عنوان پایان‌نامه
طراحی فن سانتریفوز پیشرو
- رشته تحصیلی
- مهندسی مکانیک تبدیل انرژی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 40192;کتابخانه پردیس 2 فنی شماره ثبت: 1484
- تاریخ دفاع
- ۱۰ اسفند ۱۳۸۷
- دانشجو
- محمدعلی حق نگهدار
- استاد راهنما
- سیداحمد نوربخش
- چکیده
- در این پایان‌نامه، با استفاده از نرم‌افزار نومِکا ، چگونگی میدان جریان سیال (هوا) در دمنده لانه سنجابی که در زمره فن‌های سانتریفوژ با پره‌های رو به جلو به حساب می‌آیند، بررسی شده و سپس با در نظر گرفتن عامل راندمان، به بهینه‌سازی شکل پره‌ها پرداخته شده است. بنابراین می‌توان گفت که روند کلی به دو قسمت تقسیم می‌شود: اول طراحی و حل میدان محاسباتی، و دوم بهینه‌سازی شکل پره‌ها. برای نیل به اهداف فوق، ابتدا با استفاده از روابط و معادلات موجود به طراحی اولیه (دستی) مبادرت ورزیده و پارامترهای لازم جهت شبیه‌سازی تعیین می‌شوند. سپس، به شبیه‌سازی دمنده در محیط IGG پرداخته و با داشتن مکان هندسی نقاط متناظر با هاب و شرود و پره، دامنه محاسباتی مربوطه در بخش Auto grid شبکه‌بندی می‌گردد. در مرحله بعد به حل محدوده محاسباتی در محیط Fine/Turbo پرداخته شده و نتایج به دست آمده به صورت نمودار و اشکال مختلف نمایش داده می‌شوند. در بخش دوم، ابتدا به پارامتری کردن هندسه مربوطه پرداخته و فرآیند انطباق صورت می‌گیرد. پس از آن با ایجاد پایگاه داده‌ها ، بهینه‌سازی شروع شده و با معیار قرار دادنِ ماکزیمم راندمان، شکل بهینه پره به دست خواهد آمد. نتیجه نهایی حاکی از آن است که راندمان چرخِ با پره‌های بهینه شده در قیاس با حالت اولیه، به میزان حدوداً 5% افزایش یافته است.
- Abstract
- This thesis aims to investigate the flow field inside a Forward-Curved Centrifugal Fan (called Squirrel-cage fan) and optimize the blade profile to improve hydraulic efficiency using NUMECA software. Therefore, a geometry of a forward-curved blade was designed first and then it was geometrically modeled, meshed and solved respectively in IGG, Auto grid and Fine/Turbo environment. In the second phase, the primary geometry namely hub, shroud and blade were parameterized and fitted. After that, a database was generated with definite variation of some important variables which is effective on performance of a fan such as entry and exit angles of blade (?¬1, ?2). Finally the database outputs were used to optimize the blade profile using Artificial Neural Networks (ANN) and Genetic Algorithm (GA) for maximum efficiency regarding constant total pressure rise constraint. The resulting blade profile improved hydraulic efficiency by roughly 5%.
