CN114925481A - 一种基于能效指标的水力模型库离心泵性能提升方法 - Google Patents

一种基于能效指标的水力模型库离心泵性能提升方法 Download PDF

Info

Publication number
CN114925481A
CN114925481A CN202210778511.0A CN202210778511A CN114925481A CN 114925481 A CN114925481 A CN 114925481A CN 202210778511 A CN202210778511 A CN 202210778511A CN 114925481 A CN114925481 A CN 114925481A
Authority
CN
China
Prior art keywords
centrifugal pump
energy efficiency
optimized
efficiency index
optimization
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.)
Granted
Application number
CN202210778511.0A
Other languages
English (en)
Other versions
CN114925481B (zh
Inventor
王文杰
李静煜
裴吉
台格园
袁寿其
李彦军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangsu University
Original Assignee
Jiangsu University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jiangsu University filed Critical Jiangsu University
Priority to CN202210778511.0A priority Critical patent/CN114925481B/zh
Publication of CN114925481A publication Critical patent/CN114925481A/zh
Application granted granted Critical
Publication of CN114925481B publication Critical patent/CN114925481B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06F30/27—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
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • 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
    • G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P80/00—Climate change mitigation technologies for sector-wide applications
    • Y02P80/10—Efficient use of energy, e.g. using compressed air or pressurized fluid as energy carrier

Abstract

本发明提供了一种基于能效指标的水力模型库离心泵性能提升方法，包括：获取待优化离心泵的最小能效指标；预设所述最小能效指标的判别阈值与对应的不同优化工况，以及所述不同优化工况下的设计参数；基于所述不同优化工况对所述待优化离心泵进行三维建模，利用优化算法对模型中的所述设计参数进行自动寻优，获取优化方案参数；基于所述优化方案参数优化所述待优化离心泵，并验证优化后的离心泵的最小能效指标。本发明基于最小能效指标计算公式对离心泵进行综合判别，根据MEI数值的不同，基于水力模型库对离心泵进行相应优化设计，大大提升优化效率，降低设计成本，极大效率上提高离心泵MEI值，使之达到国际一流水准。

Description

一种基于能效指标的水力模型库离心泵性能提升方法
技术领域
本发明属于离心泵技术领域，尤其涉及一种基于能效指标的水力模型库离心泵性能提升方法。
背景技术
离心泵作为一种通用机械，广泛应用于水利调度、工业建设、农业灌溉、管路输送中，在生产生活的巨大使用量下，提高离心泵的性能，既能使离心泵在同样用电量下提升工作效率，改善离心泵对生态环境的影响，又对国家提出的碳达峰与碳中和战略目标起到了重要促进作用。
基于水泵最小能效指标(MEI)法规，自2015年1月1日开始，欧盟规定MEI达不到0.4的离心泵不允许上市，MEI达到0.7的离心泵认为是世界一流水平的离心泵，为实现在最小能效指标下对离心泵性能进行有效优化，因此，亟需一种基于能效指标的水力模型库离心泵性能提升方法。
发明内容
为解决上述技术问题，本发明提出了一种基于能效指标的水力模型库离心泵性能提升方法。本发明基于最小能效指标计算公式对离心泵进行综合判别，根据MEI数值的不同，基于水力模型库对离心泵进行相应优化设计。
为实现上述目的，本发明提供了一种基于能效指标的水力模型库离心泵性能提升方法，包括：
获取待优化离心泵的最小能效指标值；
预设所述最小能效指标值的判别阈值与对应的不同优化工况，以及所述不同优化工况下的设计参数；
基于所述不同优化工况对所述待优化离心泵进行三维建模，利用优化算法对模型中的所述设计参数进行自动寻优，获取优化方案参数；
基于所述优化方案参数优化所述待优化离心泵，并验证优化后的离心泵的最小能效指标值。
可选地，获取待优化离心泵的最小能效指标值过程中采用最小能效指标计算方式对将要优化的离心泵进行评估，获取将要优化的离心泵的最小能效指标值，其中，最小能效指标值小于0.7的离心泵为所述待优化离心泵。
可选地，所述判别阈值包括：第一判别阈值、第二判别阈值和第三判别阈值；
所述第一判别阈值小于所述第二判别阈值，所述第二判别阈值小于所述第三判别阈值。
可选地，所述判别阈值与对应的不同优化工况包括：
若所述最小能效指标值位于所述第一判别阈值，则对叶轮与蜗壳设计同时进行优化；
若所述最小能效指标值位于所述第二判别阈值，则对叶轮设计进行优化；
若所述最小能效指标值位于所述第三判别阈值，则对蜗壳设计进行优化。
可选地，对所述叶轮设计进行优化的设计参数包括：泵进口直径、泵出口直径、叶轮进口直径、叶轮出口直径、叶轮出口宽度和叶片出口角；
对所述蜗壳设计进行优化的设计参数包括：基圆直径、蜗壳进口宽度、蜗壳隔舌安放角、隔舌螺旋角和蜗壳断面面积；
对所述叶轮与蜗壳设计同时进行优化的设计参数包括：对所述叶轮设计进行优化的设计参数和对所述蜗壳设计进行优化的设计参数。
可选地，对所述待优化离心泵进行三维建模的过程中以设计工况效率为目标，小流量点与大流量点工况下两点为约束条件。
可选地，利用优化算法对模型中的所述设计参数进行自动寻优包括：将所述设计参数作为优化变量，将所述最小能效指标值作为优化指标，利用人工神经网络代表所示优化变量与所述优化指标之间的关系，采用多目标遗传算法优化所述人工神经网络，获得帕累托前沿解集，再从所述帕累托前沿解集中取得优化方案。
可选地，获取所述优化后的离心泵在高效点、小流量点和大流量点下的效率值；
基于所述效率值，获取所述优化后的离心泵的最小能效指标值；
若所述优化后的离心泵的最小能效指标值不小于0.7，则优化结束，并将优化后的离心泵数据输入到水力模型库中。
与现有技术相比，本发明具有如下优点和技术效果：
本发明基于最小能效指标计算公式对离心泵进行综合判别，根据MEI数值的不同，基于水力模型库对离心泵进行相应优化设计，在不同的设计方案下建立不同的近似模型，通过模型使用智能优化算法自动寻优，得到优化方案，并实验验证，在此方法中对离心泵的优化以最小能效指标数字为目标基于水力模型库采用智能优化算法自动寻优，大大提升优化效率，降低设计成本，极大效率上提高离心泵MEI 值，使之达到国际一流水准。
附图说明
构成本申请的一部分的附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为本发明实施例的一种基于能效指标的水力模型库离心泵性能提升方法流程示意图；
图2为本发明实施例的离心泵优化与实验子系统的流程示意图；
图3为本发明实施例的离心泵性能测试实验台示意图；
图4为本发明实施例的优化完成后的离心泵三维模型示意图；
其中，1、离心泵；2、进口阀门；3、出口阀门；4、真空表；5、压力表；6、功率表；7、转速传感器；8、电机；9、注水阀门；10、弯头；11、涡轮流量计；12、水槽；13、温度计；14、水槽。
具体实施方式
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
实施例
如图1所示，本实施例提供了一种基于能效指标的水力模型库离心泵性能提升方法，包括：
获取待优化离心泵的最小能效指标；
预设所述最小能效指标的判别阈值与对应的不同优化工况，以及所述不同优化工况下的设计参数；
基于所述不同优化工况对所述待优化离心泵进行三维建模，利用优化算法对模型中的所述设计参数进行自动寻优，获取优化方案参数；
基于所述优化方案参数优化所述待优化离心泵，并验证优化后的离心泵的最小能效指标。
进一步地，获取待优化离心泵的最小能效指标包括：
基于最小能效指标计算方式对将要优化的离心泵进行评估，获取将要优化的离心泵的最小能效指标值，其中，最小能效指标值小于 0.7的离心泵为所述待优化离心泵。
在本实施例中，基于最小能效指标计算方法及公式对待优化的离心泵进行评估，其计算公式如下：
Figure BDA0003722345050000051
其中：n为离心泵转数，单位为rpm、QBEP为高效点流量，单位为m3/h、i为离心泵叶轮级数、HBEP为离心泵扬程，单位为m。
(ηBEP)min＝-11.48x2-0.85y2-0.38xy+88.59x+13.46y-C
(ηMinL)min＝0.947(ηBEP)min
(ηMaxL)min＝0.985(ηBEP)min
其中：(ηBEP)min为离心泵在高效点(标准流量)效率值、(ηMinL)min为离心泵在小流量点(0.75倍标准流量)效率值、(ηMaxL)min为离心泵在大流量点(1.1倍标准流量)效率值、x＝ln(ns),x为比转数自然对数，ns单位为min-1、y＝ln(QBEP),y为高效点流量的自然对数、C 为常数(与离心泵类型有关，如下表1离心泵类型所对应的常数C 值表所示)。
表1
Figure BDA0003722345050000061
设：Fη＝-11.48x2-0.85y2-0.38xy+88.59x+13.46y
则C＝Fη-η，由此便可计算出CBEP、CMinL、CMaxL的值，根据计算所得C值在表1中找到相邻的两个C值及相邻的MEI值，通过下面公式计算得到该离心泵的MEI值。
Figure BDA0003722345050000071
其中，MEI为最小能效指标值，C为离心泵类型所对应的常数值， MEIz为离心泵类型对应的MEI中常数C值表中左边相邻值(在计算得到的MEI值范围下表中C值范围内左边相邻值)、MEIy为离心泵类型对应的MEI中常数C值表中右边相邻值(在计算得到的MEI值范围下表中C值范围内右边相邻值)、Cl为离心泵类型所对应的常数值表中左边相邻值(即最小能效指标数在0.1-0.7范围内区间为0.1的左右相邻值)、Cr为离心泵类型所对应的常数值表中右边相邻值(即最小能效指标数在0.1-0.7范围内区间为0.1的左右相邻值)，CMEI为CMEI为CBEP、CMinL、CMaxL、三者中的最大值(CBEP、CMinL、CMaxL分别为标准流量、小流量、大流量下的计算值)。
通过上述计算，若所得MEI值大于0.7，则该离心泵属于国际一流水准，若所得MEI值小于0.7，则对该离心泵进行优化以使性能提升。
判别阈值包括第一判别阈值、第二判别阈值和第三判别阈值；
所述第一判别阈值小于所述第二判别阈值，所述第二判别阈值小于所述第三判别阈值。其中第一判别阈值为0.4<MEI≤0.5，第二判别阈值为0.5<MEI≤0.6，第三判别阈值为0.6<MEI<0.7。
在本实施例中，对MEI值小于0.7的泵进行优化，根据水力模型库，对需要优化的离心泵进行判别，若0.4<MEI≤0.5，则对叶轮与蜗壳设计同时进行优化；若0.5<MEI≤0.6，则对叶轮设计进行优化；若0.6<MEI<0.7，则对蜗壳设计进行优化。其中，第一种对叶轮进行优化，其中针对叶轮进行的优化参数有泵进口直径Ds、泵出口直径Dd、叶轮进口直径Dj、叶轮出口直径D2、叶轮出口宽度b2、叶片出口角β2六个参数；第二种对蜗壳进行优化，其中针对蜗壳进行的优化参数有基圆直径D3、蜗壳进口宽度b3、蜗壳隔舌安放角
Figure BDA0003722345050000081
隔舌螺旋角α0、蜗壳断面面积A值五个参数；第三种对叶轮蜗壳同时优化设计，需同时对上述十一个参数进行优化设计。
进一步地，对所述待优化离心泵进行三维建模包括：以设计工况效率为目标，小流量点与大流量点工况下两点为约束条件。
进一步地，利用优化算法对模型中的所述设计参数进行自动寻优包括：将所述设计参数作为优化变量，将所述最小能效指标值作为优化指标，利用人工神经网络代表所示优化变量与所述优化指标之间的关系，采用多目标遗传算法优化所述人工神经网络，获得帕累托前沿解集，再从所述帕累托前沿解集中取得最为合适的优化方案。
在本实施例中，如图2所示，为离心泵优化与实验子系统的流程图，针对离心泵的优化，在离心泵优化子系统中，以设计工况效率为目标，小流量点与大流量点工况下两点为约束条件，先通过设计参数完成对离心泵三维建模，对于不同的优化方案，根据需要优化的参数多少从而建立不同的近似模型，基于近似模型运用相应的优化算法对模型中设计参数进行自动寻优，在寻优完成后输出优化方案参数。
其中，离心泵的三维建模通过基本设计参数，运用NXUG、Creo、 SolidWorks、Rhino等软件完成；根据近似模型可以选择响应面模型、正交试验模型、Kriging模型、人工神经网络模型等实现；优化算法可选择粒子群算法，引力搜索算法、蝙蝠算法、模拟退火算法等实现。
进一步地，验证所述优化后的离心泵的最小能效指标包括：获取所述优化后的离心泵在高效点、小流量点和大流量点下的效率值；基于所述效率值，获取所述优化后的离心泵的最小能效指标；若所述优化后的离心泵的最小能效指标不小于0.7，则优化结束，并将优化后的离心泵数据输入到水力模型库中。
在本实施例中，搭建试验台如图3所示，对优化后的离心泵进行实验，根据MEI值的计算方法，在实验台上对离心泵进行标准工况、大流量工况、小流量工况三种实验并在实验中测得计算公式所需数值。
通过上述实验后，回到MEI值的计算，计算优化后离心泵的MEI 值，若达到0.7，则优化结束，并将优化后离心泵数据输入到水力模型库中。
下面以具体数据对本实施例的基于能效指标的水力模型库离心泵性能提升方法进行说明：
离心泵的初始数据，标准工况下流量Q为60m3/h，扬程为20m，转速为1450r/min，高效点效率(ηBEP)min＝66.6％，小流量点效率值 (ηMinL)min＝62.3％，大流量点效率值(ηMaxL)min＝65.5％，进口直径Ds＝110mm、泵出口直径Dd＝90mm、叶轮进口直径Dj＝105mm、叶轮出口直径D2＝256mm、叶轮出口宽度b2＝17mm、叶片出口角β2＝18.6°
根据MEI最小能效指标计算公式：
Figure BDA0003722345050000101
其中：n为离心泵转数，单位为rpm、QBEP为高效点流量，单位为m3/s、i为离心泵叶轮级数、HBEP为离心泵扬程，单位为m。
带入初始数据后可得到ns＝19.8；
(ηBEP)min＝-11.48x2-0.85y2-0.38xy+88.59x+13.46y-C
(ηMinL)min＝0.947(ηBEP)min
(ηMaxL)min＝0.985(ηBEP)min
其中：(ηBEP)min为离心泵在高效点效率值、(ηMinL)min为离心泵在小流量点(0.75倍标准流量)效率值、(ηMaxL)min为离心泵在大流量点(1.1倍标准流量)效率值、x＝ln(ns)，x为比转数自然对数，ns单位为min-1、y＝ln(QBEP)，y为高效点流量的自然对数、C为常数(与离心泵类型有关，见表1)。
设：Fη＝-11.48x2-0.85y2-0.38xy+88.59x+13.46y
带入初始数据计算得到Fη＝191.8
则CBEP＝191.8-66.6＝125.2
则CMinL＝191.8-(62.3÷0.947)＝126.0
则CMaxL＝191.8-(65.5÷0.985)＝125.3
查表1，得Cl＝126.1、Cr＝124.9、MEIl＝0.6、MEIr＝0.7。
带入下面公式：
Figure BDA0003722345050000102
得到MEI＝0.525
所得MEI＝0.525，小于0.7，不满足国际一流水准，则对该泵进行设计优化。
根据水力模型库判别，0.5<MEI≤0.6，对该离心泵叶轮设计进行优化。
基于设计参数对离心泵用Creo7.0进行三维造型，根据 MEI＝0.525可知，需要对离心泵叶轮进行优化，即对进口直径Ds、泵出口直径Dd、叶轮进口直径Dj、叶轮出口直径D2、叶轮出口宽度b2、叶片出口角β2六个参数进行多目标优化，根据设计经验确定设计变量的上下限Max、Min具体数值如下表2所示。
表2
Figure BDA0003722345050000111
采用试验设计法，据上述设计变量范围，建立设计方案参数表，利用试验数据计算各方案所对应的离心泵性能及效率并进行设计参数敏感性分析，通过所建立的敏感参数与最小能效指标数建立响应面模型，得到设计参数与最小能效指标数之间的拟合关系式，在关系式的基础上通过所建立的近似模型运用粒子群智能优化算法在可行域范围内进行寻优。
寻优完成后，得到优化后叶轮设计方案进口直径Ds＝112mm、泵出口直径Dd＝92mm、叶轮进口直径Dj＝103mm、叶轮出口直径 D2＝255mm、叶轮出口宽度b2＝18mm、叶片出口角β2＝19.3°
利用优化后参数重新制造实体叶轮，制造完成更换叶轮后，将优化后离心泵在性能实验台上进行三种流量点下的实验。
在实验完成后，根据实验数据分析可得到高效点效率(ηBEP)min＝ 68.8％，小流量点效率值(ηMinL)min＝64.8％，大流量点效率值 (ηMaxL)min＝67.7％，根据参数重复(1)中步骤，计算得到MEI＞0.7 满足优化要求，其中，优化完成后的离心泵三维模型如图4所示；
将优化后设计参数对应的离心泵优化方案传回水力模型库中。
以上，仅为本申请较佳的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应该以权利要求的保护范围为准。

Claims (8)

1.一种基于能效指标的水力模型库离心泵性能提升方法，其特征在于，包括：
获取待优化离心泵的最小能效指标值；
预设所述最小能效指标值的判别阈值与对应的不同优化工况，以及所述不同优化工况下的设计参数；
基于所述不同优化工况对所述待优化离心泵进行三维建模，利用优化算法对模型中的所述设计参数进行自动寻优，获取优化方案参数；
基于所述优化方案参数优化所述待优化离心泵，并验证优化后的离心泵的最小能效指标值。
2.根据权利要求1所述的基于能效指标的水力模型库离心泵性能提升方法，其特征在于，获取待优化离心泵的最小能效指标值过程中采用最小能效指标计算方式对将要优化的离心泵进行评估，获取将要优化的离心泵的最小能效指标值，其中，最小能效指标值小于0.7的离心泵为所述待优化离心泵。
3.根据权利要求1所述的基于能效指标的水力模型库离心泵性能提升方法，其特征在于，所述判别阈值包括：第一判别阈值、第二判别阈值和第三判别阈值；
所述第一判别阈值小于所述第二判别阈值，所述第二判别阈值小于所述第三判别阈值。
4.根据权利要求3所述的基于能效指标的水力模型库离心泵性能提升方法，其特征在于，所述判别阈值与对应的不同优化工况包括：
若所述最小能效指标值位于所述第一判别阈值，则对叶轮与蜗壳设计同时进行优化；
若所述最小能效指标值位于所述第二判别阈值，则对叶轮设计进行优化；
若所述最小能效指标值位于所述第三判别阈值，则对蜗壳设计进行优化。
5.根据权利要求4所述的基于能效指标的水力模型库离心泵性能提升方法，其特征在于，
对所述叶轮设计进行优化的设计参数包括：泵进口直径、泵出口直径、叶轮进口直径、叶轮出口直径、叶轮出口宽度和叶片出口角；
对所述蜗壳设计进行优化的设计参数包括：基圆直径、蜗壳进口宽度、蜗壳隔舌安放角、隔舌螺旋角和蜗壳断面面积；
对所述叶轮与蜗壳设计同时进行优化的设计参数包括：对所述叶轮设计进行优化的设计参数和对所述蜗壳设计进行优化的设计参数。
6.根据权利要求1所述的基于能效指标的水力模型库离心泵性能提升方法，其特征在于，对所述待优化离心泵进行三维建模的过程中以设计工况效率为目标，小流量点与大流量点工况下两点为约束条件。
7.根据权利要求1所述的基于能效指标的水力模型库离心泵性能提升方法，其特征在于，利用优化算法对模型中的所述设计参数进行自动寻优包括：将所述设计参数作为优化变量，将所述最小能效指标值作为优化指标，利用人工神经网络代表所示优化变量与所述优化指标之间的关系，采用多目标遗传算法优化所述人工神经网络，获得帕累托前沿解集，再从所述帕累托前沿解集中取得优化方案。
8.根据权利要求1所述的基于能效指标的水力模型库离心泵性能提升方法，其特征在于，验证所述优化后的离心泵的最小能效指标值包括：
获取所述优化后的离心泵在高效点、小流量点和大流量点下的效率值；
基于所述效率值，获取所述优化后的离心泵的最小能效指标值；
若所述优化后的离心泵的最小能效指标值不小于0.7，则优化结束，并将优化后的离心泵数据输入到水力模型库中。
CN202210778511.0A 2022-06-30 2022-06-30 一种基于能效指标的水力模型库离心泵性能提升方法 Active CN114925481B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210778511.0A CN114925481B (zh) 2022-06-30 2022-06-30 一种基于能效指标的水力模型库离心泵性能提升方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210778511.0A CN114925481B (zh) 2022-06-30 2022-06-30 一种基于能效指标的水力模型库离心泵性能提升方法

Publications (2)

Publication Number Publication Date
CN114925481A true CN114925481A (zh) 2022-08-19
CN114925481B CN114925481B (zh) 2023-04-28

Family

ID=82816117

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210778511.0A Active CN114925481B (zh) 2022-06-30 2022-06-30 一种基于能效指标的水力模型库离心泵性能提升方法

Country Status (1)

Country Link
CN (1) CN114925481B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115688510A (zh) * 2022-10-09 2023-02-03 江苏大学 基于数字孪生的泵水力和结构协同优化设计系统与方法

Citations (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101956711A (zh) * 2010-10-27 2011-01-26 江苏大学 一种基于cfd的离心泵多工况水力优化方法
CN103646297A (zh) * 2013-12-02 2014-03-19 江苏大学 一种基于多目标遗传算法的双流道泵优化方法
CN105889136A (zh) * 2016-04-22 2016-08-24 江苏大学 一种用来降低离心泵内部压力脉动的离心泵改进方法
CN109325264A (zh) * 2018-08-28 2019-02-12 江苏大学 一种高效高空化性能双吸泵水力设计方法
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
CN112084589A (zh) * 2020-08-31 2020-12-15 西安理工大学 基于轴面流速控制的轴贯流式水轮机转轮叶片优化方法
CN112549570A (zh) * 2019-09-25 2021-03-26 协磁股份有限公司 离心泵的三维塑胶叶轮的制造方法及其结构
WO2021056258A1 (zh) * 2019-09-25 2021-04-01 协磁股份有限公司 离心泵的三维塑胶叶轮的制造方法及其结构
CN112727805A (zh) * 2021-02-04 2021-04-30 嘉利特荏原泵业有限公司 一种双壳体径向剖分多级离心泵的吸入结构及其设计方法
CN112761969A (zh) * 2021-01-20 2021-05-07 安徽工程大学 一种离心泵结构参数的优化方法
US20210192103A1 (en) * 2017-10-18 2021-06-24 Jiangsu University Optimal design method for jet-type self-priming centrifugal pump
CN113032920A (zh) * 2021-03-16 2021-06-25 西北工业大学 一种基于正交试验的航空燃油离心泵优化设计方法
CN113236607A (zh) * 2021-06-11 2021-08-10 浙江理工大学 一种大型工程泵蜗壳的设计方法及其蜗壳
CN113850692A (zh) * 2021-09-26 2021-12-28 天津大学 一种基于深度学习的城市供水系统闸泵群优化调度方法
CN113901710A (zh) * 2021-09-28 2022-01-07 中国计量大学 一种离心泵运行优化控制方法
CN113987947A (zh) * 2021-11-02 2022-01-28 西安交通大学 一种高压燃油过滤器及其仿真设计优化方法
CN114091650A (zh) * 2021-09-01 2022-02-25 广东工业大学 一种深度卷积神经网络架构的搜索方法和应用
CN114266982A (zh) * 2021-11-11 2022-04-01 西安电子科技大学 一种网络参数和结构协同优化的sar图像变化检测方法
CN114491856A (zh) * 2022-01-27 2022-05-13 西安理工大学 一种多能互补条件下水轮机转轮的多工况优化设计方法
CN114547987A (zh) * 2022-04-22 2022-05-27 中国计量大学 一种基于改进人工神经网络的离心泵作透平性能预测方法
CN114547841A (zh) * 2021-12-27 2022-05-27 新疆天富能源售电有限公司 一种液力透平的叶轮及其正向设计方法

Patent Citations (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101956711A (zh) * 2010-10-27 2011-01-26 江苏大学 一种基于cfd的离心泵多工况水力优化方法
CN103646297A (zh) * 2013-12-02 2014-03-19 江苏大学 一种基于多目标遗传算法的双流道泵优化方法
CN105889136A (zh) * 2016-04-22 2016-08-24 江苏大学 一种用来降低离心泵内部压力脉动的离心泵改进方法
US20210192103A1 (en) * 2017-10-18 2021-06-24 Jiangsu University Optimal design method for jet-type self-priming centrifugal pump
CN109325264A (zh) * 2018-08-28 2019-02-12 江苏大学 一种高效高空化性能双吸泵水力设计方法
CN112549570A (zh) * 2019-09-25 2021-03-26 协磁股份有限公司 离心泵的三维塑胶叶轮的制造方法及其结构
WO2021056258A1 (zh) * 2019-09-25 2021-04-01 协磁股份有限公司 离心泵的三维塑胶叶轮的制造方法及其结构
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
CN112084589A (zh) * 2020-08-31 2020-12-15 西安理工大学 基于轴面流速控制的轴贯流式水轮机转轮叶片优化方法
CN112761969A (zh) * 2021-01-20 2021-05-07 安徽工程大学 一种离心泵结构参数的优化方法
CN112727805A (zh) * 2021-02-04 2021-04-30 嘉利特荏原泵业有限公司 一种双壳体径向剖分多级离心泵的吸入结构及其设计方法
CN113032920A (zh) * 2021-03-16 2021-06-25 西北工业大学 一种基于正交试验的航空燃油离心泵优化设计方法
CN113236607A (zh) * 2021-06-11 2021-08-10 浙江理工大学 一种大型工程泵蜗壳的设计方法及其蜗壳
CN114091650A (zh) * 2021-09-01 2022-02-25 广东工业大学 一种深度卷积神经网络架构的搜索方法和应用
CN113850692A (zh) * 2021-09-26 2021-12-28 天津大学 一种基于深度学习的城市供水系统闸泵群优化调度方法
CN113901710A (zh) * 2021-09-28 2022-01-07 中国计量大学 一种离心泵运行优化控制方法
CN113987947A (zh) * 2021-11-02 2022-01-28 西安交通大学 一种高压燃油过滤器及其仿真设计优化方法
CN114266982A (zh) * 2021-11-11 2022-04-01 西安电子科技大学 一种网络参数和结构协同优化的sar图像变化检测方法
CN114547841A (zh) * 2021-12-27 2022-05-27 新疆天富能源售电有限公司 一种液力透平的叶轮及其正向设计方法
CN114491856A (zh) * 2022-01-27 2022-05-13 西安理工大学 一种多能互补条件下水轮机转轮的多工况优化设计方法
CN114547987A (zh) * 2022-04-22 2022-05-27 中国计量大学 一种基于改进人工神经网络的离心泵作透平性能预测方法

Non-Patent Citations (10)

* Cited by examiner, † Cited by third party
Title
关天乙; 杨从新; 刘鑫: "超低比转数离心泵叶轮与蜗壳匹配关系的优化设计", 《第十二届沈阳科学学术年会论文集（理工农医）》 *
周全; 孙晶晶; 潘海宁; 王强; 王冯: "欧盟水泵能效指令应用释义" *
李 红，袁建平，汤 跃，赵斌娟，袁寿其: "双吸离心泵性能提高及其试验研究", 《农 业 机 械 学 报》 *
李广一，鍾彍㠙，段 明， 于学锋: "威乐：欧盟水泵最小能效指标(MEI)法规是这样规定的" *
李广一、鍾彍㠙、段 明、 于学锋: "威乐：欧盟水泵最小能效指标(MEI)法规是这样规定的", 《HTTPS://WWW.DOCIN.COM/P-1415747005.HTML》 *
梅冠华: "离心泵水力设计——蜗壳设计", 《HTTPS://BLOG.CSDN.NET/MEIGUANHUA/ARTICLE/DETAILS/89360981》 *
邓文剑; 楚武利: "叶轮和蜗壳匹配关系对离心泵性能影响的研究", 《石油机械》 *
陈拥军; 任向前: "离心泵多工况水力优化设计" *
陈拥军; 任向前: "离心泵多工况水力优化设计", 《水泵技术》 *
高江永; 郭振苗: "离心泵叶轮与蜗壳设计几何参数的优化研究", 《水泵技术》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115688510A (zh) * 2022-10-09 2023-02-03 江苏大学 基于数字孪生的泵水力和结构协同优化设计系统与方法
CN115688510B (zh) * 2022-10-09 2023-04-14 江苏大学 基于数字孪生的泵水力和结构协同优化设计系统与方法

Also Published As

Publication number Publication date
CN114925481B (zh) 2023-04-28

Similar Documents

Publication Publication Date Title
CN101956711B (zh) 一种基于cfd的离心泵多工况水力优化方法
CN106650105A (zh) 一种混流泵叶轮的设计方法
CN114925481A (zh) 一种基于能效指标的水力模型库离心泵性能提升方法
CN107076162A (zh) 反转式水泵水轮机、包括其的自发电系统及反转式水泵水轮机的优化设计方法
CN106529072B (zh) 基于多学科优化的高温高压离心泵叶轮综合设计方法
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
CN101487466B (zh) 一种离心式压缩机压缩比和多变效率的在线软测量方法
CN105205259B (zh) 一种多级离心泵流道式导叶叶片进口安放角设计方法
CN103020345A (zh) 一种基于matlab遗传算法的离心泵设计方法
CN112503400B (zh) 一种供水管网测压点多目标优化布置方法
CN105201729A (zh) 离心泵作透平水力性能和外场流激噪声多目标优化方法
CN112949165A (zh) 一种基于神经网络模型与nsga-ii遗传算法的射流泵多目标优化方法
CN113177271A (zh) 改善大型立式离心泵性能与驼峰不稳定性的匹配优化方法
CN115017843A (zh) 一种离心压缩机气动性能优化设计方法
CN111046504B (zh) 一种适用于仿生叶片泵几何参数的低噪声优化方法
CN107045570B (zh) 一种离心泵机组精确选型方法
CN112270139A (zh) 基于母型库的燃料电池离心压缩机气动优化设计方法
CN101101609A (zh) 基于系统模式识别技术的通风机能效优化设计方法
CN107038295B (zh) 一种水锤泵内部流道评价及优化方法
Wang et al. Multiobjective optimization design and experimental study of desulfurization dust removal centrifugal pump based on immune particle swarm algorithm
CN107515996B (zh) 一种达里厄水轮机导流罩型线的优化设计方法
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
CN114547987B (zh) 一种基于改进人工神经网络的离心泵作透平性能预测方法
CN111079367B (zh) 适用于不同进水锥管的轴流泵辐条优化设计方法
CN114297793B (zh) 海水淡化泵叶轮结构多学科优化设计方法

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