不同进口截面下液力透平非定常压力脉动计算

为了研究不同进口截面对液力透平内压力脉动的影响,利用CFX软件对一单级液力透平进行非定常数值计算,通过设置监测点,计算各监测点在不同进口截面下的压力脉动,通过快速傅里叶变换将其压力脉动计算结果做相应分析,分析各监测点处压力脉动的时域和频域分布.结果表明:蜗壳内在大蜗壳进口下,随着蜗壳进口直径的增加,每个监测点处的压力逐渐增加,而在小蜗壳进口下,每个监测点处的压力逐渐减小.在距离蜗壳收缩管较远处,大蜗壳进口下的压力脉动较小,而在距离收缩管较近处,小蜗壳进口下的压力脉动较小.在叶轮内不同进口截面压力脉动的差异在同一时刻从进口到出口逐渐减小.尾水管内在小蜗壳进口下尾水管进口处的压力脉动最大.      

叶轮流速系数对泵正反转性能参数比的影响

为研究叶轮流速系数对离心泵反转作液力透平(PAT)泵工况和透平工况水力性能参数比的影响，采用renormalization group(RNG) k-ε湍流模型，通过计算流体动力学软件CFX计算了比转速为23~225的20个PAT叶轮单流道模型的流速系数，揭示了泵工况和透平工况流速系数的分布规律，建立了考虑流速系数的PAT泵工况与透平工况扬程比和流量比。结果表明:PAT透平工况叶轮流速系数大于泵工况。通过对不同比转速的6台工业PAT的外特性实验表明:与Stepanoff等提出的方法相比，考虑流速系数时PAT水力性能参数比与实验结果最为接近，其扬程比平均误差为5.38%，流量比平均误差为5.16%。该成果为PAT的选型设计和性能预测提供理论支撑。      

不同导叶数下液力透平蜗壳内压力脉动计算

当离心泵作液力透平运行时其内存在振动现象,为了使液力透平能够稳定运行,在液力透平蜗壳出口设计不同数量的导叶,然后在不同导叶数下利用Pro/e软件建立几何模型,并利用ANSYS-CFD软件通过在蜗壳内沿周向和径向设置监测点,计算在不同导叶数下液力透平蜗壳内的压力脉动幅值,之后通过快速傅里叶变换将压力脉动的计算结果进行数据处理,分析不同导叶数下液力透平蜗壳内的压力脉动频域分布和液力透平机组内的振动情况.研究结果表明:当导叶数等于9时,蜗壳内周向和径向各监测点处的压力脉动主频幅值最小;蜗壳内径向各监测点处的压力脉动主频幅值和最大脉动幅值随着流量的增加而增大,但随着导叶数的增加其增大程度逐渐减小;当液力透平蜗壳出口添加导叶数为9的导叶时有效降低了液力透平机组内的振动和噪声,提高了液力透平机组运行时的稳定性.      

基于高维机器学习方法的离心泵扭曲叶片优化

提出将高维表示方法与机器学习中的支持向量机方法结合对离心泵扭曲叶片优化.选用1台中比转速离心泵为研究对象,通过对扭曲叶片3条叶片型线的参数化,分离控制变量并确定代理模型的训练空间.经过对离心泵扭曲叶片水力模型的算法学习,得到以叶片型线参数为自变量,效率为目标函数的离心泵代理模型,运用遗传算法求解并反馈叶片型线参数.采用...     

基于神经网络-遗传算法的液力透平叶片型线优化

提出了一种叶片型线的多工况优化设计方法,该方法包括叶片型线参数化、优化的拉丁超立方试验设计、CFD技术、GA-BP(genetic algorithm-back propagation)神经网络与遗传算法.具体采用三次非均匀B样条曲线参数化叶片型线,优化的拉丁超立方试验设计方法在设计空间内获取训练GA-BP神经网络的样本点,各个样本点性能分析由CFD技术完成,随后开展GA-BP神经网络的学习训练,最后采用GA-BP神经网络和遗传算法相结合的优化技术求解液力透平叶片型线的多工况优化问题.基于上述优化方法对一液力透平进行了叶片型线的优化改进,结果表明,在保证扬程不小于相应初始扬程的约束条件下,优化后的液力透平效率在3个指定工况下分别提高了3.91%,3.59%和3.09%, 证明采用此方法优化叶片型线具有一定的可行性.      

含气率对液力透平影响的非定常分析

为了研究含气率对液力透平内部压力的影响，以比转速为84.5的单级单吸离心泵反转作液力透平并对其内部流场进行CFD瞬态数值模拟，获得了气体在液力透平内的分布规律以及气液两相介质下透平内部流场的压力脉动变化规律。结果表明:从蜗壳进口到叶轮出口,含气率逐渐增加，含气率等于0.2时蜗壳出口、叶轮进口气体的尾迹效应明显，分布不够均匀。叶轮出口有气体聚集现象，气体体积分数越高，聚集现象越明显。进口含气率对透平蜗壳、叶轮内各点的相对压力分布影响明显，各点的相对压力随着透平进口含气率增加而降低。含气率小于0.05时其对透平内各监测点的压力脉动主频幅值影响不大，含气率大于0.05后其对液力透平内各监测点的压力脉动主频幅值有影响，含气率越高，压力脉动主频幅值越小。不同含气率下液力透平蜗壳周向、径向以及叶轮内的压力脉动主频均等于叶轮叶片的转动频率。