潜水轴流泵全流道三维湍流数值模拟

为了提升潜水轴流泵的性能,了解其内部流动规律,采用标准k-ε双方程紊流模型和压强连接的隐式修正SIMPLEC算法,对潜水轴流泵全流道进行了CFD分析.得出了流道内各速度矢量、压力分布规律,并提出相应的改进建议.     

确定离心泵叶片包角的新方法

在叶片的进、出口安放角都已经确定的情况下,提出一种确定叶片包角的新方法.分别确定a、b、c三条流线的包角取值范围,求其取值范围的交集,根据不同轴面的安放角和叶片包角的关系确定叶片包角的具体取值.根据该方法进行叶轮设计得到叶轮的水力模型,通过模拟试验验证,证明新方法的可靠性和实用性.新方法可以确定叶片包角的具体取值,改变叶轮水力设计对叶片包角按经验取值的弊端,提高叶轮水力设计的效率.     

蜗壳式多级泵压力脉动特性研究

为了研究压力脉动在蜗壳式多级离心泵不同位置的变化规律,利用Fluent软件,采用SSTk-ω湍流模型对蜗壳式多级离心泵的内部流场进行多工况的非定常数值模拟,得到其各监测点的压力脉动特性,并对其进行对比分析。结果表明:在蜗壳式多级离心泵首级蜗壳内,压力脉动主要受叶轮与隔舌之间的动静干涉的影响,同时与之相连的过渡流道内的液流流动状态的影响也是不可忽略的。     

离心叶轮内部流动的数值模拟研究

为研究半开式叶轮叶顶间隙对其外特性及内部流场的影响,采用六面体结构化网格对模型进行网格划分,采用标准k-ε湍流模型和雷诺时均N-S方程对叶轮内部流动进行数值模拟。通过分析外特性曲线发现,叶顶间隙在一定范围变化时,间隙值的变化只影响叶轮的升压能力,对效率的影响不明显。通过对内流场的分析发现,由于叶顶间隙的存在,导致半开式叶轮内部从叶轮入口至叶轮出口存在泵前回流,回流与主流相互干扰,在叶轮入口处形成漩涡。随着叶顶间隙值的增大,回流对主流的干扰更加明显,导致叶轮内部流动恶化。     

基于高维混合模型与遗传算法的离心泵叶片优化

提出了一种基于机器学习的高维混合模型用于离心泵的叶片优化方法.选用一台低比转速离心泵,以离心泵叶轮叶片为研究对象,通过对叶片型线拟合分离多变量参数,利用支持向量机的高维表示方法,结合计算流体动力学软件,经过对训练集的机器学习,构建了离心泵叶片型线优化的代理模型.依据遗传算法求解离心泵多变量代理模型,预测了离心泵效率最高点及在该点时的叶片型线几何参数.运用数值模拟和试验研究的方法验证了预测数据,结果表明:数值模拟性能曲线与试验结果大体相符;在设计工况点,经代理模型优化后的数值模拟效率值较原型泵提高了2.61%,扬程提升了0.82 m,试验效率值较原型泵提高了2.1%,扬程提升了0.75 m.     

蜗壳出口截面对液力透平性能的影响

针对国内外液力透平的研究现状以及效率较低等问题,对一单级液力透平的蜗壳收缩管进行研究,并借助于ANSYS软件得到液力透平在不同蜗壳出口截面下的性能曲线,分析不同蜗壳出口截面对液力透平性能的影响,以及流场的压力、速度分布情况,计算在不同蜗壳出口截面下液力透平蜗壳收缩管的能量损失情况.研究发现:当离心泵用作透平时,通过优化蜗壳出口截面之后所获得的液力透平效率高于直接将离心泵用作透平的效率;且随着蜗壳出口直径的增大,液力透平蜗壳收缩管中的水力损失逐渐减小.     

离心泵反转作为能量回收透平的性能预测

离心泵反转运行当做能量回收透平回收液体能量,关键是如何选择合适的工作水泵.从量纲分析的角度出发,提出水泵反转运行的性能预测数学模型.根据该数学模型,分别对比转速为32.2、46.2、63.3的3台化工离心泵进行数值模拟试验,利用所得的试验数据,计算并拟合出离心泵反转工况时的性能预测计算式,为工厂用水泵反转运行回收液体压力能提供选型依据.     

基于神经网络预测液力透平压头和效率

建立BP和GA-BP神经网络预测离心泵反转作液力透平的压头和效率.用63台离心泵作透平的参数作为训练两个网络的样本,以泵的叶轮出口直径、叶片包、出口宽度、出口安放角、叶片数和比转速作网络输入层,透平压头和效率作输出层.用6组样本外的数据测试经训练后的两个网络的预测能力,并做网络预测值与试验值的相关性和线性回归分析.结果表明,BP网络对压头和效率预测的平均误差为5.33%和0.86%,GA-BP网络对压头和效率预测的平均误差为3.56%和0.46%.GA-BP网络预测精度高,预测结果与实验值相关性强,预测所用时间为BP网络的1/3,更适合做泵反转作液力透平的性能预测.     

双吸离心泵的性能分析及优化

针对国内某厂生产的双吸泵,利用CFD软件对其内部流畅进行数值模拟,依据一元理论对叶轮的水力设计进行检查.发现影响泵效率的原因是叶轮进口较强的漩涡,在不改变原叶轮设计的基础上提出切割叶片进口边的优化方案.方案实施后,效率点比原设计向大流量方向偏移,最高效率提高了5.61%,基本达到了优化的目的.