【CFD專欄】基于CFD仿真、元建模和貝葉斯推斷方法的離心泵優化設計
基于CFD仿真、元建模和貝葉斯推斷方法的離心泵優化設計
◆背景簡介
本項目采用CFD仿真軟件Simerics-MP+,模擬離心泵在臨近液體飽和壓力下的工作性能,并通過物理實驗論證模型和方法的可靠性。采用元模型和貝葉斯推斷等技術方法進行葉輪設計優化,其中,元模型基于拉丁超立方抽樣法(LHS)數據庫,通過高斯過程回歸(GPR)構建。研究工作最終改善了高流速工況下的空化問題,優化方案在設計點處揚程提高了25%,在操作范圍的其他工況點處提升更高。
【1】本文章內容來自Simerics公司與Melling Tooling Company在SAE International上發布的Design Optimization of Centrifugal Pump Using CFD Simulations, Metamodeling and Bayesian Inference
◆ 基于模擬的貝葉斯優化框架
該方法能夠建立離心泵從不同結構設計→仿真模擬→結果分析→優化結構設計的完整的系統過程。該方法有利于工程師研究不同因素對離心泵揚程和效率等結果的影響,能夠得到更加準確的結果,進而能夠指導工程師對離心泵進行最優設計。
◆ Simerics MP+軟件劃分網格
Simerics MP+軟件網格劃分(葉輪幾何模型來自設計軟件CFturbo)。
◆ 實驗設備與優化
圖:實驗裝置(紅框內為壓力傳感器位置)
圖:優化后的葉輪
在實驗裝置中,傳感器被放置在入口和出口以測量壓力。進入泵的流量通過閥門控制。
◆ 離心泵優化設計
離心泵7葉片不同位置角度設計參數
離心泵7葉片不同位置角度設計參數下水頭和效率結果
通過斯皮爾曼相關性分析方法,研究各參數對揚程和效率的影響:
輪轂和護罩的葉片尾緣角度對揚程的影響最大;
葉片尾緣角度與效率呈正相關,能夠在不影響效率的情況下達到提高揚程的目的;
包角同效率和揚程呈負相關。
圖:不同設計參數結果的靈敏度
圖:DoE和優化進程
本項目對拉丁超立方抽樣法(LHS)生成的100個DoE點進行CFD模擬,建立設計數據庫,用于修正高斯過程回歸(GPR)元模型;隨后,采用元模型進行貝葉斯優化。
內部流場分析
圖:空化氣泡分布:a.基線,b.優化(7個葉片)
如圖所示,基準設計中的葉片前緣空化現象明顯;優化設計方案中,葉片前緣空化現象明顯改善。
圖:優化設計的性能曲線
從性能曲線可以看出,所有改進方案中空化現象明顯減少,在整個運行范圍內揚程提高。
◆ 小結
本文通過CFD仿真、元建模和貝葉斯推斷這一系統方法對葉輪形狀設計進行優化,優化后的泵的額定揚程提升了25%。該方法優勢在于通過貝葉斯優化,在設計空間中,對抽取的樣本進行序列更新。在有限的迭代次數后,使序列收斂到全局最優。使用高斯過程回歸器作為替代模型,在參數的容許空間上,提供了估計目標函數值的置信度優化器。有利于工程師研究不同因素對離心泵揚程和效率等結果的影響,得到更加準確的結果,指導對離心泵進行最優設計。
本文通過Simerics MP+軟件進行瞬態數值模擬,對優化設計的性能進行了詳細分析。研究得出以下幾點結論:
在最佳方案下,觀察到泵輸送性能提高了37%。葉輪半徑內的壓力分布得到了改善。
Simerics MP+軟件具備自動網格生成器和Navier-Stokes求解器,能夠有效地對離心泵空化進行物理建模。
通過優化過程,降低在較高流速的低壓區域而導致的空化問題。
通過敏感性分析,葉片尾緣角度對泵輸送的揚程影響最大。
通過實驗測試,驗證了CFD結果的準確性。
工程師必備
- 項目客服
- 培訓客服
- 平臺客服
TOP




















