KR102595629B1 - Method for design a wastewater pump considering the impeller and flow path and a wastewater pump by the same - Google Patents
Method for design a wastewater pump considering the impeller and flow path and a wastewater pump by the same Download PDFInfo
- Publication number
- KR102595629B1 KR102595629B1 KR1020210148168A KR20210148168A KR102595629B1 KR 102595629 B1 KR102595629 B1 KR 102595629B1 KR 1020210148168 A KR1020210148168 A KR 1020210148168A KR 20210148168 A KR20210148168 A KR 20210148168A KR 102595629 B1 KR102595629 B1 KR 102595629B1
- Authority
- KR
- South Korea
- Prior art keywords
- design
- impeller
- flow path
- wastewater
- pump
- Prior art date
Links
- 238000013461 design Methods 0.000 title claims abstract description 140
- 239000002351 wastewater Substances 0.000 title claims abstract description 82
- 238000000034 method Methods 0.000 title claims abstract description 29
- 230000006870 function Effects 0.000 claims abstract description 47
- 239000012530 fluid Substances 0.000 claims abstract description 42
- 238000004458 analytical method Methods 0.000 claims abstract description 30
- 238000010801 machine learning Methods 0.000 claims abstract description 19
- 238000013528 artificial neural network Methods 0.000 claims description 18
- 238000012360 testing method Methods 0.000 claims description 15
- 238000004422 calculation algorithm Methods 0.000 claims description 12
- 238000012549 training Methods 0.000 claims description 12
- 210000002569 neuron Anatomy 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 5
- 238000009792 diffusion process Methods 0.000 claims description 4
- 238000004065 wastewater treatment Methods 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 19
- 239000010865 sewage Substances 0.000 description 13
- 238000009826 distribution Methods 0.000 description 10
- 238000005457 optimization Methods 0.000 description 7
- 239000013598 vector Substances 0.000 description 6
- 230000000694 effects Effects 0.000 description 4
- 230000002068 genetic effect Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000002790 cross-validation Methods 0.000 description 2
- 229910003460 diamond Inorganic materials 0.000 description 2
- 239000010432 diamond Substances 0.000 description 2
- 239000011888 foil Substances 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000011056 performance test Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 239000010802 sludge Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
- F04D—NON-POSITIVE-DISPLACEMENT PUMPS
- F04D29/00—Details, component parts, or accessories
- F04D29/18—Rotors
- F04D29/22—Rotors specially for centrifugal pumps
- F04D29/24—Vanes
- F04D29/242—Geometry, shape
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
- F04D—NON-POSITIVE-DISPLACEMENT PUMPS
- F04D29/00—Details, component parts, or accessories
- F04D29/18—Rotors
- F04D29/22—Rotors specially for centrifugal pumps
- F04D29/2205—Conventional flow pattern
- F04D29/2216—Shape, geometry
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
- F04D—NON-POSITIVE-DISPLACEMENT PUMPS
- F04D29/00—Details, component parts, or accessories
- F04D29/40—Casings; Connections of working fluid
- F04D29/42—Casings; Connections of working fluid for radial or helico-centrifugal pumps
- F04D29/426—Casings; Connections of working fluid for radial or helico-centrifugal pumps especially adapted for liquid pumps
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
- F04D—NON-POSITIVE-DISPLACEMENT PUMPS
- F04D7/00—Pumps adapted for handling specific fluids, e.g. by selection of specific materials for pumps or pump parts
- F04D7/02—Pumps adapted for handling specific fluids, e.g. by selection of specific materials for pumps or pump parts of centrifugal type
- F04D7/04—Pumps adapted for handling specific fluids, e.g. by selection of specific materials for pumps or pump parts of centrifugal type the fluids being viscous or non-homogenous
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- Geometry (AREA)
- Evolutionary Computation (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Computer Hardware Design (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Structures Of Non-Positive Displacement Pumps (AREA)
Abstract
본 발명의 일 실시 예는 투베인 펌프 구조의 오폐수용 펌프에 대한 최적 설계를 통하여, 오폐수용 펌프에서 양정, 효율 등의 성능이 최대로 구현되도록 하는 기술을 제공한다. 본 발명의 실시 예에 따른 임펠러와 유로를 고려한 오폐수용 펌프의 설계방법은, 2개의 블레이드를 구비하는 임펠러, 임펠러를 둘러싸고 유체가 유동하는 유로를 제공하는 벌류트 및 벌류트로부터 배출된 유체에 유로를 제공하는 배출관을 구비하는 오폐수용 펌프의 설계를 위하여, 목적함수로써 양정계수와 효율을 설정하는 제1단계; 설정된 목적함수를 도출하기 위한 블레이드 및 오폐수용 펌프 내 유로 관련 설계변수를 설정하는 제2단계; 설계변수의 범위 내에서의 설계변수 값으로 이루어진 복수의 실험점을 도출하는 제3단계; 도출된 각각의 실험점에 대한 수치해석을 통해 목적함수의 값을 계산하여 입력값을 생성하는 제4단계; 입력값에 대한 머신러닝을 통해 대리모델이 구축되는 제5단계; 및 구축된 대리모델에서 오폐수용 펌프의 최적화 설계안을 도출하는 제6단계를 포함한다.One embodiment of the present invention provides technology to maximize performance, such as head and efficiency, in the wastewater pump through optimal design of a two-vane pump structure for the wastewater pump. The design method of a wastewater pump considering the impeller and flow path according to an embodiment of the present invention includes an impeller having two blades, a volute that surrounds the impeller and provides a flow path through which fluid flows, and a flow path for the fluid discharged from the volute. In order to design a pump for wastewater having a discharge pipe that provides, a first step of setting the head coefficient and efficiency as an objective function; A second step of setting design variables related to the blade and flow path within the wastewater pump to derive the set objective function; A third step of deriving a plurality of experimental points consisting of design variable values within the range of the design variable; A fourth step of generating input values by calculating the value of the objective function through numerical analysis of each derived experimental point; The fifth step is to build a surrogate model through machine learning on input values; and the sixth step of deriving an optimized design plan for the wastewater pump from the constructed surrogate model.
Description
본 발명은 임펠러와 유로를 고려한 오폐수용 펌프의 설계방법 및 이에 의한 오폐수용 펌프에 관한 것으로, 더욱 상세하게는, 투베인 펌프 구조의 오폐수용 펌프에 대한 최적 설계를 통하여, 오폐수용 펌프에서 양정, 효율 등의 성능이 최대로 구현되도록 하는 기술에 관한 것이다.The present invention relates to a design method for a wastewater pump considering the impeller and flow path and to a wastewater pump resulting therefrom. More specifically, through optimal design of a two-vane pump structure wastewater pump, the head, It is about technology that ensures maximum performance such as efficiency.
일반적으로 오폐수용 펌프는 하수, 폐수 슬러지 등을 이송하는 펌프로, 여러 산업분야에서 다양하게 사용되고 있다. 그런데, 종래기술의 오폐수용 펌프는 일반적인 수중 펌프와 달리 이물질을 포함하는 유체를 이동시켜야 하기 때문에, 유로 막힘 현상(clogging)이 자주 발생하며, 유로 막힘 현상은 오폐수용 펌프의 양정 효율 등의 성능을 감소시키거나, 오폐수용 펌프의 고장 및 파손을 유발할 수 있다.In general, wastewater pumps are pumps that transport sewage, wastewater sludge, etc., and are used in a variety of industries. However, unlike general submersible pumps, the pump for sewage and wastewater in the prior art must move fluid containing foreign substances, so flow path clogging occurs frequently, and the clogging phenomenon reduces the performance, such as the head efficiency, of the sewage and wastewater pump. It may reduce or cause failure or damage to the wastewater pump.
이러한 문제는 오폐수용 펌프 하자의 98% 이상을 차지하고 있으며, 이에 대한 대안으로 현재까지는 오폐수용 펌프로써 볼텍스 펌프나 그러인더가 사용되고 있으나, 잦은 유지보수 및 저효율 등의 성능 저하 문제로 인해 근본적인 대안이 되지 않고 있는 실정이다.These problems account for more than 98% of sewage pump defects, and as an alternative to this, vortex pumps and grinders are currently used as sewage pumps, but due to poor performance issues such as frequent maintenance and low efficiency, there is no fundamental alternative. The situation is not working.
오폐수용 펌프 중 투베인 펌프는 두개의 임펠러가 대칭되는 구조로 마련되어 진동이 적고 유로가 넓어 일반적인 보르텍스 펌프에 비해 고형물도 잘 통과하는 장점이 있다.Among wastewater pumps, the two-vane pump has two symmetrical impellers, so it has the advantage of reducing vibration and having a wide flow passage, allowing solids to pass through well compared to a typical vortex pump.
그러나, 종래에는 원하는 양정에 목표로 하는 효율 등을 구현하는 투베인 펌프의 구조를 설계하는 기술이 없어 원하는 사양을 제작하는데 많은 시행착오를 겪어야 하는 문제가 있었다. 따라서, 목표로 하는 양정 효율을 구현하면서 펌프 효율을 최대화할 수 있는 투베인 펌프에 대한 설계 기술이 필요하다.However, in the past, there was no technology for designing the structure of a two-vane pump that achieves the desired efficiency at the desired head, so there was a problem of having to go through a lot of trial and error to manufacture the desired specifications. Therefore, design technology for a two-vane pump that can maximize pump efficiency while realizing the target head efficiency is needed.
대한민국 등록특허 제10-1647394호(발명의 명칭: 더블 베인 마름모형 임펠러식 원심펌프)에서는, 평면상 마름모 형상을 가지는 상판(30) 및 저판(20)과; 상판(30)의 저면 외곽과 저판(20)의 상면 외곽을 연결하는 베인(40)으로 임펠러(10)가 구성되고; 저판(20) 중심부에는 유입부(25)가 형성되며; 상기 마름모 형상 상판(30) 및 저판(20)에서 상판(30)의 이격된 두변과 저판(20)의 이격된 두변에 각각 접하는 베인(40)이 개방되어 두 개의 배출구(15)가 형성되는 펌프가 개시되어 있다.In Republic of Korea Patent No. 10-1647394 (title of the invention: double vane diamond impeller type centrifugal pump), an upper plate 30 and a bottom plate 20 having a diamond shape in plan; The impeller 10 is composed of vanes 40 connecting the bottom edge of the upper plate 30 and the upper outer surface of the bottom plate 20; An inlet 25 is formed in the center of the bottom plate 20; In the diamond-shaped upper plate 30 and the lower plate 20, the vanes 40 in contact with the two spaced apart sides of the upper plate 30 and the two spaced sides of the bottom plate 20 are opened to form two discharge ports 15. is disclosed.
상기와 같은 문제점을 해결하기 위한 본 발명의 목적은, 투베인 펌프 구조의 오폐수용 펌프에 대한 최적 설계를 통하여, 오폐수용 펌프에서 양정, 효율 등의 성능이 최대로 구현되도록 하는 것이다.The purpose of the present invention to solve the above problems is to maximize performance, such as head and efficiency, in the wastewater pump through the optimal design of the two-vane pump structure for the wastewater pump.
본 발명이 이루고자 하는 기술적 과제는 이상에서 언급한 기술적 과제로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다. The technical problem to be achieved by the present invention is not limited to the technical problem mentioned above, and other technical problems not mentioned can be clearly understood by those skilled in the art from the description below. There will be.
상기와 같은 목적을 달성하기 위한 본 발명의 구성은, 2개의 블레이드를 구비하는 임펠러, 상기 임펠러를 둘러싸고 유체가 유동하는 유로를 제공하는 벌류트 및 상기 벌류트로부터 배출된 유체에 유로를 제공하는 배출관을 구비하는 오폐수용 펌프의 설계를 위하여, 목적함수로써 양정계수와 효율을 설정하는 제1단계; 설정된 상기 목적함수를 도출하기 위한 상기 블레이드 및 상기 오폐수용 펌프 내 유로 관련 설계변수를 설정하는 제2단계; 상기 설계변수의 범위 내에서의 상기 설계변수 값으로 이루어진 복수의 실험점을 도출하는 제3단계; 도출된 각각의 상기 실험점에 대한 수치해석을 통해 상기 목적함수의 값을 계산하여 입력값을 생성하는 제4단계; 상기 입력값에 대한 머신러닝을 통해 대리모델이 구축되는 제5단계; 및 구축된 상기 대리모델에서 상기 오폐수용 펌프의 최적화 설계안을 도출하는 제6단계를 포함한다.The configuration of the present invention for achieving the above object includes an impeller having two blades, a volute surrounding the impeller and providing a flow path for fluid to flow, and a discharge pipe providing a flow path for the fluid discharged from the volute. In order to design a pump for wastewater, the first step is to set the head coefficient and efficiency as an objective function; A second step of setting design variables related to the flow path within the blade and the wastewater pump to derive the set objective function; A third step of deriving a plurality of experimental points consisting of the design variable values within the range of the design variable; A fourth step of generating an input value by calculating the value of the objective function through numerical analysis of each of the derived experimental points; A fifth step in which a surrogate model is built through machine learning on the input values; And a sixth step of deriving an optimized design of the wastewater pump from the constructed surrogate model.
본 발명의 실시 예에 있어서, 상기 설계변수는, 상기 블레이드의 전연에서의 유체 유동각인 제1설계변수; 상기 블레이드의 후연에서의 유체 유동각인 제2설계변수; 및 상기 배출관의 폭에 대한 상기 벌류트의 최대 유로 폭의 비율인 제3설계변수를 포함할 수 있다.In an embodiment of the present invention, the design variable includes: a first design variable that is a fluid flow angle at the leading edge of the blade; a second design variable, which is the fluid flow angle at the trailing edge of the blade; And it may include a third design variable that is the ratio of the maximum passage width of the volute to the width of the discharge pipe.
본 발명의 실시 예에 있어서, 상기 제3단계에서, 상기 실험점은 라틴 하이퍼 큐브 샘플링(Latin Hypercube Sampling)에 의해 도출될 수 있다.In an embodiment of the present invention, in the third step, the experimental point may be derived by Latin Hypercube Sampling.
본 발명의 실시 예에 있어서, 상기 제4단계에서, 상기 입력값은 상기 실험점을 이루는 상기 설계변수의 값 및 상기 설계변수의 값에 대한 수치해석을 통해 계산된 상기 목적함수의 값으로 이루어질 수 있다.In an embodiment of the present invention, in the fourth step, the input value may be composed of the value of the design variable constituting the experimental point and the value of the objective function calculated through numerical analysis of the value of the design variable. there is.
본 발명의 실시 예에 있어서, 상기 제5단계에서, 상기 대리모델은, RBNN(Radial basis neural network), RSA(Representational similarity analysis) 및 DNN(Deep Neural Network) 중 선택되는 어느 하나의 알고리즘을 이용하여 모델링될 수 있다.In an embodiment of the present invention, in the fifth step, the surrogate model uses an algorithm selected from RBNN (Radial basis neural network), RSA (Representational similarity analysis), and DNN (Deep Neural Network). can be modeled.
본 발명의 실시 예에 있어서, 상기 제5단계는, 상기 입력값에 대한 머신러닝을 통해 상기 대리모델을 구축하기 위한 변수 값을 도출하는 제5a단계; 및 도출된 상기 변수 값을 이용하여 상기 대리모델을 구축하는 제5b단계를 포함할 수 있다.In an embodiment of the present invention, the fifth step includes a step 5a of deriving variable values for building the surrogate model through machine learning on the input values; And it may include a 5b step of building the surrogate model using the derived variable values.
본 발명의 실시 예에 있어서, 상기 제5a단계는, 상기 입력값을 K 개로 분리된 부분 집합으로 분할하는 제5a-1단계; 분할된 상기 부분 집합에서 상호 중복되지 않는 테스트 폴드를 선정하는 제5a-2단계; 각각의 상기 부분 집합에서 상기 테스트 폴드를 제외한 부분인 트레이닝 폴드만으로 머신러닝을 수행하여 상기 대리모델을 훈련시키는 제5a-3단계; 각각의 상기 부분 집합에 대하여 상기 트레이닝 폴드로 훈련된 대리모델의 예측값과 상기 테스트 폴드의 실제 값을 비교하여 상대오차를 도출하는 제5a-4단계; K 개의 상기 부분 집합에서 도출된 상기 상대 오차를 합산하여 상대오차합을 도출하는 제5a-5단계; 및 상기 상대오차합이 최소가 되는 상기 변수 값이 도출되도록 상기 제5a-1단계 내지 상기 제5a-5단계를 반복 수행하는 제5a-6단계를 포함할 수 있다.In an embodiment of the present invention, step 5a includes step 5a-1 of dividing the input value into K separated subsets; Step 5a-2 of selecting test folds that do not overlap each other from the divided subset; Step 5a-3 of training the surrogate model by performing machine learning only on training folds, which are parts of each subset excluding the test fold; Step 5a-4 of deriving a relative error for each subset by comparing the predicted value of a surrogate model trained with the training fold and the actual value of the test fold; Step 5a-5 of deriving a relative error sum by summing the relative errors derived from the K subsets; And it may include a 5a-6 step of repeating steps 5a-1 to 5a-5 to derive the variable value that minimizes the relative error sum.
본 발명의 실시 예에 있어서, 상기 제5a단계에서, 상기 변수 값은, 가중치(wi, wo), 뉴런의 수(n), 확산 상수(Spread constant, SC)가 포함될 수 있다.In an embodiment of the present invention, in step 5a, the variable values may include weights ( wi , w o ), the number of neurons (n), and a spread constant (SC).
본 발명의 실시 예에 있어서, 상기 제6단계는, 상기 대리모델에서 무작위로 선택된 설계변수 값을 상기 알고리즘에 대입하여 목적함수값을 예측하는 제6a단계; 예측된 상기 목적함수값들의 상관관계를 고려한 파레토 최적해 면(Pareto-optimal front surface)을 도출하는 제6b단계; 및 도출된 상기 파레토 최적해 면에서 목적으로 하는 목적설계함수값에 대한 설계변수 값인 상기 최적화 설계안을 도출하는 제6c단계를 포함할 수 있다.In an embodiment of the present invention, the sixth step includes a step 6a of predicting an objective function value by substituting design variable values randomly selected from the surrogate model into the algorithm; Step 6b of deriving a Pareto-optimal front surface considering the correlation between the predicted objective function values; And it may include a 6c step of deriving the optimized design plan, which is a design variable value for the target objective design function value in the derived Pareto optimal solution.
상기와 같은 목적을 달성하기 위한 본 발명의 구성은, 상기 목적함수, 상기 설계변수 및 각각의 상기 설계변수의 범위가 입력되는 입력부; 상기 입력부에 입력된 상기 설계변수의 범위 내에서 실험점을 도출하도록 마련된 설정부; 상기 설정부에서 도출된 상기 실험점에 대한 수치해석을 수행하여 상기 입력값을 생성하는 수치해석부; 상기 수치해석부에 생성된 상기 입력값에 대한 머신 러닝을 수행하여 상기 대리모델을 구축하도록 마련된 모델링부; 및 상기 모델링부로부터 상기 최적화 설계안을 도출하도록 마련된 설계부를 포함한다.The configuration of the present invention for achieving the above object includes an input unit into which the objective function, the design variable, and the range of each design variable are input; a setting unit provided to derive experimental points within the range of the design variables input to the input unit; a numerical analysis unit that generates the input value by performing numerical analysis on the experimental points derived from the setting unit; a modeling unit provided to build the surrogate model by performing machine learning on the input value generated by the numerical analysis unit; and a design unit provided to derive the optimized design plan from the modeling unit.
상기와 같은 목적을 달성하기 위한 본 발명의 구성은, 블레이드를 구비하고 외부로부터 유입된 유체에 유압을 제공하는 임펠러; 상기 임펠러를 둘러싸고 유체가 유동하는 유로를 제공하는 벌류트; 및 상기 벌류트로부터 배출되는 유체에 유로를 제공하는 배출관을 포함하고, 한 쌍의 블레이드가 상호 대칭되게 형성되며, 상기 블레이드는 임펠러의 중심으로부터 유선형으로 곡선을 그리며 상기 벌류트의 외측 방향으로 연장되게 형성되고, 상기 최적화 설계안에 의해 상기 블레이드의 전연과 후연 각각에서의 유체 유동각이 결정되어 상기 블레이드의 형상이 형성될 수 있다.The configuration of the present invention for achieving the above object includes an impeller having blades and providing hydraulic pressure to fluid flowing in from the outside; A volute surrounding the impeller and providing a passage through which fluid flows; and a discharge pipe that provides a flow path for the fluid discharged from the volute, wherein a pair of blades are formed to be symmetrical to each other, and the blades extend outward from the volute in a streamlined curve from the center of the impeller. The shape of the blade can be formed by determining the fluid flow angle at each of the leading and trailing edges of the blade according to the optimized design plan.
상기와 같은 구성에 따른 본 발명의 효과는, 임펠러의 블레이드에서의 유체 압력 및 유속이 균일하게 분포함으로써, 임펠러의 회전에 의한 와류 생성 등이 감소하여 양정 성능 및 효율이 향상된 오폐수용 펌프를 구현할 수 있다는 것이다.The effect of the present invention according to the above configuration is that the fluid pressure and flow rate on the blades of the impeller are uniformly distributed, thereby reducing the generation of vortices due to the rotation of the impeller, making it possible to implement a wastewater pump with improved head performance and efficiency. That there is.
본 발명의 효과는 상기한 효과로 한정되는 것은 아니며, 본 발명의 상세한 설명 또는 특허청구범위에 기재된 발명의 구성으로부터 추론 가능한 모든 효과를 포함하는 것으로 이해되어야 한다. The effects of the present invention are not limited to the effects described above, and should be understood to include all effects that can be inferred from the configuration of the invention described in the detailed description or claims of the present invention.
도 1은 본 발명의 일 실시 예에 따른 오폐수용 펌프에 대한 모식도이다.
도 2는 본 발명의 일 실시 예에 따른 임펠러에 대한 개략도이다.
도 3은 본 발명의 일 실시 예에 따른 임펠러와 벌류트에 대한 모식도이다.
도 4는 본 발명의 일 실시 예에 따른 임펠러의 설계변수 설정에 대한 예시도이다.
도 5는 본 발명의 일 실시 예에 따른 오폐수용 펌프의 분석에 대한 모식도이다.
도 6은 본 발명의 일 실시 예에 따른 오폐수용 펌프의 분석 시 그리드 수 관련 그래프이다.
도 7은 본 발명의 일 실시 예에 따른 실험점 도출에 대한 그래프이다.
도 8은 본 발명의 일 실시 예에 따른 실험점에 대한 수치해석을 통해 목적함수의 값을 계산하여 생성된 입력값을 나타낸 표이다.
도 9는 본 발명의 일 실시 예에 따른 RBNN 대리모델을 나타낸 개략도이다.
도 10은 본 발명의 일 실시 예에 따른 입력값에 대한 머신러닝을 통해 대리모델을 구축하기 위한 변수 값을 도출하는 단계의 예시도이다.
도 11 내지 도 14는 본 발명의 일 실시 예에 따른 각각의 알고리즘에 따른 분석 그래프이다.
도 15와 도 16은 본 발명의 일실시예에 따른 목적함수에 대한 교차 검증 오류에 따른 확산 상수의 값을 나타낸 그래프이다.
도 17은 본 발명의 일 실시 예에 따른 파레토 최적해에 대한 그래프이다.
도 18은 본 발명의 일 실시 예에 따른 파레토 최적해에 대한 데이터이다.
도 19는 본 발명의 일 실시 예에 따른 오폐수용 펌프의 성능 분석에 대한 그래프이다.
도 20은 본 발명의 일 실시 예에 따른 오폐수용 펌프의 성능 실험에 대한 그래프이다.
도 21 내지 23은 본 발명의 일 실시 예에 따른 블레이드의 스팬(span) 별 압력 분포에 대한 그래프이다.
도 24는 종래기술에 따른 오폐수용 펌프와 본 발명의 일 실시 예에 따른 오폐수용 펌프의 설계방법에 따라 설계된 오폐수용 펌프의 임펠러 스팬에서의 유속을 나타낸 분포도이다.
도 25는 본 발명의 일 실시 예에 따른 유체의 유동 라인을 나타낸 분포도이다.
도 26은 본 발명의 일 실시 예에 따른 블레이드의 정압(Static pressure)에 대한 그래프이다.
도 27은 본 발명의 일 실시 예에 따른 블레이드의 전압(Total pressure)에 대한 그래프이다.
도 28은 종래기술에 따른 오폐수용 펌프와 본 발명의 일 실시 예에 따른 오폐수용 펌프 각각에서 블레이드 전연에서의 유체 유동각 각각에 대한 정규화된 스팬 값의 그래프이다.Figure 1 is a schematic diagram of a pump for sewage and wastewater according to an embodiment of the present invention.
Figure 2 is a schematic diagram of an impeller according to an embodiment of the present invention.
Figure 3 is a schematic diagram of an impeller and volute according to an embodiment of the present invention.
Figure 4 is an exemplary diagram of design variable settings of an impeller according to an embodiment of the present invention.
Figure 5 is a schematic diagram of analysis of a pump for sewage and waste water according to an embodiment of the present invention.
Figure 6 is a graph related to the number of grids when analyzing a pump for wastewater according to an embodiment of the present invention.
Figure 7 is a graph for deriving experimental points according to an embodiment of the present invention.
Figure 8 is a table showing input values generated by calculating the value of the objective function through numerical analysis of the experimental points according to an embodiment of the present invention.
Figure 9 is a schematic diagram showing an RBNN surrogate model according to an embodiment of the present invention.
Figure 10 is an example diagram of the step of deriving variable values for building a surrogate model through machine learning on input values according to an embodiment of the present invention.
11 to 14 are analysis graphs according to each algorithm according to an embodiment of the present invention.
Figures 15 and 16 are graphs showing the value of the diffusion constant according to the cross-validation error for the objective function according to an embodiment of the present invention.
Figure 17 is a graph of the Pareto optimal solution according to an embodiment of the present invention.
Figure 18 shows data on the Pareto optimal solution according to an embodiment of the present invention.
Figure 19 is a graph for performance analysis of a pump for wastewater according to an embodiment of the present invention.
Figure 20 is a graph of a performance test of a pump for sewage and wastewater according to an embodiment of the present invention.
21 to 23 are graphs of pressure distribution for each span of a blade according to an embodiment of the present invention.
Figure 24 is a distribution diagram showing the flow rate in the impeller span of a wastewater pump according to the prior art and a wastewater pump designed according to the design method of the wastewater pump according to an embodiment of the present invention.
Figure 25 is a distribution diagram showing the flow line of fluid according to an embodiment of the present invention.
Figure 26 is a graph of the static pressure of the blade according to an embodiment of the present invention.
Figure 27 is a graph of the voltage (total pressure) of the blade according to an embodiment of the present invention.
Figure 28 is a graph of normalized span values for each fluid flow angle at the blade leading edge in each of the wastewater pump according to the prior art and the wastewater pump according to an embodiment of the present invention.
이하에서는 첨부한 도면을 참조하여 본 발명을 설명하기로 한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며, 따라서 여기에서 설명하는 실시 예로 한정되는 것은 아니다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다. Hereinafter, the present invention will be described with reference to the attached drawings. However, the present invention may be implemented in various different forms and, therefore, is not limited to the embodiments described herein. In order to clearly explain the present invention in the drawings, parts that are not related to the description are omitted, and similar parts are given similar reference numerals throughout the specification.
명세서 전체에서, 어떤 부분이 다른 부분과 "연결(접속, 접촉, 결합)"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 부재를 사이에 두고 "간접적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 구비할 수 있다는 것을 의미한다. Throughout the specification, when a part is said to be "connected (connected, contacted, combined)" with another part, this means not only "directly connected" but also "indirectly connected" with another member in between. "Includes cases where it is. Additionally, when a part is said to “include” a certain component, this does not mean that other components are excluded, but that other components can be added, unless specifically stated to the contrary.
본 명세서에서 사용한 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다. The terms used in this specification are merely used to describe specific embodiments and are not intended to limit the present invention. Singular expressions include plural expressions unless the context clearly dictates otherwise. In this specification, terms such as “comprise” or “have” are intended to indicate the presence of features, numbers, steps, operations, components, parts, or combinations thereof described in the specification, but are not intended to indicate the presence of one or more other features. It should be understood that this does not exclude in advance the possibility of the existence or addition of elements, numbers, steps, operations, components, parts, or combinations thereof.
이하 첨부된 도면을 참고하여 본 발명에 대하여 상세히 설명하기로 한다. Hereinafter, the present invention will be described in detail with reference to the attached drawings.
도 1은 본 발명의 일 실시 예에 따른 오폐수용 펌프에 대한 모식도고, 도 2는 본 발명의 일 실시 예에 따른 임펠러(100)에 대한 개략도이며, 도 3은 본 발명의 일 실시 예에 따른 임펠러(100)와 벌류트(200)에 대한 모식도이다.Figure 1 is a schematic diagram of a pump for wastewater treatment according to an embodiment of the present invention, Figure 2 is a schematic diagram of an impeller 100 according to an embodiment of the present invention, and Figure 3 is a schematic diagram of an impeller 100 according to an embodiment of the present invention. This is a schematic diagram of the impeller (100) and volute (200).
도 1 내지 도 3에서 보는 바와 같이, 본 발명의 오폐수용 펌프는 2개가 한 쌍인 블레이드(110,120)를 구비하는 임펠러(100), 임펠러(100)를 둘러싸고 유체가 유동하는 유로를 제공하는 벌류트(200) 및 벌류트(200)로부터 배출된 유체에 유로를 제공하는 배출관(300)을 구비할 수 있다.As shown in Figures 1 to 3, the pump for wastewater of the present invention includes an impeller 100 having a pair of blades 110 and 120, and a volute surrounding the impeller 100 and providing a flow path through which fluid flows. 200) and a discharge pipe 300 that provides a flow path for the fluid discharged from the volute 200.
여기서, 한 쌍의 블레이드(110,120)는 상호 대칭되게 마련되며, 벌류트(200)로 유체가 유입되는 부위로부터 벌류트(200) 외측 방향으로 유선형으로 연장 형성될 수 있다. 구체적으로, 각각의 블레이드(110,120)는 벌류트(200)로 유체가 유입되는 부위, 즉, 임펠러(100)의 중심으로부터 유선형으로 곡선을 그리며 벌류트(200)의 외측 방향으로 연장되게 형성될 수 있다. 이 때, 블레이드(110,120)는 측면이 오목하도록 곡선이 형성되게 연장 형성될 수 있다.Here, the pair of blades 110 and 120 are provided to be symmetrical to each other, and may be formed to extend in a streamlined direction from the area where fluid flows into the volute 200 toward the outside of the volute 200. Specifically, each of the blades 110 and 120 may be formed to extend in a streamlined direction from the center of the impeller 100, the area where fluid flows into the volute 200, in a streamlined direction to the outside of the volute 200. there is. At this time, the blades 110 and 120 may be extended and curved so that the side surfaces are concave.
벌류트(200)는 허브 및 쉬라우드를 포함하며, 임펠러(100)에 형성된 각각의 블레이드(110,120)를 내부에 수용하는 케이싱을 형성하도록 마련될 수 있다. 그리고, 벌류트(200) 내에서 유로가 폐쇄된 일 부위로부터 배출관(300)과 연결된 타 부위로 향할수록 유동 단면적이 점차 증가하는 형상을 구비하도록 벌류트(200)가 형성될 수 있다.The volute 200 includes a hub and a shroud, and may be provided to form a casing that accommodates each of the blades 110 and 120 formed in the impeller 100 therein. Additionally, the volute 200 may be formed to have a shape in which the cross-sectional flow area gradually increases as it moves from one part of the volute 200 where the flow path is closed to another part connected to the discharge pipe 300.
본 발명의 설계방법에서는, 2개의 블레이드(110,120)를 구비하는 임펠러(100)가 형성된 오페수용 펌프에 대한 최적 설계를 수행하며, 이와 같은 최적 설계를 위한 본 발명의 설계 방법은 하기와 같이 수행될 수 있으며, 본 발명의 설계 시스템에 의해 수행될 수 있다.In the design method of the present invention, an optimal design is performed for an impeller 100 having two blades 110 and 120, and the design method of the present invention for such optimal design is performed as follows. It can be performed by the design system of the present invention.
본 발명의 설계 시스템은, 목적함수, 설계변수 및 각각의 설계변수의 범위가 입력되는 입력부; 입력부에 입력된 설계변수의 범위 내에서 실험점을 도출하도록 마련된 설정부; 설정부에서 도출된 실험점에 대한 수치해석을 수행하여 입력값을 생성하는 수치해석부; 수치해석부에 생성된 입력값에 대한 머신 러닝을 수행하여 대리모델을 구축하도록 마련된 모델링부; 및 모델링부로부터 최적화 설계안을 도출하도록 마련된 설계부를 포함한다.The design system of the present invention includes an input unit where objective functions, design variables, and ranges of each design variable are input; A setting unit provided to derive experimental points within the range of design variables entered in the input unit; a numerical analysis unit that generates input values by performing numerical analysis on the experimental points derived from the setting unit; a modeling unit designed to build a surrogate model by performing machine learning on the input values generated in the numerical analysis unit; and a design unit provided to derive an optimized design plan from the modeling unit.
본 발명의 설계 시스템에 포함되는 각각의 구성은, 하기에 설명하는 본 발명의 설계방법의 각 단계에서 대응되는 기능을 수행할 수 있으며, 이와 같은 본 발명의 설계 시스템을 이용하여, 최종적으로 오폐수용 펌프의 최적화된 설계에 대한 정보를 도출할 수 있다.Each component included in the design system of the present invention can perform a corresponding function in each step of the design method of the present invention described below, and by using the design system of the present invention, the final wastewater collection system is used. Information about the optimized design of the pump can be derived.
이하, 본 발명의 설계방법에 대해 설명하기로 한다.Hereinafter, the design method of the present invention will be described.
도 4는 본 발명의 일 실시 예에 따른 임펠러(100)의 설계변수 설정에 대한 예시도이다. 도 4는 일반적인 익형(air foil)을 표시할 수 있다.Figure 4 is an exemplary diagram of design variable settings of the impeller 100 according to an embodiment of the present invention. Figure 4 may display a general air foil.
먼저, 제1단계에서, 상기와 같은 구조의 오폐수용 펌프의 설계를 위하여, 목적함수로써 양정계수(ψ)와 효율(η/ηref)을 설정할 수 있다.(양정계수(ψ)와 효율(η/ηref)에 대한 각가의 표시(ψ, η/ηref)는 하기에서 동일하다.) 유량비가 증가할수록 양정은 감소할 수 있으므로, 요구되는 양정에 따른 최대 효율 또는 소정의 효율을 충족하는 최대 양정에 대한 설계가 필요할 수 있다. 이에 따라, 목적함수를 상기와 같이 설정할 수 있다.First, in the first step, for the design of a wastewater pump with the above structure, the head coefficient (ψ) and efficiency (η/η ref ) can be set as objective functions. (Head coefficient (ψ) and efficiency ( The respective indications (ψ, η/η ref ) for η/η ref ) are the same below.) As the flow rate increases, the head may decrease, so the maximum efficiency according to the required head or meeting the predetermined efficiency Design for maximum head may be required. Accordingly, the objective function can be set as above.
상기된 제1단계 수행 후 제2단계에서, 설정된 목적함수를 도출하기 위한 블레이드(110,120) 및 오폐수용 펌프 내 유로 관련 설계변수를 설정할 수 있다.In the second step after performing the first step described above, design variables related to the flow path within the blades 110 and 120 and the wastewater pump can be set to derive the set objective function.
설계변수는, 블레이드(110,120)의 전연(Leading edge)에서의 유체 유동각인 제1설계변수; 블레이드(110,120)의 후연(Trailing Edge)에서의 유체 유동각인 제2설계변수; 및 배출관(300)의 폭에 대한 벌류트(200)의 최대 유로 폭의 비율인 제3설계변수를 포함할 수 있다.The design variable includes a first design variable, which is the fluid flow angle at the leading edge of the blades 110 and 120; A second design variable, which is the fluid flow angle at the trailing edge of the blades 110 and 120; And it may include a third design variable that is the ratio of the maximum passage width of the volute 200 to the width of the discharge pipe 300.
도 3에서 보는 바와 같이, 벌류트(200) 내에서 유로가 폐쇄된 일 부위와 임펠러(100)의 중심점을 연결한 선(a 점선)을 임펠러(100)의 회전각 측정을 위한 기준선인 회전기준선(a)으로 설정할 수 있다. 이하, 동일하다.As shown in FIG. 3, the line (a dotted line) connecting the portion where the passage is closed within the volute 200 and the center point of the impeller 100 is the rotation reference line, which is the reference line for measuring the rotation angle of the impeller 100. It can be set to (a). Hereinafter, the same applies.
여기서, 벌류트(200)의 최대 유로 폭(Dv)는 회전기준선(a)을 기준으로 임펠러(100)가 360도(degree) 회전하는 중 유로 폭이 가장 크게 형성되는 곳으로, 벌류트(200)의 배출구 유로 폭이 벌류트(200)의 최대 유로 폭(Dv)으로써 설정될 수 있다. 그리고, 배출관(300)의 폭은 Do로 설정될 수 있다. 이에 따라, 배출관(300)의 폭에 대한 벌류트(200)의 최대 유로 폭의 비율인 제3설계변수는 (Dv/Do)로 설정될 수 있다.Here, the maximum passage width (D v ) of the volute 200 is the place where the passage width is largest while the impeller 100 rotates 360 degrees with respect to the rotation reference line (a), and the volute ( The outlet passage width of 200) can be set as the maximum passage width (D v ) of the volute 200. And, the width of the discharge pipe 300 can be set to D o . Accordingly, the third design variable, which is the ratio of the maximum passage width of the volute 200 to the width of the discharge pipe 300, can be set as (D v /D o ).
상기에서, 회전기준선(a)을 기준으로 임펠러(100)가 360도 회전하는 중 유로 폭이 가장 크게 형성되는 곳은, 임펠러(100)가 회전각이 345도(degree)인 경우에 벌류트(200) 내 최대 유로 폭(Dv)일 수 있다.In the above, the place where the passage width is largest while the impeller 100 rotates 360 degrees with respect to the rotation reference line (a) is the volute (when the rotation angle of the impeller 100 is 345 degrees). 200) may be the maximum channel width (D v ).
상기와 같이 각각의 블레이드(110,120)는 곡면을 구비하는 만곡형으로 형성될 수 있다. 이해의 편의를 위해, 도 4에서는 일반적인 익형(air foil)을 표시하여 각각의 설계변수의 의미를 설명할 수 있다.As described above, each blade 110 and 120 may be formed in a curved shape having a curved surface. For convenience of understanding, Figure 4 shows a general air foil to explain the meaning of each design variable.
먼저, 제1설계변수로써, 블레이드(110,120)의 전연에서의 유체 유동각(β1)을 설정할 수 있다. 이 때, 블레이드(110,120)의 전연에서의 유체 유동각(β1)에 작용하는 압력은, 유체 유동에 의한 압력(U1)과 유체 내 블레이드(110,120)의 회전에 의한 압력(C1) 각각의 벡터의 합에 의한 벡터의 압력(W1)일 수 있다. First, as the first design variable, the fluid flow angle (β 1 ) at the leading edge of the blades 110 and 120 can be set. At this time, the pressure acting on the fluid flow angle (β 1 ) at the leading edge of the blades 110 and 120 is the pressure due to the fluid flow (U 1 ) and the pressure due to the rotation of the blades 110 and 120 in the fluid (C 1 ), respectively. It may be the vector pressure (W 1 ) by the sum of the vectors.
그리고, 제2설계변수로써, 블레이드(110,120)의 후연에서의 유체 유동각(β2)을 설정할 수 있다. 이 때, 블레이드(110,120)의 후연에서의 유체 유동각(β2)에 의해 생성되는 압력은, 유체 유동에 의한 압력(U2)과 유체 내 블레이드(110,120)의 회전에 의한 압력(C2) 각각의 벡터의 합에 의한 벡터의 압력(W2)일 수 있다.And, as a second design variable, the fluid flow angle (β 2 ) at the trailing edge of the blades 110 and 120 can be set. At this time, the pressure generated by the fluid flow angle (β 2 ) at the trailing edge of the blades (110, 120) is the pressure (U 2 ) due to the fluid flow and the pressure (C 2 ) due to the rotation of the blades (110, 120) in the fluid. It may be the vector pressure (W 2 ) by the sum of each vector.
상기와 같이, 블레이드(110,120)의 전연과 후연에서의 압력 벡터들에 대한 값에 따라 임펠러(100)의 회전에 대한 저항력, 임펠러(100)의 속도 등이 가변함으로써 각각의 목적함수 값이 가변될 수 있다. 그리고, 배출관(300)의 폭에 대한 벌류트(200)의 최대 유로 폭의 비율에 따라 유체의 유속, 유동하는 유체의 압력 등이 가변함으로써 각각의 목적함수 값이 가변될 수 있다.As described above, the resistance to rotation of the impeller 100, the speed of the impeller 100, etc. vary depending on the values of the pressure vectors at the leading and trailing edges of the blades 110 and 120, so that the value of each objective function can be varied. You can. In addition, the value of each objective function can be varied by varying the flow rate of the fluid, the pressure of the flowing fluid, etc. according to the ratio of the maximum passage width of the volute 200 to the width of the discharge pipe 300.
본 발명에서는 상기와 같이 설정된 목적함수에 가장 큰 영향을 미치는 3개의 설계변수로 최적 설계하는 경우에 대해 설명하였으나, 설계변수의 수는 이에 한정되지 않으며, 설계변수의 개수는 변경될 수 있다.In the present invention, the case of optimal design with three design variables that have the greatest influence on the objective function set as above has been described. However, the number of design variables is not limited to this, and the number of design variables may be changed.
도 5는 본 발명의 일 실시 예에 따른 오폐수용 펌프의 분석에 대한 모식도이다. 그리고, 도 6은 본 발명의 일 실시 예에 따른 오폐수용 펌프의 분석 시 그리드 수 관련 그래프이다.Figure 5 is a schematic diagram of analysis of a pump for sewage and waste water according to an embodiment of the present invention. And, Figure 6 is a graph related to the number of grids when analyzing a pump for wastewater according to an embodiment of the present invention.
그리고, 도 7은 본 발명의 일 실시 예에 따른 실험점 도출에 대한 그래프이고, 도 8은 본 발명의 일 실시 예에 따른 실험점에 대한 수치해석을 통해 목적함수의 값을 계산하여 생성된 입력값을 나타낸 표이다.And, Figure 7 is a graph of the derivation of experimental points according to an embodiment of the present invention, and Figure 8 is an input generated by calculating the value of the objective function through numerical analysis of the experimental points according to an embodiment of the present invention. This is a table showing the values.
상기된 제2단계 수행 후 제3단계에서, 설계변수의 범위 내에서의 설계변수 값으로 이루어진 복수의 실험점을 도출할 수 있다. 먼저, 도 5에서 보는 바와 같이, 제3단계의 분석을 수행하기 위해 본 발명의 오폐수용 펌프의 최초 설계안을 복수 개의 그리드(grids)로 분할하여 유한요소법에 의한 연산 및 분석을 수행할 수 있다. 여기서, 도 6에서 보는 바와 같이, 30x105 개 이상의 그리드에 대해서는 양정계수(Head Coefficient)와 정규화된 효율(Normalized Efficiency)이 일정하게 도출되므로, 복수 개의 그리드(grids)는 30x105 개 이상으로 설정될 수 있다.In the third step after performing the second step described above, a plurality of experimental points consisting of design variable values within the range of the design variable can be derived. First, as shown in Figure 5, in order to perform the third stage of analysis, the initial design of the wastewater pump of the present invention can be divided into a plurality of grids to perform calculation and analysis using the finite element method. Here, as shown in FIG. 6, the head coefficient and normalized efficiency are consistently derived for grids of 30x10 5 or more, so a plurality of grids can be set to 30x10 5 or more. You can.
제3단계에서, 실험점은 라틴 하이퍼 큐브 샘플링(Latin Hypercube Sampling)에 의해 도출될 수 있다. 여기서, 각각의 상기 실험점은 상기 설계변수의 값으로 이루어진 것일 수 있으며, 본 발명의 실시예에서는 48개의 실험점을 라틴 하이퍼 큐브 샘플링 방법에 의해 도출하였으나, 상기 실험점의 개수가 이에 한정되는 것은 아니다. In the third step, experimental points can be derived by Latin Hypercube Sampling. Here, each of the experimental points may be composed of the value of the design variable, and in the embodiment of the present invention, 48 experimental points were derived using the Latin hypercube sampling method, but the number of experimental points is limited to this. no.
상기된 제3단계 수행 후 제4단계에서, 도출된 각각의 실험점에 대한 수치해석을 통해 목적함수의 값을 계산하여 입력값을 생성할 수 있다. 도 7과 도 8에서 보는 바와 같이, 라틴 하이퍼 큐브 샘플링 방법에 의해 도출된 실험점들에 대한 수치해석을 수행하여 목적함수 값을 구함으로 입력값을 도출하도록 마련될 수 있다.In the fourth step after performing the third step described above, the input value can be generated by calculating the value of the objective function through numerical analysis of each derived experimental point. As shown in Figures 7 and 8, the input value can be derived by performing numerical analysis on the experimental points derived by the Latin hypercube sampling method to obtain the objective function value.
여기서, 입력값은 실험점을 이루는 설계변수의 값 및 설계변수의 값에 대한 수치해석을 통해 계산된 목적함수의 값으로 이루어질 수 있다.Here, the input value may be the value of the design variable forming the experimental point and the value of the objective function calculated through numerical analysis of the value of the design variable.
도 9는 본 발명의 일 실시 예에 따른 RBNN 대리모델을 나타낸 개략도이고, 도 10은 본 발명의 일 실시 예에 따른 입력값에 대한 머신러닝을 통해 대리모델을 구축하기 위한 변수 값을 도출하는 단계의 예시도이다.Figure 9 is a schematic diagram showing an RBNN surrogate model according to an embodiment of the present invention, and Figure 10 is a step of deriving variable values for building a surrogate model through machine learning on input values according to an embodiment of the present invention. This is an example diagram.
그리고, 도 11 내지 도 14는 본 발명의 일 실시 예에 따른 각각의 알고리즘에 따른 분석 그래프이다.And, Figures 11 to 14 are analysis graphs according to each algorithm according to an embodiment of the present invention.
도 11 내지 도 14에서 보는 바와 같이, 제5단계에서, 대리모델은, RBNN(Radial basis neural network), RSA(Representational similarity analysis) 및 DNN(Deep Neural Network) 중 선택되는 어느 하나의 알고리즘을 이용하여 모델링될 수 있다.As shown in Figures 11 to 14, in the fifth step, the surrogate model uses one of the algorithms selected from RBNN (Radial basis neural network), RSA (Representational similarity analysis), and DNN (Deep Neural Network). can be modeled.
본 발명에서는, 상기와 같은 알고리즘들을 이용하여 모델링될 수 있으며, 이하, 본 발명에서는, 대리모델을 위한 알고리즘으로 RBNN(Radial basis neural network)을 이용하는 경우에 대해 설명하기로 한다.In the present invention, it can be modeled using the above algorithms. Hereinafter, in the present invention, the case of using RBNN (Radial basis neural network) as an algorithm for a surrogate model will be described.
상기된 제4단계 수행 후 제5단계에서, 입력값에 대한 머신러닝을 통해 대리모델이 구축될 수 있다.In the fifth step after performing the fourth step described above, a surrogate model can be built through machine learning on the input values.
도 9에서 보는 바와 같이, 제5단계에서, 대리모델은 RBNN(Radial basis neural network) 인공신경망으로 이루어질 수 있다.As shown in Figure 9, in the fifth step, the surrogate model may be composed of a radial basis neural network (RBNN) artificial neural network.
RBNN(Radial basis neural network) 인공신경망 대리모델에 대해서 구체적으로 설명하면, RBNN(Radial basis neural network) 인공신경망은 인공 신경망 종류 중 하나로서, 입력값, 출력값 및 숨은층(Hidden layer)로 구성될 수 있다.To specifically explain the RBNN (Radial basis neural network) artificial neural network surrogate model, the RBNN (Radial basis neural network) artificial neural network is one of the types of artificial neural networks and can be composed of input values, output values, and hidden layers. there is.
RBNN 인공신경망의 예측 정확성은 숨은층에 의해 의존되며, 입력갑셍 의한 숨은층들은 하기의 [수학식 1]과 같이 방사형 기저 전달함수로 표현되는 뉴런들로 구성될 수 있다.The prediction accuracy of the RBNN artificial neural network depends on the hidden layers, and the hidden layers based on the input may be composed of neurons expressed by a radial basis transfer function as shown in [Equation 1] below.
[수학식 1][Equation 1]
) )
여기서, wi는 가중치를 의미하고, b는 바이어스이고, p는 입력벡터이다. 방사형 기저함수(radbas)는 하기의 [수학식 2]와 같다.Here, w i means the weight, b is the bias, and p is the input vector. The radial basis function (radbas) is as shown in [Equation 2] below.
[수학식 2][Equation 2]
각 뉴런들은 출력 가중치가 결합되어 선형결합으로 출력되며, 하기의 [수학식 3]과 같이 나타낼 수 있다.The output weights of each neuron are combined and output as a linear combination, which can be expressed as [Equation 3] below.
[수학식 3][Equation 3]
여기서, 는 가중치이고, 는 방사형 기저함수를 나타낸다.here, is the weight, represents the radial basis function.
이처럼 마련된 RBNN 인공신경망 대리모델을 이용할 경우, 출력값의 선형성으로 인해 계산 및 예측시간을 줄일 수 있다.When using the RBNN artificial neural network surrogate model prepared in this way, calculation and prediction times can be reduced due to the linearity of the output value.
상기된 제5단계는, 먼저, 입력값에 대한 머신러닝을 통해 대리모델을 구축하기 위한 변수 값을 도출하는 제5a단계가 수행될 수 있다. 제5a단계에서, 변수 값은, 가중치(wi, wo), 뉴런의 수(n), 확산 상수(Spread constant, SC)가 포함될 수 있다.In the above-described fifth step, first, step 5a may be performed to derive variable values for building a surrogate model through machine learning on input values. In step 5a, variable values may include weights (w i , w o ), number of neurons (n), and spread constant (SC).
먼저, 제5a단계는, 입력값을 K 개로 분리된 부분 집합으로 분할하는 제5a-1단계가 수행될 수 있다. 여기서, 입력값을 K개로 분리된 부분 집합으로 분할하도록 마련될 수 있다. 이 때, K개는 입력값의 개수와 동일하게 마련될 수 있다. 일 예로, 설계변수 값과 목적함수 값으로 이루어진 입력값이 48개인 경우, 부분 집합의 개수도 48개로 마련될 수 있다.First, in step 5a, step 5a-1 may be performed to divide the input value into K separate subsets. Here, arrangements may be made to divide the input value into K separated subsets. At this time, K can be provided equal to the number of input values. For example, if there are 48 input values consisting of design variable values and objective function values, the number of subsets can also be 48.
제5a-1단계가 수행된 후에는, 분할된 부분 집합에서 상호 중복되지 않는 테스트 폴드를 선정하는 제5a-2단계가 수행될 수 있다. 여기서, 각각의 부분 집합에서 상호 중복되지 않도록 테스트 폴드를 선정하도록 마련될 수 있다.After step 5a-1 is performed, step 5a-2 can be performed to select test folds that do not overlap each other from the divided subset. Here, it can be arranged to select test folds so that they do not overlap each other in each subset.
일 예로, 첫번째 부분 집합에서는 1번 입력값을 테스트 폴드로 선정하고, 두번째 부분 집합에서는 2번 입력값을 테스트 폴드로 선정하는 방식으로 이루어질 수 있다.For example, in the first subset, input value 1 may be selected as the test fold, and in the second subset, input value 2 may be selected as the test fold.
제5a-2단계가 수행된 후에는, 각각의 부분 집합에서 테스트 폴드를 제외한 부분인 트레이닝 폴드만으로 머신러닝을 수행하여 대리모델을 훈련시키는 제5a-3단계가 수행될 수 있다. 여기서, 각각의 부분 집합에서 트레이닝 폴드만으로 머신러닝을 수행하도록 마련될 수 있다.After step 5a-2 is performed, step 5a-3 can be performed to train a surrogate model by performing machine learning only on the training fold, which is the portion excluding the test fold from each subset. Here, it can be arranged to perform machine learning only with training folds in each subset.
일 예로, 첫번째 부분 집합에서 1번 입력값이 테스트 폴드인 경우, 나머지 입력값은 트레이닝 폴드가 된다. 그리고 이처럼 마련된 트레이닝 폴드만으로 머신 러닝을 수행하여 RBNN 인공신경망 대리모델을 훈련시킬 수 있다. 이때, 머신 러닝은 상기 변수인 가중치(wi, wo), 뉴런의 수(n), 확산 상수(Spread constant,SC) 등을 변화시켜가면서 이루어질 수 있다.For example, if input value 1 in the first subset is a test fold, the remaining input values become training folds. And you can train an RBNN artificial neural network surrogate model by performing machine learning using only the training folds provided in this way. At this time, machine learning can be performed by changing the variables such as weights ( wi , w o ), number of neurons (n), and spread constant (SC).
제5a-3단계가 수행된 후에는, 각각의 부분 집합에 대하여 트레이닝 폴드로 훈련된 대리모델의 예측값과 테스트 폴드의 실제 값을 비교하여 상대오차를 도출하는 제5a-4단계가 수행될 수 있다.After step 5a-3 is performed, step 5a-4 can be performed to derive the relative error by comparing the predicted value of the surrogate model trained with the training fold and the actual value of the test fold for each subset. .
제5a-4단계에서는, 트레이닝 폴드로 훈련된 대리모델을 이용하여 테스트 폴드의 예측값을 계산하고, 테스프 폴드의 실제 값을 비교하여 상대 오차를 도출하도록 마련될 수 있다.In step 5a-4, the predicted value of the test fold can be calculated using a surrogate model trained with the training fold, and the relative error can be derived by comparing the actual value of the test fold.
제5a-4단계가 수행된 후에는, K 개의 부분 집합에서 도출된 상대 오차를 합산하여 상대오차합을 도출하는 제5a-5단계가 수행될 수 있다. 여기서, 각각의 부분 집합에서 도출된 상대 오차들을 합하여 상대오차합을 도출하도록 마련될 수 있다.After step 5a-4 is performed, step 5a-5 may be performed to derive the relative error sum by summing the relative errors derived from the K subsets. Here, arrangements can be made to derive the relative error sum by summing the relative errors derived from each subset.
제5a-5단계가 수행된 후에는, 상대오차합이 최소가 되는 변수 값이 도출되도록 제5a-1단계 내지 제5a-5단계를 반복 수행하는 제5a-6단계가 수행될 수 있다.After step 5a-5 is performed, step 5a-6 may be performed by repeatedly performing steps 5a-1 to 5a-5 to derive a variable value that minimizes the relative error sum.
도 15와 도 16은 본 발명의 일실시예에 따른 목적함수에 대한 교차 검증 오류에 따른 확산 상수의 값을 나타낸 그래프이다. 도 15와 도 16에서 보는 바와 같이, 변수인 학습된 확산 상수를 0.1부터 10까지 변화시키면서 각 목적함수에 대한 RBNN모델의 합산 상대오차가 최소화되는 값이 선정되었다.Figures 15 and 16 are graphs showing the value of the diffusion constant according to the cross-validation error for the objective function according to an embodiment of the present invention. As shown in Figures 15 and 16, the value that minimizes the combined relative error of the RBNN model for each objective function was selected while changing the learned diffusion constant, which is a variable, from 0.1 to 10.
도 15와 도 16에 표기된 SC1과 SC2 각각은 양정계수 및 효율을 의미할 수 있다. 그리고, 본 발명의 실시 예에서는, 입력 값에 대한 머신러닝을 통해 대리모델을 구축하기 위한 변수 값을 도출함에 따라 최종 학습된 SC1과 SC2 각각의 값은 0.3 및 2.5일 수 있다.SC 1 and SC 2 shown in FIGS. 15 and 16 may respectively mean head coefficient and efficiency. And, in an embodiment of the present invention, as variable values for building a surrogate model are derived through machine learning on input values, the final learned values of SC 1 and SC 2 may be 0.3 and 2.5, respectively.
상기와 같은 제5a단계가 수행된 이후에는, 도출된 변수 값을 이용하여 대리모델을 구축하는 제5b단계가 수행될 수 있다. 여기서, 도출된 상기 변수 값들을 이용하여 상기 RBNN 인공신경망 대리모델을 구축하도록 마련될 수 있다.After step 5a as described above is performed, step 5b of building a surrogate model using the derived variable values can be performed. Here, arrangements can be made to build the RBNN artificial neural network surrogate model using the derived variable values.
도 17은 본 발명의 일 실시 예에 따른 파레토 최적해에 대한 그래프이고, 도 18은 본 발명의 일 실시 예에 따른 파레토 최적해에 대한 데이터이다. 도 17에서, 세로축은 무차원화된 효율에 대한 것이고, 가로축은 양정계수(ψ)에 대한 것이다.Figure 17 is a graph for the Pareto optimal solution according to an embodiment of the present invention, and Figure 18 is data for the Pareto optimal solution according to an embodiment of the present invention. In Figure 17, the vertical axis is for non-dimensionalized efficiency, and the horizontal axis is for head coefficient (ψ).
상기된 제5단계 후 제6단계에서, 구축된 대리모델에서 오폐수용 펌프의 최적화 설계안을 도출할 수 있다.In the sixth step after the above-mentioned fifth step, an optimized design of the wastewater pump can be derived from the constructed surrogate model.
제6단계에서는, 먼저, 대리모델에서 무작위로 선택된 설계변수 값을 유전자 알고리즘(Genetic algorithm)에 대입하여 목적함수값을 예측하는 제6a단계가 수행될 수 있다. 여기서, 유전자 알고리즘은 자연에서 진화하는 방식을 모방하여 개발된 탐색 기법이다.In the sixth step, first, step 6a can be performed to predict the objective function value by substituting the design variable values randomly selected from the surrogate model into a genetic algorithm. Here, genetic algorithm is a search technique developed by imitating the way evolution occurs in nature.
구체적으로, 제6a단계에서는, 먼저, 대리모델에서 무작위로 설계 변수를 선택하여 복수의 모집단을 선정할 수 있다. 그리고, 모집단들을 상기 유전자 알고리즘에 따라 선택, 돌연변이, 교차 연산을 수행하여 설계변수에 따른 예측 목적함수값이 실제 목적함수값과의 상대오차가 1x10-8 이하가 될 때까지 반복 수행이 이루어지도록 마련될 수 있다.Specifically, in step 6a, first, a plurality of populations can be selected by randomly selecting design variables from the surrogate model. Then, selection, mutation, and crossover operations are performed on the population according to the genetic algorithm, and repeated operations are performed until the relative error between the predicted objective function value according to the design variable and the actual objective function value is 1x10 -8 or less. It can be.
제6a단계가 수행된 후 예측된 목적함수값들의 상관관계를 고려한 파레토 최적해 면(Pareto-optimal front surface)을 도출하는 제6b단계가 수행될 수 있다. 여기서, 예측된 된 목적함수값들의 상관 관계를 고려하여 파레토 최적해를 이루는 라인 또는 면을 도출하도록 마련될 수 있다.After step 6a is performed, step 6b can be performed to derive a Pareto-optimal front surface considering the correlation between predicted objective function values. Here, a line or surface forming a Pareto optimal solution can be derived by considering the correlation between the predicted objective function values.
제6b단계가 수행된 후, 도출된 파레토 최적해 면에서 목적으로 하는 목적설계함수값에 대한 설계변수 값인 최적화 설계안을 도출하는 제6c단계가 수행될 수 있다. 여기서, 목적설계함수값을 갖도록 하는 설계변수를 상기 파레토 최적해 면에서 도출하여 최적화 설계안을 도출하도록 마련될 수 있다.After step 6b is performed, step 6c can be performed to derive an optimized design plan that is the design variable value for the target objective design function value in terms of the derived Pareto optimal solution. Here, design variables that have the objective design function value can be derived from the Pareto optimal solution surface to derive an optimized design plan.
도 19는 본 발명의 일 실시 예에 따른 오폐수용 펌프의 성능 분석에 대한 그래프이고, 도 20은 본 발명의 일 실시 예에 따른 오폐수용 펌프의 성능 실험에 대한 그래프이다. Figure 19 is a graph showing the performance analysis of a wastewater pump according to an embodiment of the present invention, and Figure 20 is a graph showing a performance test of a wastewater pump according to an embodiment of the present invention.
도 19와 도 20에서의 각각의 축은 양정계수(Head Coefficient), 유동계수(Flow Coefficient) 및 정규화된 효율(Normalized Efficinecy)를 나타낼 수 있다. 그리고, 각각의 그래프에서, Ref.는 최초(Reference) 설계안에 의한 오폐수용 펌프에 대한 것이고, Opt.는 최적화(Optimization) 설계안에 의한 오폐수용 펌프에 대한 것이다.Each axis in FIGS. 19 and 20 may represent head coefficient, flow coefficient, and normalized efficiency. And, in each graph, Ref. is for the wastewater pump according to the initial (Reference) design, and Opt. is for the wastewater pump according to the optimization design.
도 19에서 보는 바와 같이, 별표로 표시되는 최적화 설계안 목표 값에 대해 목적함수(양정계수, 효율) 각각의 연관된 값을 도출함으로써, 최적화 설계안을 도출할 수 있음을 확인할 수 있다.As shown in FIG. 19, it can be confirmed that the optimized design can be derived by deriving the associated values of each objective function (head coefficient, efficiency) for the target value of the optimized design indicated by an asterisk.
그리고, 도 20에서 보는 바와 같이, 최적화(Optimization) 설계안에 의한 오폐수용 펌프에 대한 그래프(CFD)와 최적화(Optimization) 설계안에 따라 실제 제작된 오폐수용 펌프에 대한 그래프(Exp.)의 비교에서는, 실제 요구되는 기준인 유동계수(Flow Coefficient) 0.01 내지 0.02의 범위에서 동일 유사한 값이 도출됨을 확인할 수 있으며, 이에 따라, 본 발명의 설계방법을 이용하는 경우, 양정계수와 효율이 우수한 오폐수용 펌프를 제작할 수 있음을 확인할 수 있다.And, as shown in Figure 20, in the comparison of the graph (CFD) for the wastewater pump according to the optimization design and the graph (Exp.) for the wastewater pump actually manufactured according to the optimization design, It can be confirmed that similar values are derived in the range of 0.01 to 0.02 for the flow coefficient, which is the actual required standard. Accordingly, when using the design method of the present invention, it is possible to manufacture a pump for wastewater with excellent head coefficient and efficiency. You can confirm that it is possible.
도 21 내지 23은 본 발명의 일 실시 예에 따른 블레이드(110,120)의 스팬(span) 별 압력 분포에 대한 그래프이다. 여기서, 도 21은 10%스팬에 대한 것이고, 도 22는 50%스팬에 대한 것이며, 도 23은 90%스팬에 대한 것이다.21 to 23 are graphs of pressure distribution for each span of the blades 110 and 120 according to an embodiment of the present invention. Here, Figure 21 is for 10% span, Figure 22 is for 50% span, and Figure 23 is for 90% span.
도 21 내지 도 23 각각에서, Ref.는 최초(Reference) 설계안에 의한 오폐수용 펌프에 대한 것이고, Opt.는 최적화(Optimization) 설계안에 의한 오폐수용 펌프에 대한 것이다.In each of FIGS. 21 to 23, Ref. refers to a pump for sewage and waste water according to the initial (Reference) design, and Opt. refers to a pump for sewage and waste water according to an optimization design.
도 21 내지 도 23, 특히, 도 23에서 보는 바와 같이, 최적화 설계안에 따른 오폐수용 펌프의 블레이드(110,120)에서의 압력 분포 범위가 감소함을 확인할 수 있고, 이에 따라, 블레이드(110,120) 단부 및 그 근접 부위의 스팬 영역에서 유동 압력 분포가 균일해짐을 확인할 수 있으므로, 임펠러(100)의 회전에 의한 와류 생성이 감소하여 본 발명의 설계방법에 따른 오폐수용 펌프의 효율이 상승함을 확인할 수 있다.As shown in Figures 21 to 23, especially Figure 23, it can be seen that the pressure distribution range at the blades (110, 120) of the wastewater pump according to the optimized design is reduced, and accordingly, the ends of the blades (110, 120) and their Since it can be confirmed that the flow pressure distribution becomes uniform in the span area of the adjacent area, it can be confirmed that the generation of vortices due to the rotation of the impeller 100 is reduced, thereby increasing the efficiency of the wastewater pump according to the design method of the present invention.
도 24는 종래기술에 따른 오폐수용 펌프와 본 발명의 일 실시 예에 따른 오폐수용 펌프의 설계방법에 따라 설계된 오폐수용 펌프의 임펠러(100) 스팬에서의 유속을 나타낸 분포도이다. 그리고, 도 25는 본 발명의 일 실시 예에 따른 유체의 유동 라인을 나타낸 분포도이다.Figure 24 is a distribution diagram showing the flow rate in the span of the impeller 100 of the wastewater pump according to the prior art and the wastewater pump designed according to the design method of the wastewater pump according to an embodiment of the present invention. And, Figure 25 is a distribution diagram showing the flow line of fluid according to an embodiment of the present invention.
도 24와 도 25에서, (a)는 최초(Reference) 설계안에 의한 오폐수용 펌프에 대한 것이고, (b)는 최적화(Optimization) 설계안에 의한 오폐수용 펌프에 대한 것이다.In Figures 24 and 25, (a) is for a pump for sewage and wastewater according to the initial (Reference) design, and (b) is for a pump for sewage and wastewater according to the optimization design.
본 발명의 설계방법에 따른 오폐수용 펌프에서는 최초 설계안의 오폐수용 펌프에 비해 블레이드(110,120) 단부의 스팬 영역에서 유속 분포가 균일해지는 것을 확인할 수 있고, 이에 따라, 임펠러(100)의 회전에 의한 와류 생성이 감소하여 본 발명의 설계방법에 따른 오폐수용 펌프의 효율이 상승함을 확인할 수 있다.In the wastewater pump according to the design method of the present invention, it can be confirmed that the flow velocity distribution is uniform in the span area of the ends of the blades (110, 120) compared to the wastewater pump in the original design, and accordingly, the eddy current caused by the rotation of the impeller (100) It can be confirmed that the efficiency of the wastewater pump according to the design method of the present invention increases as the production is reduced.
도 26은 본 발명의 일 실시 예에 따른 블레이드(110,120)의 정압(Static pressure)에 대한 그래프고, 도 27은 본 발명의 일 실시 예에 따른 블레이드(110,120)의 전압(Total pressure)에 대한 그래프이다.FIG. 26 is a graph of the static pressure of the blades 110 and 120 according to an embodiment of the present invention, and FIG. 27 is a graph of the voltage (Total pressure) of the blades 110 and 120 according to an embodiment of the present invention. am.
도 26과 도 27에서, a그래프는 최초(Reference) 설계안에 의한 오폐수용 펌프에 대한 것이고, b그래프는 최적화(Optimization) 설계안에 의한 오폐수용 펌프에 대한 것이다.In Figures 26 and 27, the a graph is for the wastewater pump according to the initial (Reference) design, and the b graph is for the wastewater pump according to the optimization design.
도 26과 도 27에서 보는 바와 같이, 최적화 설계안에서 블레이드(110,120)에 대한 압력이 감소하여 와류 발생 등에 의한 유체 저항이 감소함을 확인할 수 있고, 이에 따라, 본 발명의 설계방법에 따른 오폐수용 펌프의 효율이 상승함을 확인할 수 있다. 도 27의 불투명한 타원형 표시 부분에서는 양 그래프의 갭이 발생하고, 이는, 벌류트(200)의 부피 제약 사항에 따른 유동 손실이 발생한 이유라고 할 수 있다.As shown in Figures 26 and 27, it can be seen that the pressure on the blades 110 and 120 is reduced in the optimized design, thereby reducing fluid resistance due to vortex generation, etc. Accordingly, the wastewater pump according to the design method of the present invention It can be seen that the efficiency increases. A gap occurs in both graphs in the opaque oval display portion of FIG. 27, which can be said to be the reason why flow loss occurs due to volume constraints of the volute 200.
도 28은 종래기술에 따른 오폐수용 펌프와 본 발명의 일 실시 예에 따른 오폐수용 펌프 각각에서 블레이드(110,120) 전연에서의 유체 유동각 각각에 대한 정규화된 스팬 값의 그래프이다.Figure 28 is a graph of normalized span values for each fluid flow angle at the leading edge of the blades 110 and 120 in each of the wastewater pump according to the prior art and the wastewater pump according to an embodiment of the present invention.
그리고, 도 28에서, Ref.는 최초(Reference) 설계안에 의한 오폐수용 펌프에 대한 것이고, Opt.는 최적화(Optimization) 설계안에 의한 오폐수용 펌프에 대한 것이다.And, in Figure 28, Ref. is for the wastewater pump according to the initial (Reference) design, and Opt. is for the wastewater pump according to the optimization design.
도 28에서 보는 바와 같이, 블레이드(110,120) 전연에서 각각의 위치에서의 유체 유동각이 가변 범위가 감소함을 확인할 수 있다. 이에 의해, 유속 분포가 균일해지는 것을 확인할 수 있고, 이에 따라, 임펠러(100)의 회전에 의한 와류 생성이 감소하여 본 발명의 설계방법에 따른 오폐수용 펌프의 효율이 상승함을 확인할 수 있다.As shown in FIG. 28, it can be seen that the variable range of the fluid flow angle at each location at the leading edge of the blades 110 and 120 is reduced. As a result, it can be confirmed that the flow velocity distribution becomes uniform, and accordingly, the generation of vortices due to the rotation of the impeller 100 is reduced, thereby increasing the efficiency of the wastewater pump according to the design method of the present invention.
전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시 예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다. The description of the present invention described above is for illustrative purposes, and those skilled in the art will understand that the present invention can be easily modified into other specific forms without changing the technical idea or essential features of the present invention. will be. Therefore, the embodiments described above should be understood in all respects as illustrative and not restrictive. For example, each component described as unitary may be implemented in a distributed manner, and similarly, components described as distributed may also be implemented in a combined form.
본 발명의 범위는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.The scope of the present invention is indicated by the patent claims described below, and all changes or modified forms derived from the meaning and scope of the claims and their equivalent concepts should be construed as being included in the scope of the present invention.
100 : 임펠러 110 : 블레이드
120 : 블레이드 200 : 벌류트
210 : 유입부 300 : 배출관 100: impeller 110: blade
120: Blade 200: Volute
210: inlet 300: discharge pipe
Claims (11)
설정된 상기 목적함수를 도출하기 위한 상기 블레이드 및 상기 오폐수용 펌프 내 유로 관련 설계변수를 설정하는 제2단계;
상기 설계변수의 범위 내에서의 상기 설계변수 값으로 이루어진 복수의 실험점을 도출하는 제3단계;
도출된 각각의 상기 실험점에 대한 수치해석을 통해 상기 목적함수의 값을 계산하여 입력값을 생성하는 제4단계;
상기 입력값에 대한 머신러닝을 통해 대리모델이 구축되는 제5단계; 및
구축된 상기 대리모델에서 상기 오폐수용 펌프의 최적화 설계안을 도출하는 제6단계를 포함하고,
상기 설계변수는, 상기 블레이드의 전연에서의 유체 유동각인 제1설계변수; 상기 블레이드의 후연에서의 유체 유동각인 제2설계변수; 및 상기 배출관의 폭에 대한 상기 벌류트의 최대 유로 폭의 비율인 제3설계변수를 포함하는 것을 특징으로 하는 임펠러와 유로를 고려한 오폐수용 펌프의 설계방법.
For the design of a wastewater pump including an impeller with two blades, a volute that surrounds the impeller and provides a flow path for fluid to flow, and a discharge pipe that provides a flow path for the fluid discharged from the volute, the objective function is The first step of setting the head coefficient and efficiency;
A second step of setting design variables related to the flow path within the blade and the wastewater pump to derive the set objective function;
A third step of deriving a plurality of experimental points consisting of the design variable values within the range of the design variable;
A fourth step of generating an input value by calculating the value of the objective function through numerical analysis of each of the derived experimental points;
A fifth step in which a surrogate model is built through machine learning on the input values; and
It includes a sixth step of deriving an optimized design of the wastewater pump from the constructed surrogate model,
The design variables include: a first design variable that is the fluid flow angle at the leading edge of the blade; a second design variable, which is the fluid flow angle at the trailing edge of the blade; And a third design variable that is a ratio of the maximum flow path width of the volute to the width of the discharge pipe. A design method of a wastewater pump considering the impeller and flow path.
상기 제3단계에서, 상기 실험점은 라틴 하이퍼 큐브 샘플링(Latin Hypercube Sampling)에 의해 도출되는 것을 특징으로 하는 임펠러와 유로를 고려한 오폐수용 펌프의 설계방법.
In claim 1,
In the third step, the experimental point is derived by Latin Hypercube Sampling. A method of designing a wastewater pump considering the impeller and flow path.
상기 제4단계에서, 상기 입력값은 상기 실험점을 이루는 상기 설계변수의 값 및 상기 설계변수의 값에 대한 수치해석을 통해 계산된 상기 목적함수의 값으로 이루어진 것을 특징으로 하는 임펠러와 유로를 고려한 오폐수용 펌프의 설계방법.
In claim 1,
In the fourth step, the input value is composed of the value of the design variable constituting the experimental point and the value of the objective function calculated through numerical analysis of the value of the design variable. Design method of wastewater pump.
상기 제5단계에서, 상기 대리모델은, RBNN(Radial basis neural network), RSA(Representational similarity analysis) 및 DNN(Deep Neural Network) 중 선택되는 어느 하나의 알고리즘을 이용하여 모델링되는 것을 특징으로 하는 임펠러와 유로를 고려한 오폐수용 펌프의 설계방법.
In claim 1,
In the fifth step, the surrogate model is an impeller, characterized in that it is modeled using any one algorithm selected from RBNN (Radial basis neural network), RSA (Representational similarity analysis), and DNN (Deep Neural Network) Design method of a wastewater pump considering the flow path.
상기 제5단계는,
상기 입력값에 대한 머신러닝을 통해 상기 대리모델을 구축하기 위한 변수 값을 도출하는 제5a단계; 및
도출된 상기 변수 값을 이용하여 상기 대리모델을 구축하는 제5b단계를 포함하는 것을 특징으로 하는 임펠러와 유로를 고려한 오폐수용 펌프의 설계방법.
In claim 5,
The fifth step is,
Step 5a of deriving variable values for building the surrogate model through machine learning on the input values; and
A design method for a wastewater pump considering an impeller and flow path, comprising a 5b step of constructing the surrogate model using the derived variable values.
상기 제5a단계는,
상기 입력값을 K 개로 분리된 부분 집합으로 분할하는 제5a-1단계;
분할된 상기 부분 집합에서 상호 중복되지 않는 테스트 폴드를 선정하는 제5a-2단계;
각각의 상기 부분 집합에서 상기 테스트 폴드를 제외한 부분인 트레이닝 폴드만으로 머신러닝을 수행하여 상기 대리모델을 훈련시키는 제5a-3단계;
각각의 상기 부분 집합에 대하여 상기 트레이닝 폴드로 훈련된 대리모델의 예측값과 상기 테스트 폴드의 실제 값을 비교하여 상대오차를 도출하는 제5a-4단계;
K 개의 상기 부분 집합에서 도출된 상기 상대 오차를 합산하여 상대오차합을 도출하는 제5a-5단계; 및
상기 상대오차합이 최소가 되는 상기 변수 값이 도출되도록 상기 제5a-1단계 내지 상기 제5a-5단계를 반복 수행하는 제5a-6단계를 포함하는 것을 특징으로 하는 임펠러와 유로를 고려한 오폐수용 펌프의 설계방법.
In claim 6,
In step 5a,
Step 5a-1 of dividing the input value into K separated subsets;
Step 5a-2 of selecting test folds that do not overlap each other from the divided subset;
Step 5a-3 of training the surrogate model by performing machine learning only on training folds, which are parts of each subset excluding the test fold;
Step 5a-4 of deriving a relative error for each subset by comparing the predicted value of a surrogate model trained with the training fold and the actual value of the test fold;
Step 5a-5 of deriving a relative error sum by summing the relative errors derived from the K subsets; and
A 5a-6 step of repeating steps 5a-1 to 5a-5 to derive the variable value that minimizes the relative error sum, and a step 5a-6 of repeating steps 5a-1 to 5a-5. Wastewater treatment considering the impeller and flow path. Pump design method.
상기 제5a단계에서, 상기 변수 값은, 가중치(wi, wo), 뉴런의 수(n), 확산 상수(Spread constant, SC)가 포함되는 것을 특징으로 하는 임펠러와 유로를 고려한 오폐수용 펌프의 설계방법.
In claim 7,
In step 5a, the variable values include weights (w i , w o ), number of neurons (n), and diffusion constant (Spread constant, SC). A pump for wastewater considering the impeller and flow path. Design method.
상기 제6단계는,
상기 대리모델에서 무작위로 선택된 설계변수 값을 상기 알고리즘에 대입하여 목적함수값을 예측하는 제6a단계;
예측된 목적함수값들의 상관관계를 고려한 파레토 최적해 면(Pareto-optimal front surface)을 도출하는 제6b단계; 및
도출된 상기 파레토 최적해 면에서 목적으로 하는 목적설계함수값에 대한 설계변수 값인 상기 최적화 설계안을 도출하는 제6c단계를 포함하는 것을 특징으로 하는 임펠러와 유로를 고려한 오폐수용 펌프의 설계방법.
In claim 5,
The sixth step is,
Step 6a of predicting an objective function value by substituting design variable values randomly selected from the surrogate model into the algorithm;
Step 6b of deriving a Pareto-optimal front surface considering the correlation between predicted objective function values; and
A design method for a wastewater pump considering the impeller and flow path, comprising a 6c step of deriving the optimized design plan, which is a design variable value for the target objective design function value in the derived Pareto optimal solution plane.
상기 목적함수, 상기 설계변수 및 각각의 상기 설계변수의 범위가 입력되는 입력부;
상기 입력부에 입력된 상기 설계변수의 범위 내에서 실험점을 도출하도록 마련된 설정부;
상기 설정부에서 도출된 상기 실험점에 대한 수치해석을 수행하여 상기 입력값을 생성하는 수치해석부;
상기 수치해석부에 생성된 상기 입력값에 대한 머신 러닝을 수행하여 상기 대리모델을 구축하도록 마련된 모델링부; 및
상기 모델링부로부터 상기 최적화 설계안을 도출하도록 마련된 설계부를 포함하는 것을 특징으로 하는 설계 시스템.
In a design system for performing the design method of a wastewater pump considering the impeller and flow path of claim 1,
an input unit where the objective function, the design variables, and the ranges of each design variable are input;
a setting unit provided to derive experimental points within the range of the design variables input to the input unit;
a numerical analysis unit that generates the input value by performing numerical analysis on the experimental points derived from the setting unit;
a modeling unit provided to build the surrogate model by performing machine learning on the input value generated by the numerical analysis unit; and
A design system comprising a design unit configured to derive the optimized design plan from the modeling unit.
블레이드를 구비하고 외부로부터 유입된 유체에 유압을 제공하는 임펠러;
상기 임펠러를 둘러싸고 유체가 유동하는 유로를 제공하는 벌류트; 및
상기 벌류트로부터 배출되는 유체에 유로를 제공하는 배출관을 포함하고,
한 쌍의 블레이드가 상호 대칭되게 형성되며,
상기 블레이드는 임펠러의 중심으로부터 유선형으로 곡선을 그리며 상기 벌류트의 외측 방향으로 연장되게 형성되고,
상기 최적화 설계안에 의해 상기 블레이드의 전연과 후연 각각에서의 유체 유동각이 결정되어 상기 블레이드의 형상이 형성되는 것을 특징으로 하는 오폐수용 펌프.In the wastewater pump according to the design method of the wastewater pump considering the impeller and flow path of claim 1,
An impeller having blades and providing hydraulic pressure to fluid introduced from the outside;
A volute surrounding the impeller and providing a passage through which fluid flows; and
It includes a discharge pipe that provides a flow path for the fluid discharged from the volute,
A pair of blades are formed symmetrically to each other,
The blade is formed to extend outward from the volute in a streamlined curve from the center of the impeller,
A pump for wastewater, characterized in that the shape of the blade is formed by determining the fluid flow angle at each of the leading and trailing edges of the blade according to the optimized design.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210148168A KR102595629B1 (en) | 2021-11-01 | 2021-11-01 | Method for design a wastewater pump considering the impeller and flow path and a wastewater pump by the same |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210148168A KR102595629B1 (en) | 2021-11-01 | 2021-11-01 | Method for design a wastewater pump considering the impeller and flow path and a wastewater pump by the same |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20230063999A KR20230063999A (en) | 2023-05-10 |
| KR102595629B1 true KR102595629B1 (en) | 2023-11-01 |
Family
ID=86386194
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210148168A KR102595629B1 (en) | 2021-11-01 | 2021-11-01 | Method for design a wastewater pump considering the impeller and flow path and a wastewater pump by the same |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102595629B1 (en) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102688153B1 (en) * | 2023-11-30 | 2024-07-25 | 주식회사 이공기전 | Drainage pump equipped with remote monitoring system |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101807418B1 (en) | 2016-08-16 | 2017-12-08 | 한국생산기술연구원 | Optimal design method of impeller and diffuser, impeller and diffuser designed by the method and centrifugal and mixed flow pump having the same |
| KR101808077B1 (en) | 2016-08-16 | 2018-01-18 | 한국생산기술연구원 | Design metod of volute for centrifugal and mixed flow pump for improving performance, volute of centrifugal and mixed flow pump designed by the method and centrifugal and mixed flow pump having the same |
| KR102102190B1 (en) * | 2018-04-11 | 2020-06-01 | 한국생산기술연구원 | Design method of single channel pump for high efficiency and low fluid induced vibration with easy to change output |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100340699B1 (en) * | 1999-08-24 | 2002-06-15 | 김광용 | Design method for axial fan blade and a blade manufactured thereby |
| KR101647394B1 (en) | 2016-05-23 | 2016-08-10 | 주식회사 대동펌프산업 | Double vane diamond shaped impeller type centrifugal pump |
| KR102160393B1 (en) * | 2018-05-16 | 2020-10-05 | 한국생산기술연구원 | Design method of single channel pump that can change output according to the impeller redesign |
-
2021
- 2021-11-01 KR KR1020210148168A patent/KR102595629B1/en active IP Right Grant
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101807418B1 (en) | 2016-08-16 | 2017-12-08 | 한국생산기술연구원 | Optimal design method of impeller and diffuser, impeller and diffuser designed by the method and centrifugal and mixed flow pump having the same |
| KR101808077B1 (en) | 2016-08-16 | 2018-01-18 | 한국생산기술연구원 | Design metod of volute for centrifugal and mixed flow pump for improving performance, volute of centrifugal and mixed flow pump designed by the method and centrifugal and mixed flow pump having the same |
| KR102102190B1 (en) * | 2018-04-11 | 2020-06-01 | 한국생산기술연구원 | Design method of single channel pump for high efficiency and low fluid induced vibration with easy to change output |
Non-Patent Citations (1)
| Title |
|---|
| 조보민 "단일채널펌프의 성능 향상을 위한 유로 단면적 수치 최적화 연구", 과학기술연합대학원대학교, (2017.02.28.)* |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20230063999A (en) | 2023-05-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11953023B2 (en) | Two-vane pump and design method of two-vane pump for wastewater using machine learning | |
| Nourbakhsh et al. | The comparison of multi-objective particle swarm optimization and NSGA II algorithm: applications in centrifugal pumps | |
| CN102032217B (en) | Method for optimizing dummy plate of double-volute type double-suction pump and product produced with same | |
| Kim et al. | Optimization of vane diffuser in a mixed-flow pump for high efficiency design | |
| Pei et al. | Multi-point optimization on meridional shape of a centrifugal pump impeller for performance improvement | |
| Ezhilsabareesh et al. | Shape optimization of a bidirectional impulse turbine via surrogate models | |
| Badhurshah et al. | High efficiency design of an impulse turbine used in oscillating water column to harvest wave energy | |
| Ghadimi et al. | Shape optimization of a centrifugal blood pump by coupling CFD with metamodel-assisted genetic algorithm | |
| KR102595629B1 (en) | Method for design a wastewater pump considering the impeller and flow path and a wastewater pump by the same | |
| Hu et al. | Broadening the operating range of pump-turbine to deep-part load by runner optimization | |
| De Donno et al. | Shape optimization of the ERCOFTAC centrifugal pump impeller using open-source software | |
| Benturki et al. | Multi-objective optimization of two-stage centrifugal pump using NSGA-II algorithm | |
| Parikh et al. | Maximizing the performance of pump inducers using CFD-based multi-objective optimization | |
| Barsi et al. | Aerodynamic design of a centrifugal compressor stage using an automatic optimization strategy | |
| Zeinalzadeh et al. | Evaluation of novel-objective functions in the design optimization of a transonic rotor by using deep learning | |
| Zhou et al. | The optimal hydraulic design of centrifugal impeller using genetic Algorithm with BVF | |
| Nguyen et al. | Hydrodynamic optimization of the impeller and diffuser vane of an axial-flow pump | |
| Duan et al. | Multi-objective hydraulic optimization and analysis in a minipump | |
| Lau et al. | Effect of feed spacer mesh length ratio on unsteady hydrodynamics in 2d spiral wound membrane (swm) channel | |
| Noon et al. | Performance enhancement of centrifugal pump through cavitation reduction using optimization techniques | |
| Wu et al. | Multi-parameter optimization and analysis on performance of a mixed flow pump | |
| Carolus | Design guidelines for low pressure axial fans based on CFD-trained meta-models | |
| Reihani et al. | Shaft fatigue life and efficiency improvement of a micro cross flow turbine | |
| WO2023038054A1 (en) | Machine learning device, pump performance prediction device, inference device, pump shape design device, machine learning method, pump performance prediction method, inference method, pump shape design method, machine learning program, pump performance prediction program, inference program, and pump shape design program | |
| Ning et al. | Three-dimensional aerodynamic optimization of a multi-stage axial compressor |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |