基于人工神经网络的离心泵叶轮边界涡量流预测

根据边界涡量动力学理论,从边界涡量流在离心泵叶轮内表面的分布情况,可获知叶轮的受力状况,进而改进叶轮设计.以BP神经网络和径向基神经网络为建模手段,以叶轮内表面的边界涡量流为预测目标,通过高精度的CFD计算获得70个离心泵叶轮内表面的BVF分布,建立可用于训练人工神经网络的初始样本集;再利用63个初始样本建立离心泵叶轮几何参数和边界涡量流的非线性映射关系,并用剩余的7个校对样本进行测试.根据神经网络预测结果和数值模拟计算结果的误差分析,确定最适用于离心泵叶轮边界涡量流预测的神经网络类型.研究表明:径向基(RBF)神经网络的预测精度高于BP神经网络,其训练时间更短、运行稳定性更高;径向基函数的宽度对RBF神经网络的预测性能有较大影响,当径向基函数宽度取0.3时,RBF神经网络的预测性能最佳,预测误差仅0.0203;RBF神经网络预测所得叶轮内表面的边界涡量流分布,可以作为评价叶轮水力设计优劣的重要指标,进而指导叶轮机械的优化设计.

水力消排烟机用水轮的正交优化设计

为了提高水力消排烟机用水轮的效率,针对水轮的内流场进行全流道数值模拟,并将模拟结果与试验数据进行对比.采用正交试验方法对水轮的主要几何参数进行优化分析,应用L9(33)正交表,选取喷口面积、喷管直径、喷管长度3个参数为试验因素,以效率为试验指标进行正交优化设计,并选用极差分析法对优化结果进行分析.正交试验结果表明喷管长度对水轮效率的影响程度最显著,喷管直径次之,喷口面积最小.优化所得水轮的喷管长度为389.7 mm,喷管直径为30 mm,喷孔面积为92.57 mm^2.与优化前水轮相比,优化后水轮的喷管长度减小了10%.优化后水轮的效率提高了7.67%,水轮内部流体的速度分布更加均匀,降低了水力消排烟机的运行成本.验证了正交优化设计方法在水轮优化中的可行性.

第二代涡识别方法在混流泵内部流场中的适用性分析

流体机械内部涡的产生会严重影响流体机械的内流场及外性能,速度、压力等传统方式并不能全面揭示流场真实的流动情况,而涡识别方法可以表征混流泵内部涡结构,识别涡的大小、位置和演变规律。采用大涡模拟对混流泵内部流场进行高精度数值模拟,由此获得不同涡识别方法(涡量、螺旋度方法、λ2准则和Q准则)在混流泵内流场中识别出的涡结构。结果表明:与涡量准则法相比,采用第二代涡识别方法更能获得详细的混流泵内部的涡结构。其中,Q准则能剔除绝大部分的剪切层影响,较其他涡识别方法更好地捕捉混流泵内部的涡结构,显示的涡大小更加精确。通过Q准则的识别,提取了混流泵叶轮流道内规则的通道涡,此类型涡结构均匀分布在各个流道,叶片叶顶泄漏涡结构清晰,摆脱了壁面剪切层的干扰;导叶叶片靠近轮毂处同样获取了规则的通道涡,通道涡均匀的分布在各个流道内,叶片尾缘脱落涡摆脱了壁面剪切层的干扰,可以看到清晰的涡结构。Q准则在第二代涡识别方法中脱颖而出,更适用于混流泵内流场的涡识别,在涡结构以及涡大小的显示方面都具有优势,可用于旋转机械内流场的分析。