基于遺傳算法的風(fēng)扇蝸殼結(jié)構(gòu)優(yōu)化研究

駱清國,尹洪濤,劉紅彬,司小雨,許晉豪

(裝甲兵工程學(xué)院機(jī)械工程系,北京 100072)

?

基于遺傳算法的風(fēng)扇蝸殼結(jié)構(gòu)優(yōu)化研究

駱清國,尹洪濤,劉紅彬,司小雨,許晉豪

(裝甲兵工程學(xué)院機(jī)械工程系,北京 100072)

建立了履帶車輛冷卻風(fēng)道三維模型與風(fēng)扇蝸殼CFD分析模型.以空氣流動(dòng)阻力最小為目標(biāo),蝸殼幾何尺寸為約束條件,提出了計(jì)算流體力學(xué)與遺傳算法相結(jié)合的蝸殼結(jié)構(gòu)優(yōu)化方法.將優(yōu)化后得到的三維模型與初始模型進(jìn)行CFD對(duì)比,優(yōu)化后的蝸殼空氣流動(dòng)阻力比優(yōu)化前減小了9.73%,總空氣質(zhì)量流量增大了2.51%.

計(jì)算流體力學(xué); 遺傳算法;結(jié)構(gòu)優(yōu)化; 風(fēng)扇蝸殼

風(fēng)扇蝸殼是履帶車輛冷卻風(fēng)道中的重要組成部分,其結(jié)構(gòu)主要受車輛動(dòng)力傳動(dòng)裝置總體布局的約束限制,但是其氣動(dòng)性能又直接影響著車輛冷卻系統(tǒng)的總體性能.在滿足各熱部件冷卻需求的同時(shí)減少功耗,應(yīng)盡量減小冷卻空氣在流動(dòng)過程中特別是在流經(jīng)風(fēng)扇蝸殼時(shí)的阻力[1].文章以某型風(fēng)扇蝸殼為研究對(duì)象,根據(jù)安裝約束條件,基于計(jì)算流體動(dòng)力學(xué)技術(shù)對(duì)其進(jìn)行了結(jié)構(gòu)優(yōu)化.

以獨(dú)立式冷卻風(fēng)道為研究對(duì)象,在水散熱器正下方左右對(duì)稱橫置兩個(gè)離心式冷卻風(fēng)扇,每個(gè)風(fēng)扇都有自己獨(dú)立的蝸殼,使得各自的風(fēng)道也相互獨(dú)立.蝸殼分為進(jìn)氣段和排氣段,進(jìn)氣段蝸殼將散熱器與風(fēng)扇相連接,保證流經(jīng)散熱器后的冷卻空氣全部通過風(fēng)扇經(jīng)過排氣蝸殼段排出.根據(jù)蝸殼的布置結(jié)構(gòu)可知,蝸殼進(jìn)氣段結(jié)構(gòu)比較緊湊,而且風(fēng)扇的安裝位置也受到空間總體布局的局限,只有排氣段蝸殼空間較為寬松,因此優(yōu)化針對(duì)排氣段蝸殼進(jìn)行,保持進(jìn)氣段蝸殼和風(fēng)扇的安裝位置不變.同時(shí)兩側(cè)蝸殼呈左右對(duì)稱狀布置且結(jié)構(gòu)相同,所以優(yōu)化只針對(duì)一側(cè)蝸殼進(jìn)行即可,本文以左側(cè)蝸殼為例進(jìn)行優(yōu)化.通過Pro/E軟件建立蝸殼結(jié)構(gòu)，如圖1所示.

圖1 蝸殼結(jié)構(gòu)Fig.1 Structure of the volute

1 CFD分析模型

優(yōu)化過程中需要反復(fù)調(diào)用CFD分析模型,為簡(jiǎn)化模型以提高計(jì)算效率,分析區(qū)域只選取蝸殼內(nèi)的空氣流動(dòng)區(qū)域,僅在入口處做適當(dāng)延長.CFD分析區(qū)域的選取及主要邊界設(shè)置如圖2所示.

圖2 CFD分析區(qū)域及邊界設(shè)置Fig.2 CFD analysis domain and boundary setting

CFD分析區(qū)域的離散采用非結(jié)構(gòu)網(wǎng)格形式,并進(jìn)行網(wǎng)格無關(guān)性的驗(yàn)證,如圖3所示.為加快優(yōu)化時(shí)CFD分析速度,優(yōu)化時(shí)采用粗網(wǎng)格進(jìn)行CFD分析,優(yōu)化完畢后,再通過加密網(wǎng)格得到網(wǎng)格無關(guān)解.最終確定粗網(wǎng)格間距取30mm,細(xì)網(wǎng)格間距取20mm.在兩種網(wǎng)格間距下,原型蝸殼的網(wǎng)格數(shù)分別為66 122和135 449.

圖3 網(wǎng)格無關(guān)性驗(yàn)證Fig.3 Grid independence verification

CFD分析采用三維直角坐標(biāo)求解,并做如下假設(shè):

(1) 蝸殼內(nèi)的空氣流動(dòng)不隨時(shí)間的變化而變化,空氣流動(dòng)為定常流動(dòng);

(2) 蝸殼內(nèi)的氣體為黏性可壓縮氣體,認(rèn)為空氣的物性參數(shù)隨溫度和壓力的變化而變化;

(3) 空氣流動(dòng)是強(qiáng)制對(duì)流且湍流充分發(fā)展;

(4) 忽略因重力引起的空氣對(duì)流.

以空氣流動(dòng)的質(zhì)量守恒方程、動(dòng)量守恒方程、能量守恒方程、理想氣體狀態(tài)方程以及描述湍流流動(dòng)的標(biāo)準(zhǔn)k-ε湍流雙方程為基礎(chǔ),建立蝸殼內(nèi)空氣流動(dòng)的數(shù)學(xué)模型.采用壁面函數(shù)法處理壁面區(qū)域流動(dòng)情況,采用基于壓力耦合式算法進(jìn)行求解,控制方程的離散格式均采用二階迎風(fēng)格式.

2 優(yōu)化目標(biāo)函數(shù)與設(shè)計(jì)變量

2.1 目標(biāo)函數(shù)

蝸殼的優(yōu)化目標(biāo)即在同樣的風(fēng)扇轉(zhuǎn)速下,盡可能獲得最小的空氣流動(dòng)阻力.因此優(yōu)化目標(biāo)函數(shù)表示形式如下:

(1)

式中:f(X)為目標(biāo)函數(shù);ΔP為流動(dòng)阻力.

2.2 設(shè)計(jì)變量

由于蝸殼出口斜切面的開設(shè)程度[1]和側(cè)面出口的開設(shè)情況均對(duì)蝸殼的空氣流動(dòng)阻力影響較大,因此基于以上因素選取相關(guān)設(shè)計(jì)變量.蝸殼出口斜切面的開設(shè)程度主要受開口高度以及出口段長度的影響.由于蝸殼高度h0是保持不變的,所以斜切面高度h的大小即決定了開口總高度的大小.此外L1與L2的共同作用即決定了斜切面出口段的長度.對(duì)于側(cè)面出口主要研究其開口面積與開口位置的影響.由于A點(diǎn)坐標(biāo)固定,決定其開口位置的即為頂點(diǎn)S的坐標(biāo),因此x,y的變化即會(huì)引起側(cè)面出口的位置變化.顯然,開口面積由長度a和寬度b來決定.圖4為蝸殼結(jié)構(gòu)標(biāo)注.

綜上所述,風(fēng)扇蝸殼結(jié)構(gòu)優(yōu)化的設(shè)計(jì)變量選取h,L1,L2,x,y,a，b7個(gè)參數(shù).表述為標(biāo)準(zhǔn)形式如下:

(2)

圖4 蝸殼結(jié)構(gòu)參數(shù)Fig.4 parameters of volute structure

3.3 約束條件

h的上限主要受到冷卻風(fēng)道側(cè)壁高度的影響,最大可為h0,最小可為0,即認(rèn)為沒有斜切面.即:

(2)

(3)

a,b,x,y之間相互影響,即:

(4)

(5)

3 優(yōu)化算法與優(yōu)化實(shí)現(xiàn)

遺傳算法的基本流程如圖5所示[4]:

圖5 遺傳算法基本步驟Fig.5 Basic steps of GA

利用iSIGHT軟件可以實(shí)現(xiàn)和各種仿真軟件以及自編程序的集成功能[5],提供了幾乎可以涵蓋各大學(xué)科專業(yè)仿真軟件的集成功能.風(fēng)扇蝸殼空氣流動(dòng)的CFD分析模型確定之后,當(dāng)蝸殼形狀結(jié)構(gòu)發(fā)生改變時(shí),通過iSIGHT軟件接口連接Pro/E與Ansys實(shí)現(xiàn)從新模型生成到網(wǎng)格劃分再到CFD分析求解整個(gè)過程的自動(dòng)化.圖6為自動(dòng)尋優(yōu)過程.優(yōu)化過程就是針對(duì)建立好的優(yōu)化數(shù)學(xué)模型,根據(jù)已確定的優(yōu)化算法和約束條件去改變?cè)O(shè)計(jì)變量,并將改變后的設(shè)計(jì)變量依據(jù)目標(biāo)函數(shù)的計(jì)算法則獲得更優(yōu)的目標(biāo)函數(shù)值,如此反復(fù),直到達(dá)到某種收斂標(biāo)準(zhǔn),獲得目標(biāo)函數(shù)的優(yōu)化結(jié)果.

4 優(yōu)化結(jié)果與CFD驗(yàn)證

4.1 優(yōu)化結(jié)果

優(yōu)化時(shí),保持風(fēng)扇轉(zhuǎn)速相同,即在風(fēng)扇邊界處施加同樣的風(fēng)扇性能曲線.采用多島遺傳算法優(yōu)化時(shí),各個(gè)運(yùn)行參數(shù)根據(jù)優(yōu)化軟件提供的參考指南以及文獻(xiàn)[6]中給出的取值范圍通過多次調(diào)整試算來確定,優(yōu)化目標(biāo)函數(shù)的過程曲線如圖7所示.

圖6 優(yōu)化步驟Fig.6 optimization steps

圖7 優(yōu)化過程Fig.7 Optimization process

優(yōu)化前后各參數(shù)的對(duì)比情況見表1.優(yōu)化過程中,由于保持風(fēng)扇邊界處設(shè)置的風(fēng)扇性能曲線不變,因此,蝸殼空氣流動(dòng)阻力的減小會(huì)使得流過蝸殼的空氣質(zhì)量總流量的增大.根據(jù)優(yōu)化結(jié)果可知,在同樣的風(fēng)扇轉(zhuǎn)速下,優(yōu)化后的蝸殼空氣流動(dòng)阻力比優(yōu)化前減小了9.73%,總空氣質(zhì)量流量增大了2.51%.

表1 變量的取值區(qū)間及優(yōu)化結(jié)果

4.2 CFD驗(yàn)證

優(yōu)化完成后,將原始模型與優(yōu)化后的模型分別進(jìn)行CFD分析,圖8為優(yōu)化前后蝸殼排氣段內(nèi)氣流等壓面分布的對(duì)比.由圖可知,蝸殼排氣段內(nèi)流場(chǎng)的壓力以越靠近蝸殼深處越高,同時(shí),在側(cè)面出口處局部壓力也較高.優(yōu)化后,風(fēng)扇區(qū)域靠近蝸殼內(nèi)側(cè)區(qū)域處的壓力較優(yōu)化前有所降低.

圖8 優(yōu)化前后蝸殼排氣段氣流等壓面分布Fig.8 Isobaric surface at exhaust segment before and after optimization

圖9為優(yōu)化前后風(fēng)扇蝸殼排氣段沿縱向中心橫截面處的壓力云圖.圖10為優(yōu)化前后蝸殼排氣段沿橫向中心縱截面處的壓力云圖.由兩幅圖可以看出,優(yōu)化后蝸殼深處區(qū)域的高壓部分明顯減少.圖11為優(yōu)化前后風(fēng)扇蝸殼內(nèi)空氣流動(dòng)跡線的對(duì)比圖.

圖9 優(yōu)化前后蝸殼中心橫截面處壓力云圖Fig.9 Pressure at the center cross section of the volute before and after optimization

圖10 優(yōu)化前后蝸殼中心縱截面處壓力云圖Fig.10 Pressure at the center profile section of the volute before and after optimization

通過優(yōu)化前后的結(jié)果對(duì)比可得到以下結(jié)論:

(1) 優(yōu)化后的側(cè)面出口的右邊緣基本靠近到約束條件中的臨界線位置,下邊緣基本靠近到蝸殼的最底部邊界,這說明側(cè)開口面向風(fēng)扇中心軸方向以及蝸殼的底部方向移動(dòng)能夠降低空氣流動(dòng)阻力.

圖11 優(yōu)化前后蝸殼內(nèi)空氣流動(dòng)跡線Fig.11 the flowing trace of air in the volute before and after optimization

(2) 優(yōu)化后的側(cè)面出口面積比優(yōu)化前減少了8.82%,因此,通過調(diào)整側(cè)面出口的位置,適當(dāng)減小側(cè)面出口面積同樣能夠降低蝸殼的空氣流動(dòng)阻力.

(3)L1與L2之和為整個(gè)斜切面的開口長度,從優(yōu)化結(jié)果來看,L1與L2之和基本達(dá)到了約束條件的上限值,這說明風(fēng)扇蝸殼出口處開設(shè)斜切面能夠有效降低蝸殼的空氣流動(dòng)阻力.當(dāng)L1與L2之和不變的情況下,L1的長度并非越大越好,若不考慮傳動(dòng)裝置的約束,通過進(jìn)一步CFD分析可知,當(dāng)L1為210 mm時(shí),蝸殼的空氣流動(dòng)阻力最小.由于受傳動(dòng)裝置的約束,優(yōu)化結(jié)果為125 mm.

6 結(jié)論

應(yīng)用計(jì)算流體力學(xué)與遺傳算法相結(jié)合的方法,對(duì)履帶車輛動(dòng)力艙冷卻風(fēng)道的風(fēng)扇蝸殼進(jìn)行了結(jié)構(gòu)優(yōu)化.優(yōu)化結(jié)果說明:(1)通過采取側(cè)開口面向風(fēng)扇中心軸方向以及蝸殼的底部方向移動(dòng)的措施,能夠在適當(dāng)減小側(cè)面出口面積的同時(shí)降低空氣流動(dòng)阻力;(2)在風(fēng)扇蝸殼出口處開設(shè)斜切面能夠有效降低蝸殼的空氣流動(dòng)阻力.

[1] 畢小平,呂良棟,索文超.風(fēng)扇蝸殼排氣段結(jié)構(gòu)優(yōu)化研究[J].裝甲兵工程學(xué)院學(xué)報(bào),2010(4):25-28.

BI Xiaoping,LV Liangdong,SUO Wenchao.Study on structure optimization for volute based on CFD[J].Journal of Academy of Armored Force Engineering,2010(4):25-28.

[2] 郭峰,周麗,劉建峰.進(jìn)排氣蝸殼結(jié)構(gòu)對(duì)履帶車輛冷卻系統(tǒng)風(fēng)量的影響研究[J].車輛與動(dòng)力技術(shù),2008(3):35-39

GUO Feng,ZHOU Li,LIU Jianfeng.Research about the influence on air flux of cooling system by the structure of volutes in tracked vehicle[J].Vehicle & Power Technology,2008(3):35-39.

[3] 李金忠,夏潔武,曾小薈,等.多目標(biāo)模擬退火算法及其應(yīng)用研究進(jìn)展[J].計(jì)算機(jī)工程與科學(xué),2013(8):77-88.

LI Jinzhong,XIA Jiewu,ZENG Xiaohui,et al.Survey of multi-objective simulated annealing algorithm and its applications[J].Computer Engineering & Science,2013(8):77-88.

[4] 文乾,楚武利.離心風(fēng)機(jī)蝸殼的優(yōu)化設(shè)計(jì)[J].艦船科學(xué)技術(shù),2014(2):86-89.

WEN Qian,CHU Wuli.Optimization of the volute design in a centrifugal fan[J].Ship Science and Technology,2014(2):86-89.

[5] 周明,孫樹棟.遺傳算法原理及應(yīng)用[M].北京:國防工業(yè)出版社,1999.

ZHOU Ming,SUN Shudong.Genetic algorithms:theory and application[M].Beingjing:National Defense Industry Press,1999.

[6] 李金從,鄧家禔.多學(xué)科優(yōu)化集成設(shè)計(jì)框架[J].現(xiàn)代制造工程,2003(3):77-79.

LI Jincong,Deng Jiati.Multidisciplinary optimization integrated design frame[J].Machinery Manufacturing Engineer.2003(3):77-79.

[7] 陳連,鄒廣萍.機(jī)械可靠性設(shè)計(jì)的最優(yōu)化方法及其應(yīng)用研究[J].機(jī)械設(shè)計(jì)與制造,2006(2):8-10.

CHEN Lian,ZOU Guangping.The optimal method of Machine reliability design and its application[J].Machinery Design & Manufacture,2006(2):8-10.

Genetic-algorithm-based optimization on fan volute structure

LUO Qing-guo,YIN Hong-tao,LIU Hong-bin,SI Xiao-yu,XU Jin-hao

(1. Department of Mechanical Engineering, Academy of Armored Forces Engineering, Beijing 100072,China)

Firstly, the 3D model of cooling wind tunnel, together with CFD analysis model of fan volute, is established for tracked vehicles. By treating the minimum air flow resistance as objective and volute geometric dimension as constraint, the volute structural optimization method is proposed with integration of computational hydrodynamics and genetic algorithm. Afterwards, the optimized 3D model is compared with the initial model, whereas the air flow resistance is decreased by 9.73%, and overall air mass flow rate is increased by 2.51%.

CFD; genetic algorithm; structural optimization; fan volute

國防預(yù)研項(xiàng)目(40402010103)

駱清國(1965-)，男，教授，博士生導(dǎo)師.E-mail：lqg_zgy@163.com

TJ 81

A

1672-5581(2016)04-0305-05