عنوان پایان‌نامه
شبیه سازی عددی پمپ گریز از مرکز به منظور استخراج ضرایب لغزش در دبی های خارج ازنقطه طرح
- رشته تحصیلی
- مهندسی مکانیک تبدیل انرژی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی پردیس 2 فنی شماره ثبت: 2877;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 66820
- تاریخ دفاع
- ۲۲ دی ۱۳۹۳
- دانشجو
- محسن قادری زفره
- استاد راهنما
- سیداحمد نوربخش, امیر فرهاد نجفی
- چکیده
- امروزه، پمپ های گریز از مرکز را می توان رکن اساسی در بسیاری از کاربردهای فنی و صنعتی دانست. از این رو بهبود فرایند طراحی این تجهیزات که عمدتا بر پایه ی تجارب طراح استوار است ضروری به نظر می رسد. پیش بینی دقیق ضریب لغزش به عنوان یکی از پارامترهای تعیین کننده در تعیین عملکرد پمپ های گریز از مرکز همواره به عنوان چالشی مهم در میان طراحان مطرح بوده است. هدف اصلی از این کار پژوهشی بررسی دقیق تر ضریب لغزش و پارامترهای اثرگذار بر آن در پمپ های گریز از مرکز و همچنین ارائه ی یک راهکار جدید در بهبود دقت پیش بینی این ضریب می باشد. در این راستا، اثرات مرتبط با نرخ جریان عبوری از پمپ و مشخصات هندسی پمپ به صورت جداگانه مورد بررسی قرار گرفته اند. در بخش اول جریان عبوری از یک پمپ گریز از مرکز تست شده با بکارگیری دینامیک سیالات محاسباتی تحلیل و ضرایب لغزش در شرایط کاری مختلف پمپ استخراج شده اند. هدف اصلی در این بخش بررسی قابلیت شبیه سازی عددی در پیش بینی ضرایب لغزش پمپ به صورت تابعی از دبی است. نتایج بدست آمده در این بخش برتری مدل عددی در پیش بینی ضریب لغزش به شکل تابعی از دبی را نسبت به سایر مدل های موجود به وضوح نشان می دهد. در ادامه با تکرار روند شبیه سازی عددی برای چرخ ها با هندسه های مختلف اثر پارامترهای موثر هندسی چرخ (تعداد پره، نسبت شعاع، زاویه ی خروجی پره و نرخ پیچش پره) بر ضریب لغزش بررسی شده است. سپس، با بهره گیری از یک مدل شبکه عصبی به عنوان یک ابزار قدرتمند در تخمین تابع، نگاشتی بین پارامترهای هندسی به عنوان ورودی شبکه و ضریب لغزش به عنوان خروجی شبکه برقرار می گردد. ایده ی اصلی در مدلسازی شبکه عصبی، افزودن یک متغیر ورودی جدید (نرخ پیچش پره) به ورودی های رایج مدل های کلاسیک است. نتایج بدست آمده نشان می دهد که پیش بینی های مدل شبکه عصبی، دقت پیش بینی ضریب لغزش (در نقطه ی کار پمپ) را نسبت به سایر مدل های رایج به میزان محسوسی افزایش داده است. واژه‌های کلیدی: ضریب لغزش، پمپ گریز از مرکز، شبیه سازی عددی، شبکه های عصبی مصنوعی
- Abstract
- Slip factor is a key parameter in the hydraulic design process of centrifugal pumps. The slip factor is affected by the blade geometric parameters (i.e. blade number, blade outlet angle, radius ratio, and blade turning rate) as well as flow rate changes. This thesis first investigates the influence of flow rate for a volute-type centrifugal pump. A CFD software was used to simulate the flow through the pump by solving the 3D-RANS equations at different flow rates ranging from 45% to 120% of nominal flow rate. The numerical results were validated with the available experimental data. It was found that, unlike conventional slip models, the varying trend of slip factor with flow rate can be predicted accurately using CFD. In the next step, the effects of geometrical parameters were analyzed through the CFD simulation of more than 70 different impellers. An artificial neural network (ANN) was developed to generate a mapping between the geometrical parameters as input and the slip factor as output. The aim of neural network modeling is to improve slip factor prediction by extending classical slip models so as to include a new input variable (i.e. blade turning rate). The generalization ability of ANN model was compared with the other slip factor correlations. The obtained results showed that the ANN based model has the most accurate predictions as compared to the other slip models. In addition, the graphical representation of ANN model has been reported for prediction purposes in new applications. Keywords: Slip factor, Centrifugal pump, Numerical simulation, Artificial neural network
