离心泵水力性能优化平台方案

优化平台概述

旧方案：CFturbo + PumpLinx

             Y =f ( X )，

             其中X是参数的组合。

缺点：

1. 重复性工作；

2. 之前的计算数据无法使用。

新方案：CFturbo + PumpLinx + ISIGHT

优点：

1. 对已有的计算结果进行分析，获取新的设计参数；

2. 具备软件驱动功能，可重复计算。

离心泵设计

初始条件：

• 流量：200m³/h；

• 扬程：45m；

• 转速：2500RPM

• 介质：20℃清水

CFturbo设计步骤：

• 离心/混流/轴流泵叶轮设计

• 蜗壳设计

CFD计算

网格

★ 结果

性能优化

★ 优化目标：提高额定工况下离心泵效率;

★ 约束：扬程>=45m.

★ 参数：

1. 主要外形尺寸：

• 吸入口直径

• 叶轮直径

• 叶轮出口宽度

2. 子午面形状：

• 前盖板型线

• 后盖板型线

3. 叶轮外形：

• 叶轮前缘位置

• 叶轮包角

• 叶轮出口角

优化流程

1. CFturbo：建模，模型参数化；

2. PumpLinx：仿真，获得结果数据；

3. Isight：对结果数据进行分析。

Isight中优化流程图

优化算法

优化策略：全局寻优+局部寻优

• 遗传算法（GA, Genetic Algorithm）是Holland在60年代提出的，主要借助生物进化过程中“适者生存”的规律，模仿生物进化过程中的遗传繁殖机制，对优化问题解空间的个体进行编码（二进制或其他进制），然后对编码后的个体种群进行遗传操作（如：选择、交叉、变异等），通过迭代从新种群中寻找含有最优解或较优解的组合

• 序列二次规划算法的基本思想是在初始点处将非线性规划问题的目标函数和约束条件展开为泰勒级数，其中目标函数展开为泰勒级数时取至二次项，而约束条件函数展开为泰勒级数时取至一次项，略去其余的高此项，这样就把一个非线性规划问题转化为一个二次规划问题。

优化结果

1. 在满足扬程的约束下，经过323次迭代，额定点效率提高到85.21%，提高了1.56%；

2. 离心泵的扬程和效率曲线都在原来基础上有所提高，各工况点，扬程提高了5m以上，效率提高在2%左右。

优化前后对比

总结与展望

1. 本文搭建了离心泵性能优化平台，平台包含了三维造型软件CFturbo、三维仿真软件PumpLinx和优化软件Isight；

2. 本文利用优化平台以离心泵效率最优为优化目标进行研究，采用遗传算法和二次规划法的组合优化策略，经过323次迭代，花费4.5天时间，将离心泵效率由83.65%提高到了85.21%。

3. 除了本文的优化目标以外，该平台还可以实现众多优化方案，比如以离心泵性能曲线平坦为优化目标。