优化技术在水泵水力设计的应用

CFD技术在泵的内流数值模拟、研究泵内部流动规律和结构方面已广泛应用，取得了很多成果。但是初步设计的产品如果通过CFD仿真得到的性能曲线不能满足使用要求，往往需要不断地修改流道形状、进出口角度、几何参数等，再通过仿真计算获得结果。每改变一个参数都要重新在CFD中计算，如此往复，直到产品的性能能够满足设计要求，这样设计者会花费很大的精力在上面。

基于叶轮机械设计-仿真-优化的一体化思路，在ANSYS Workbench平台上可实现叶轮机械参数化设计、数值分析和优化设计的所有功能，其中一款专业分析软件——OptiSLang是一款多学科优化、随机分析、稳健与可靠性优化设计软件，在真正意义上地进行叶轮机械的快速优化，帮助工程师更高效便捷地进行产品研发设计。

下面对ANSYS软件水泵水力设计及优化流程做个详细讲解。

ANSYS水泵水力设计流程

1、传统一维设计流程

传统的离心泵叶片设计是基于一元设计理论设计方法，通过给定外特性参数以及介质属性，利用相似换算或者速度系数的理论方法，确定叶轮的主要尺寸b2、D2、β2等参数，做几次的经验值修正，然后对叶片进行绘制，叶片绘型方法为方格网保角变换法。

方格网保角变换法的缺陷:

该方法一元设计理论流动是轴对称的，即每个轴面上的流动均相同。在同一个过水断面上轴面速度均匀分布，这种方法的缺陷是：

• 叶片前方来流速度计算不准确，造成冲角过大或者过小

• 不能调整每个过流断面的角度

• 无法计算叶轮前后盖板影响到叶轮流道内部相对流速

• 无法计算流道间的速度分布

• 无法确定哪种叶片设计方案是优的

2、ANSYS水泵设计流程

在Workbench下，对于旋转机械设计有着一整套的流程：

一维设计

首先将流量、扬程、转速、进出口角度等参数，输入Workbench平台下Vista——CPD离心泵一维设计软件中，得到初始的叶片子午流道形状和叶片外径D2，出口宽度b2，效率等参数。

三维设计

BladeGen：在Vista cpd下面右键create new创建一个新的BladeGen文件，进入到三维设计的模块。

BladeGen是基于S1和S2两流面理论，在这里可以对轴面流道进行调整，对不同span下的角度分布和厚度进行调整，得到一个比较好的流动状态下的叶片形状。

Vista TF：是二维通流截面分析，通过快速的二维无粘计算，得到一个速度分布较均匀的轴面流道。

BladeEditor 参数化设计：BladeEditor是嵌入在DesignModeler中的模块，在Workbench平台下新建Geometry中启动,对几何模型进行参数化设置，可以看到在Blade _Camberline1的属性中，所有参数化的点前面方框里都出现了D。点击parameter set，可以看到设置了16个参数。

TurboGrid网格划分

TurboGrid是一款专门针对叶轮机械的高度自动化六面体网格划分工具，可以生成高质量的边界层网格，其中ATM自动划分方法，提高了计算效率，非常方便。

Workbench窗口中，拖拽TurboGrid组件连接到Geometry中，或鼠标右键点击Geometry选择Transfer Data To New TurboGrid。设置后检查网格质量，再进行必要的调整，得到高质量的网格。

三维CFD分析

在二维分析的基础上，通过CFX软件进行叶轮流道的CFD分析，将内部流动“可视化”，通过数值仿真的“虚拟试验”，CFD可以较准确地预测所设计出的产品的全工况压力、功率、效率等特性。

在Workbench窗口中，新建一个CFX组件，把TurboGrid文件拖拽连接到CFX的Setup节点，然后双击setup，进入cfx_pre中进行Domain、Boundary和interface等设置，编辑expressions，设定output control中monitor1、2、3分别为H、M、efficiency。求解一组参数后使其收敛。

然后进入到post中在Expression菜单中找到H（扬程）和efficiency（效率），点击鼠标右键选择Use as Workbench Output Parameter，定义为输出参数。

ANSYS水泵优化流程

基于后处理结果对水力设计进行优化、迭代，以满足客户使用要求。最终得到满足要求的高性能叶轮水力。

1、OptiSLang敏感性分析

(1) 在Workbench的Toolbox中，双击OptiSLang下的Sensitivity。

(2) 进入参数化设计，在DOE里选择拉丁超立方抽样，样本点先取100个（后续根据情况可继续加点）。

(3) 100个样本点计算完成后，可以看到feasible下有绿色true和红色false出现，提示信息显示部分样本点未能完成计算。

(4) 在Workbench中， 可使用HPC快速计算，根据资源配置，可选择同时计算多个点，以节省计算时间。

接下来为每个响应变量建立高质量响应面即MOP-最优预测元模型

(5) 在参数分析阶段建立MOP后，后续优化、稳健性可靠性分析均可将MOP作为求解器来进行，而不再需要借助于CAE求解器，因此可以极大地提高分析效率。

(6) 从预测系数CoP，从中找到敏感性大的参数：对扬程H和效率efficiency敏感性大的设计变量。

2、OptiSLang优化分析

(1) 在弹出的Optimization NLPQL窗口中，保留敏感性大的几个参数，其余的被过滤掉。

(2) 然后点击Import criteria，进行单目标优化，构造目标函数和约束函数，设置H≥35，设置efficiency为MAX。

(3) 鼠标右键点击Optimization中的NLPQL，开始验证对比最佳设计点，在response values中可以看到最优MOP和calculation结果对比。

最终进行初始设计和优化设计的几何对比

(4)双击打开parameter set，在table of design points中找到要优化的点，右击set as current，然后更新geometry、turbogrid及cfx。

通过对比可以看出来：扬程有所提高，效率由95.5%提高到98.8%。

作者：谢文丽 上海安世亚太