更大。
通过以熵产率和空泡体积作为泵的运行效率和空化状态的衡量和评价准则，将泵的运行效率和空化状态相结合进行参数优化使泵的运行效率和空化状态同时达到最优区间，并拓宽适用范围，保证离心泵能够有更好的运行效率和运行稳定性。
Claims (5)
1.一种低温离心泵空化和效率综合性能优化设计方法，其特征在于：方法按照如下步骤进行：
1)根据设计要求，确定离心泵优化的叶片参数并建立叶片参数的约束；
2)建模和网格划分：
根据叶片参数的约束，使用三维软件对离心泵的叶片进行建立三维模型，并抽取叶轮的计算域，利用ANSYS ICEM软件对叶轮的计算域进行网格划分；
3)仿真验证：
将划分后的网格导入CFX软件中，在全流量工况下进行瞬态数值模拟计算得到数值模拟结果，再对数值模拟结果进行后处理以获得离心泵的性能曲线；
4)能量损失分析：
以步骤3)得到的网格为基础，由数值模拟结果的速度分布计算获得离心泵熵产率分布情况，处理获得总熵产率；
5)监测空泡体积：
对步骤3)中间获得的数值模拟结果从中提取空泡等值面分布，根据空泡等值面分布获得空泡体积；
6)模型的构建：
构建LSSVR模型并利用叶片参数及其对应的总熵产率和空泡体积输入处理获得最终LSSVR模型、总熵产率最小区间和空泡体积最小区间；
所述步骤6)具体为：
预先构建LSSVR模型，LSSVR模型以离心泵的叶片参数作为输入特征变量，以叶片参数对应的总熵产率和空泡体积进行无量纲处理后作为输出目标变量；
针对叶片参数设置不同的参数组合进行正交试验，进而得到了离心泵不同叶片参数组合下对应的无量纲处理后的总熵产率和空泡体积；
由对应的总熵产率和空泡体积组成一个实验点，将不同叶片参数组合及其对应的实验点输入到LSSVR模型中采用缎蓝园丁鸟优化算法拟合获得最终LSSVR模型，进行处理求解：
先针对最终LSSVR模型，以总熵产率最小为目标求解获得最小的总熵产率，建立总熵产率最小区间；
再针对最终LSSVR模型，以空泡体积最小为目标求解获得最小的空泡体积，建立空泡体积最小区间；
7)最优叶片参数计算：
对得到的最终LSSVR模型进行寻优计算求出最佳的叶片参数，使得总熵产率最小区间和空泡体积最小区间之间的重合度最大，输出最优叶片参数，用最佳的叶片参数制作离心泵的叶片。
2.根据权利要求1所述的一种低温离心泵空化和效率综合性能优化设计方法，其特征在于：所述的叶片参数包括离心泵的叶片进口角度β1、进口宽度b1、包角θ和叶片数Z。
3.根据权利要求1所述的一种低温离心泵空化和效率综合性能优化设计方法，其特征在于：针对所述离心泵优化的叶片参数建立如下约束：
β1∈[30°,40°]
β1∈[120°,180°]
Z∈[5,9]
上式中：
Km1-离心泵的叶片进口轴面系数；
Q-离心泵的流量；
θ-叶片的包角；
h-为扬程；
n-离心泵的叶片转速；
g-重力加速度。
4.根据权利要求1所述的一种低温离心泵空化和效率综合性能优化设计方法，其特征在于：所述步骤3)中，根据性能曲线对比离心泵的物理特性判断是否达到设计要求，若不满足设计要求，则回到步骤2)重新对三维模型进行网格划分，直到达到满足设计要求。
5.根据权利要求1所述的一种低温离心泵空化和效率综合性能优化设计方法，其特征在于：所述步骤4)中，具体按照以下公式计算总熵产率；
其中，Ptotal loss表示总熵产率，μ表示离心泵中流经流体的粘度，T表示离心泵中流体的局部平均温度，T′表示离心泵中流体的局部脉动温度，分别表示离心泵中流体在三个方向上的时均速度，u′、v′、w′表示离心泵中流体在三个方向上的脉动速度；τ分别表示离心泵中的壁面切切应力，v分别表示离心泵中壁面流体的速度；/>表示离心泵的时均总熵产率，/>表示离心泵的脉动总熵产率，/>表示离心泵的空化总熵产率，/>表示离心泵的壁面总熵产率，/>表示离心泵的平均温度梯度总熵产率，/>表示离心泵的脉动温度梯度总熵产率；/>表示流体的传质速率，ρl、ρv分别表示为流体呈液态下的密度和流体呈蒸汽态下的密度，u,v,w分别表示流体分别在U、V、W方向上的速度分量；K表示离心泵中流体的热导率；V表示离心泵中流体的体积。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210381483.9A CN114692338B (zh) | 2022-04-12 | 2022-04-12 | 一种低温离心泵空化和效率综合优化设计方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210381483.9A CN114692338B (zh) | 2022-04-12 | 2022-04-12 | 一种低温离心泵空化和效率综合优化设计方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114692338A CN114692338A (zh) | 2022-07-01 |
| CN114692338B true CN114692338B (zh) | 2024-04-26 |
Family
ID=82142159
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210381483.9A Active CN114692338B (zh) | 2022-04-12 | 2022-04-12 | 一种低温离心泵空化和效率综合优化设计方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114692338B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117307266B (zh) * | 2023-08-31 | 2024-03-19 | 中科合肥技术创新工程院 | 一种低温液体膨胀机内旋涡空化流动的控制系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2005054680A1 (fr) * | 2003-12-04 | 2005-06-16 | Beijing Benran S&T Co., Ltd. | Pompe centrifuge |
| CN109783957A (zh) * | 2019-01-23 | 2019-05-21 | 华侨大学 | 一种用于高温泵设计的多变量多目标并行优化方法 |
| CN110617238A (zh) * | 2019-09-26 | 2019-12-27 | 浙江理工大学 | 一种离心泵叶轮的优化设计方法 |
| CN110909422A (zh) * | 2019-10-22 | 2020-03-24 | 浙江理工大学 | 一种离心泵叶轮高效工况区范围的预测及优化方法 |
| CN111125973A (zh) * | 2020-01-02 | 2020-05-08 | 辽宁石油化工大学 | 一种基于cfd-pbm耦合模型对云空化时的空泡大小分布的分析方法 |
| CN111400941A (zh) * | 2019-01-03 | 2020-07-10 | 江苏大学 | 一种叶片泵内部回流及回流旋涡空化的数值预测方法 |
| WO2021129261A1 (zh) * | 2019-12-26 | 2021-07-01 | 浙江理工大学 | 一种基于叶片载荷分布的离心泵复合叶轮设计方法 |
-
2022
- 2022-04-12 CN CN202210381483.9A patent/CN114692338B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2005054680A1 (fr) * | 2003-12-04 | 2005-06-16 | Beijing Benran S&T Co., Ltd. | Pompe centrifuge |
| CN111400941A (zh) * | 2019-01-03 | 2020-07-10 | 江苏大学 | 一种叶片泵内部回流及回流旋涡空化的数值预测方法 |
| CN109783957A (zh) * | 2019-01-23 | 2019-05-21 | 华侨大学 | 一种用于高温泵设计的多变量多目标并行优化方法 |
| CN110617238A (zh) * | 2019-09-26 | 2019-12-27 | 浙江理工大学 | 一种离心泵叶轮的优化设计方法 |
| CN110909422A (zh) * | 2019-10-22 | 2020-03-24 | 浙江理工大学 | 一种离心泵叶轮高效工况区范围的预测及优化方法 |
| WO2021129261A1 (zh) * | 2019-12-26 | 2021-07-01 | 浙江理工大学 | 一种基于叶片载荷分布的离心泵复合叶轮设计方法 |
| CN111125973A (zh) * | 2020-01-02 | 2020-05-08 | 辽宁石油化工大学 | 一种基于cfd-pbm耦合模型对云空化时的空泡大小分布的分析方法 |
Non-Patent Citations (1)
| Title |
|---|
| 叶片出口形状对两级离心泵振动特性的影响;李文庆;《硕士电子期刊》;20220315;第1-77页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114692338A (zh) | 2022-07-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105201901B (zh) | 基于流固耦合计算的离心泵叶轮水力及结构设计方法 | |
| CN103939389B (zh) | 一种导叶式离心泵多工况水力设计方法 | |
| CN110909422B (zh) | 一种离心泵叶轮高效工况区范围的预测及优化方法 | |
| CN110617238B (zh) | 一种离心泵叶轮的优化设计方法 | |
| Bing et al. | Multi-parameter optimization design, numerical simulation and performance test of mixed-flow pump impeller | |
| CN114692338B (zh) | 一种低温离心泵空化和效率综合优化设计方法 | |
| CN107122512B (zh) | 液环泵非稳态气体流场及吸入压缩性能的简化计算方法 | |
| CN102141064A (zh) | 空间过滤法建立湍流模型的构建方法 | |
| Yang et al. | Hydraulic components’ matching optimization design and entropy production analysis in a large vertical centrifugal pump | |
| CN111400941A (zh) | 一种叶片泵内部回流及回流旋涡空化的数值预测方法 | |
| CN109209602A (zh) | 一种基于cfd的柴油机冷却水泵优化方法 | |
| CN105205259A (zh) | 一种多级离心泵流道式导叶叶片进口安放角设计方法 | |
| CN103902813A (zh) | 基于cpso-lssvm的汽动引风机全工况在线监测模型建模方法 | |
| CN110929389B (zh) | 一种水力设计方法及系统 | |
| Peng et al. | Optimization design of multistage pump impeller based on response surface methodology | |
| CN116595874A (zh) | 叶轮机械性能预测模型参数优化方法及装置、存储介质 | |
| CN114186441B (zh) | 一种汽轮机排汽结构气动特性数值分析方法 | |
| CN112761969A (zh) | 一种离心泵结构参数的优化方法 | |
| CN114861344A (zh) | 一种基于非定常计算的轴流风机多目标优化方法 | |
| CN114398838A (zh) | 一种考虑性能约束的离心泵性能智能预测方法 | |
| CN113239497A (zh) | 一种离心泵叶轮入口安放角确定方法及系统 | |
| Jinxin et al. | Aerodynamic optimization design of compressor blades based on improved artificial bee colony algorithm | |
| Wei et al. | Optimization of Centrifugal Pump Impeller Based on Neural Network and NSGA-II Algorithm | |
| Luo et al. | Optimization of the structural parameters of a plastic centrifugal pump in the framework of a flow field analysis | |
| CN114201926B (zh) | 离心泵性能曲线样本获取方法及其在机器学习中的应用 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |