基于环境识别记忆的离心泵多工况水力设计研究

Multi-conditions hydraulic design for centrifugal pumps has become one of the research hot spots.In order to improve performance under different run conditions, the key scientific problems on multi-conditions hydraulic design for centrifugal pumps will be researched..This project will study the internal flow characteristics of centrifugal pumps under full conditions with three dimensional PIV technology. Based on the wavelet neural network, the denoise method for three dimensional PIV images will be established. Accurate processing algorithm of particle images will be researched with the application of cross-correlation algorithm and fast Fourier transform algorithm. Calculation models of slip factor for centrifugal pumps under full conditions will be explored on the basis of analyzing the slip velocities and deviations of flow angle at the outlet of impeller. Multi-conditions energy performance calculating models of centrifugal pumps will be established based on measurement of energy losses under whole conditions. GASA-EIMS algorithm, which is suitable for solving multi-conditions energy performance calculating models of centrifugal pumps, will be developed with EIMS and GASA algorithm. The influence of environment identify factor on solution precision and convergence rate will be studied.On the basis of the above researches, multi-conditions hydraulic design method for centrifugal pumps will be proposed and verified by tests..The objective of this project is to establish a multi-conditions hydraulic design method for centrifugal pumps with environment identification memory. Research achievements will not only contribute to realize the goal of energy conservation and emission reduction, but also provide reference for multi-conditions hydraulic design for the other type of vane fluid machinery.

多工况水力设计已成为离心泵研究的热点之一。本项目拟对离心泵多工况水力设计中的关键科学问题展开研究，以提高其多个工况的运行效率。.本项目拟采用三维PIV技术研究离心泵全工况下的内部流动特征，采用小波神经网络提出三维PIV粒子图像去噪方法，并结合互相关算法和快速傅里叶变换算法研究粒子图像的精确处理算法。在分析叶轮出口处滑移速度和液流角偏移量的基础上，探索离心泵全工况滑移系数计算模型。基于泵内能量损失的全工况测量建立离心泵多工况性能计算模型。结合EIMS和GASA算法发展求解离心泵多工况性能计算模型的GASA-EIMS算法，研究环境识别因子对求解精度和收敛速度的影响。基于上述研究，提出一种离心泵多工况水力设计方法，并通过试验验证。.本项目旨在建立具有环境识别记忆的离心泵多工况水力设计方法。研究成果对促进我国节能减排目标的实现具有重要意义，同时也为其它叶片式流体机械的多工况水力设计提供借鉴。

受运行条件的限制，离心泵常在非设计工况下运行，特别是核电用泵及舰船用泵常在多个工况下运行。目前，多工况水力设计已成为离心泵研究的热点之一。本项目对离心泵多工况水力设计中的关键科学问题展开了研究，以提高其多个工况的运行效率。本项目的研究成果主要有：.（1）提出了基于小波神经网络的PIV粒子图像去噪方法，结果表明，该方法在PIV粒子图像去噪方面优于小波变换，具有较大的SNR值和PSNR值。.（2）以图像变形程度为PIV相机调整的评判标准，开发了图像校正程序来调整相机的位置。结果表明：图像校正方法将相机调整的灵敏度从1°提高到0.286°，将图像变形导致的垂直方向位移从7.73个像素降低到1.26个像素。.（3）对PIV粒子图像进行图像掩模操作，结果表明：与常规的方法相比，图像掩模操作可以有效减少流场边界附近出现的互相关计算错误的查问区数目，提高查问区计算精度。.（4）采用叶轮圆周上不同参考点在不同时刻图像中的位置定位叶轮旋转中心。研究表明：图像定位方法可以有效的预估定位误差；图像定位过程得到的定位精度较高，对相对速度重构影响较小。.（5）采用斯托道拉公式、威斯奈尔公式、斯基克钦公式计算了双叶片离心泵的滑移系数，并根据实验值对计算误差最小的威斯奈公式进行了修正，同时进行了实验验证。结果表明：修正后的滑移系数计算误差均在3.5%以内，最大误差为3.23%。.（6）基于泵内各项损失建立了离心泵多工况性能计算模型，并进行了试验验证。结果表明扬程和效率计算误差均在5%以内。同时提出了一种损失系数修正方法，并对一离心泵的各损失系数进行了修正，研究表明误差小于4%。.（7）采用环境识别记忆方法和均匀变异算子对GASA算法进行了改进，研究表明：与GASA算法相比，GASA-EIMS算法收敛速度快且精度较高。.（8）双叶片离心泵的多工况水力优化结果表明：0.8Qd、1.0Qd和1.2Qd三个工况的加权平均效率比优化前增加了1.46个百分点。PIV实验研究表明：小流量工况下，优化后的失速区和漩涡区明显小于优化前；1.0Qd、1.2Qd和1.4Qd工况下，优化后的叶轮内部流态较好，而优化前叶轮内则存在漩涡和回流。.本项目发表论文13篇，其中SCI和EI检索各4篇；申请发明专利8项，其中授权4项；登记软件著作权1项；获省部级二等奖和中国专利优秀奖各1项；培养硕士研究生3名。