离心泵被广泛用于泵取低粘度的流体,如水,石油和许多工业化学品。离心泵由一个中央进口和一个旋转叶轮组成,该叶轮加速流体,并使流体通过泵外缘的出口。离心泵通常还包括扩散器：泵内的固定叶片,使流体变慢,增加压力,同时增加流动的均匀性。这些扩散器的精确几何形状影响了泵的性能和效率。
离心泵设计的挑战
离心泵广泛应用于工业领域,如油泵、水和污水处理以及工业化工设施。它们机械简单,能够有效地移动低粘度流体。然而,必须保持流的均匀性以保持负载恒定.不均匀的流量会迫使泵脱离其最佳工作范围,增加轴上的噪音和疲劳。
由于这个原因,扩散器经常在泵内使用。它们采取定子的形式,定子的弯曲叶片在叶轮周围排列在相反的方向。漫射器必须能够调整和减缓流体流动,同时最大限度地减小由流与漫射器叶片相互作用引起的流分离等湍流流效应。泵的性能在很大程度上取决于扩散器、叶轮和壳体的设计,以及叶轮与扩散器之间的相互作用。
离心泵三维模型的主要部分突出。流体从进口进入,由叶轮通过扩散器推动进入出口。 为建模和模拟社区开发了一个开源泵模型,以创建最佳实践并改进方法。由于实验和仿真都验证了这一点,这是一个很好的测试案例来证明机器学习的好处。
离心泵扩散器优化
该优化研究的重点是扩散器几何。这里有四个不同的参数：叶片厚度、弦长度、进口角和出口角。这些因素之间复杂的相互依赖关系意味着在优化时需要同时考虑所有因素。模拟是使用CFD工具在3D经验平台。
左上角：前缘角度可以确定流动方向变化的清晰度
左下角： 跟踪边缘角可以确定流动方向的变化程度
右上方： 叶片的厚度可以定义流的收缩或膨胀。
右下角：叶片的和弦或弯曲长度在流分离中起着重要作用。
模拟所有这些参数与全部计算流体动力学(CFD)的可能组合将会耗费大量时间。二维模拟有时被用来减少计算需求,但结果很差。相反,我们转向了机器学习。一个代理AI模型可以在一个完整的CFD模拟结果的样本上进行训练,以复制不同参数的泵内的流动行为。然后,根据进一步的模拟和物理测试,验证了所得出的模型,并表明该模型与完整的模拟数据和所测量的数据非常吻合。
经过培训的AI模型能够在2%的CFD数据范围内,在几分钟内,为指定范围内的任何参数组合提供结果。这使工程师能够快速反馈设计变更的影响,使他们能够考虑大量的场景来加速设计决策。利用这种机器学习模型提供设计探索动力,工程师可以很快找到最能满足其设计要求的权衡。
结论
提高离心泵的性能可以提高效率,同时减少噪音,延长疲劳寿命。CFD模拟揭示了设计变化对泵性能的影响,并利用机器学习训练生成人工智能体验模型。该模型可以快速预测不同参数组合的性能,指导工程师快速找到满足其需求的最佳泵设计。结合CFD模拟和机器学习,工程师可以更快地开发产品,并获得快速、可靠的反馈,说明设计变化对性能的影响。
