.png){kind=icon}
返回
Enhancing pump performance via multi-objective optimization using CFD and NSGA-II algorithm
.png){kind=icon}
PRE
AI
DOI：10.1108/EC-06-2025-0604.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
目的本文旨在通过应用集成多目标优化（MOO）方法，提高离心泵的扬程性能和水力效率。对叶轮设计参数的优化旨在提高运行效率并增加泵在流量变化下的运行范围。
设计/方法/途径建议的方法结合了计算流体动力学（CFD）模拟、代理建模和非支配排序遗传算法II（NSGA-II）。系统地改变了三个几何参数（出口宽度、叶片出口角和包角）。为了准确预测泵性能，开发了径向基函数（RBF）网络和线性回归代理模型。随后，利用NSGA-II进行MOO，以提升扬程和水力效率。实施了两种优化策略：一种聚焦于最佳效率点，另一种针对不同流量范围。
发现第一种优化方法在BEP处使扬程提高了4.39%，水力效率提高了5.94%。第二种优化过程使扬程性能提升了6.42%，效率提升了7.63%，并产生了一条更陡的H-Q曲线，适用于需要高流量控制灵敏度的应用。叶轮出口宽度是主要控制因素，而叶片出口角在测试范围内影响较小。
原创性/价值通过结合仿真与高效的代理建模技术，构建了计算效率高的框架，在保持精度的同时减少了优化时间。强调了叶轮出口宽度对泵性能的显著影响，并引入了多目标优化策略以提升运行灵活性，为设计更优涡轮机械提供了重要见解和指导。
Keyword:
Centrifugal pump optimization
Computational fluid dynamics (CFD)
Multi-objective optimization (MOO)
NSGA-II algorithm
Radial basis function (RBF) network
期刊
E
IF:
1.9
论文数:
214
被引数:
3.1K
机构
引用论文
Two-equation eddy-viscosity turbulence models for engineering applications工程应用的双方程涡黏湍流模型.png)
AIAA Journal
AIAA JournalIF0
PREAI
分享收藏A Novel Energy Performance Prediction Approach towards Parametric Modeling of a Centrifugal Pump in the Design ProcessWATER
OAAI
WATERIF3
OAAI分享收藏Artificial Neural Networks Approach for a Multi-Objective Cavitation Optimization Design in a Double-Suction Centrifugal PumpProcesses
OAAI
ProcessesIF0
OAAI分享收藏Numerical investigation on cavitating flow and cavitation-sand erosion characteristics of a centrifugal pump under sand-laden water conditions沙粒 laden 条件下离心泵内空化流及空化-砂粒侵蚀特性的数值研究
PREAI
分享收藏Structural optimization of a centrifugal impeller using differential evolution in CATIA™ environment在CATIA™环境下使用差分进化算法对离心叶轮进行结构优化
PREAI
分享收藏
查看更多内容