CAESES中集成了多種葉輪參數化建模方法，并可以根據需求自主創建參數化葉輪模板，可以實現各類葉片、流道及蝸殼等模型的參數化控制，被廣泛的應用在各類葉輪機械的性能優化工作中。本文將結合某散熱風扇案例重點介紹CAESES在軸流風扇優化中的應用。

本案例中，在CAESES中建立軸流葉片全參數化模型，耦合CFX軟件建立自動化仿真流程，對風扇葉片自動進行參數調整和仿真計算，并總結出各個參數對風扇性能的影響，通過一系列的自動優化，最終得到性能最優的模型。

 全參數化模型 

CAESES中可以方便的定義各類參數化葉型模板，并可以對積疊規律進行靈活控制。

本案例所選葉型截面曲線形狀變化示意如下圖所示：

 

針對葉片造型中的彎、掠參數，在CAESES中也進行了相應的控制。

本案例葉型截面曲線及徑向積疊規律主要設置參數如下：

Chord （弦長）

Max Camber（最大彎度）

Camber Pos（最大彎度位置）

Thickness （葉片厚度）

Stagger （安裝角）

Rake （軸向傾斜-掠角）Skew （周向傾斜-彎角）

Tip clearance （頂部徑向間隙）

Number （葉片數）

在CAESES中可以通過方程曲線來控制葉型的形狀及積疊位置參數沿徑向的分布規律。最終的操作方式是調整方程曲線的參數，控制方程曲線形狀發生變化，繼而影響葉片的形狀。

方程曲線影響葉片的形狀

 自動化仿真優化流程搭建 

耦合CFX分析軟件，在CAESES中建立自動化的仿真流程，自動輸出模型，劃分網格，并進行相關計算。以固定轉速及壓力條件下的流量及靜壓效率（通過靜壓效率的提升來改善風扇噪音水平）作為評估目標，通過CAESES中的優化算法來控制模型變化并最終得到性能提升的結果。

CAESES自動化仿真分析流程控制

參數變化及流場結果變化

 變量研究及自動化優化 

試驗設計：

先通過試驗設計方法控制參數變化，研究參數變化對風扇的影響規律。

試驗設計方法：Sobol

Variants: 200

評估目標: 

        ● 風量

        ● 靜壓效率

  

參數敏感性示意圖

自動化優化：

結合試驗設計研究結果，調整參數個數及變化范圍，進行新一輪自動化優化。

優化算法：NSGA II（第二代非支配排序遺傳算法）

Population :20

Generations :20

評估目標:

        ● 流量

        ● 靜壓效率

 優化結果 

經過自動化的優化計算，最終得到的優化模型相比初始模型在同轉速下風量提升超過9%，同時噪音下降約1dB。優化模型及初始模型對比如下：