基于isight 的濕式吸塵器分離器優(yōu)化設(shè)計(jì)

王貴川， 莊 飾， 鞏偉杰

（深圳大學(xué) 機(jī)電與控制工程學(xué)院， 廣東 深圳 518000）

0 引言

目前， 隨著城市化進(jìn)程的推進(jìn)， 人們生活水平的提高，對(duì)生活品質(zhì)的要求也在提高，使用吸塵器的家庭也越來越多。

同時(shí)，人們?cè)谑覂?nèi)的活動(dòng)時(shí)間越來越長(zhǎng)，大部分人的工作都在室內(nèi)完成， 人們對(duì)室內(nèi)的空氣污染也越來越關(guān)注。據(jù)統(tǒng)計(jì)，我國城市居民室內(nèi)活動(dòng)時(shí)間為87.5%[1]。而室內(nèi)空氣污染主要來源是可吸入顆粒物PM10，許多研究表明室內(nèi)可吸入顆粒物PM10 高于室外。 然而，使用典型袋式真空吸塵器進(jìn)行吸塵作業(yè)時(shí)將會(huì)不可避免的使得塵土中的細(xì)小顆粒進(jìn)入空氣中，加重空氣的污染，而濕式吸塵器具有不錯(cuò)的效果[2]。

濕式吸塵器原理是顆粒被吸入吸塵器中會(huì)先撞擊進(jìn)入水池，水池將捕捉絕大部分灰塵顆粒，少部分逃逸的顆粒將會(huì)被濕式吸塵器的旋轉(zhuǎn)分離器阻擋， 并被空氣中的液滴捕捉。 所以旋轉(zhuǎn)分離器的分離性能就尤其重要。

對(duì)于濕式吸塵器旋轉(zhuǎn)分離器的設(shè)計(jì)中，專利[3]設(shè)計(jì)了一種輕微傾斜的直葉片，專利[4]設(shè)計(jì)了一種機(jī)翼形葉片分離器。 而與之原理類似的是火電制粉工藝中磨煤機(jī)的旋轉(zhuǎn)煤粉分離器。 孔文俊等[5]闡述了旋轉(zhuǎn)分離器顆粒分離平衡原理，并指出旋轉(zhuǎn)葉片安裝角的重要性。 文獻(xiàn)[6]則是利用Fluent 對(duì)旋轉(zhuǎn)分離器進(jìn)行了氣固兩相流數(shù)值模擬研究。 文獻(xiàn)[7，8]則是提出了一種新型彎扭葉片的旋轉(zhuǎn)分離器，并對(duì)利用Fluent 對(duì)其進(jìn)行了數(shù)值模擬研究。

目前， 針對(duì)濕式吸塵器的旋轉(zhuǎn)分離器的研究還是一片空白， 隨著大家環(huán)保意識(shí)日漸增加， 這種不需要換濾袋，僅需要水清洗，并且不會(huì)對(duì)空氣造成二次污染的吸塵器將會(huì)得到更多的發(fā)展和應(yīng)用， 所以對(duì)于濕式吸塵器分離器分離性能的研究就尤為重要。

因此，本研究依據(jù)濕式吸塵器工作環(huán)境，依據(jù)磨煤機(jī)旋轉(zhuǎn)分離器的葉片結(jié)構(gòu)，設(shè)計(jì)一種全新的旋轉(zhuǎn)分離器，并利用Isight 平臺(tái)集成Fluent 等軟件，對(duì)分離器的葉片參數(shù)建立多目標(biāo)優(yōu)化模型，使用優(yōu)化算法對(duì)其進(jìn)行優(yōu)化，并尋得最佳參數(shù)。

1 分離器流場(chǎng)建立

1.1 分離器流場(chǎng)模型建立及網(wǎng)格劃分

濕式吸塵器旋轉(zhuǎn)分離器的研究國內(nèi)比較少， 而起著相似功能的MPS 磨煤機(jī)分離器卻有不少研究。 本研究分離器模型參考了磨煤機(jī)分離器的結(jié)構(gòu)形態(tài)， 并參考了文獻(xiàn)[7]提出的彎扭磨煤機(jī)分離葉片，以分離器葉片的彎扭半徑R， 葉片安裝傾角r 作為優(yōu)化設(shè)計(jì)的參數(shù)，葉片模型如圖1 所示。

為了便于計(jì)算分離器分離效果，減少計(jì)算時(shí)間，流場(chǎng)模型只取了分離器以及所在平面截取的封閉空間。 依據(jù)某吸塵器結(jié)構(gòu)，利用Solidworks 建立簡(jiǎn)化三維模型，如圖2 所示。

圖1 葉片設(shè)計(jì)參數(shù)

圖2 流體域的設(shè)置

在流體計(jì)算中，網(wǎng)格數(shù)量和網(wǎng)格質(zhì)量尤為重要。本研究利用Icem15.0 來繪制網(wǎng)格， 對(duì)分離器葉片部分進(jìn)行網(wǎng)格加密和細(xì)化，以便計(jì)算的時(shí)候在葉片部分準(zhǔn)確性更高。網(wǎng)格為便于后續(xù)集成到isight 平臺(tái)，所有采用非結(jié)構(gòu)四面體網(wǎng)格。為保證計(jì)算結(jié)果準(zhǔn)確性，壁面網(wǎng)格誤差對(duì)結(jié)果帶來的影響，對(duì)整個(gè)流體域進(jìn)行網(wǎng)格無關(guān)性驗(yàn)證，驗(yàn)證標(biāo)準(zhǔn)以分離效率Ф 來表明，分離效率Ф 由式（1）計(jì)算可得。 網(wǎng)格驗(yàn)證結(jié)果可知，當(dāng)網(wǎng)格數(shù)量為157 萬及以上時(shí)，分離效率Ф 的波動(dòng)較小，為了節(jié)省計(jì)算資源，整個(gè)計(jì)算過程網(wǎng)格數(shù)量設(shè)定在157 萬左右。 網(wǎng)格無關(guān)驗(yàn)證如表1 所示。

表1 網(wǎng)格無關(guān)性驗(yàn)證

1.2 Fluent 參數(shù)設(shè)置

利用fluent 對(duì)實(shí)際風(fēng)流進(jìn)行仿真。 計(jì)算模型選擇標(biāo)準(zhǔn)k-ε 模型，入口選擇壓力入口，壓力為0。出口選擇壓力出口，壓力為22KPa[9]。 葉片旋轉(zhuǎn)按照srf 變坐標(biāo)系模型設(shè)置，旋轉(zhuǎn)域轉(zhuǎn)速20000rpm/s，葉片轉(zhuǎn)速隨旋轉(zhuǎn)域轉(zhuǎn)速而定。

為反映分離器對(duì)灰塵粒子的分離效果， 采用dpm 模型來模擬灰塵粒子在流體中的運(yùn)動(dòng)情況。 所有壁面均為反射灰塵粒子。 灰塵粒子直徑采用R-R 分布，設(shè)置在1～10μm，平均為5μm，密度為912kg/m3[10]，并定義分離效率Ф，如式（1）所示。

其中：m—逃逸粒子數(shù)量；n—總釋放粒子數(shù)量。

2 聯(lián)合優(yōu)化分析

2.1 Isight 對(duì)軟件的集成

Isight 是一款起源于GE 的功能強(qiáng)大的計(jì)算機(jī)輔助優(yōu)化平臺(tái)，廣泛應(yīng)用于航空、航天、汽車、船舶、電子領(lǐng)域以及復(fù)雜產(chǎn)品多學(xué)科設(shè)計(jì)優(yōu)化。用戶可以通過Isight 集成和管理復(fù)雜的仿真流程， 運(yùn)用多種優(yōu)化算法自動(dòng)探索得到優(yōu)化方案，從而縮短產(chǎn)品研制周期，降低研發(fā)成本[11]。

本研究首先需要用實(shí)驗(yàn)設(shè)計(jì)方法DOE（Design of Experiments）來得到原始的數(shù)據(jù)樣本。 主要集成的軟件有模型生成與變更軟件Solidworks，Isight 中有Solidworks 模塊，方便直接集成。 ICEM 軟件將對(duì)變更后的模型進(jìn)行自動(dòng)網(wǎng)格劃分， 劃分后得到msh 文件輸入fluent 軟件中進(jìn)行求解計(jì)算， 計(jì)算后的結(jié)果將會(huì)流入計(jì)算器中進(jìn)行逃逸率的計(jì)算，最后返回DOE 中。 為了使實(shí)驗(yàn)設(shè)計(jì)方法的樣本點(diǎn)分布更均勻， 實(shí)驗(yàn)設(shè)計(jì)方法選擇優(yōu)化拉丁超立方（Optimal Latin Hypercube）。Isight 集成各軟件的流程圖如圖3 所示。

圖3 isight 集成各軟件流程圖

2.2 近似模型的建立

直接進(jìn)行優(yōu)化計(jì)算將在繪制網(wǎng)格和流體仿真部分計(jì)算量過大，采用近似模型來模擬真實(shí)情況，將會(huì)極大減少電腦計(jì)算量，節(jié)省時(shí)間。 Isight 中包含了多種近似模型，為了更好更容易的擬合真實(shí)情況， 本研究選用徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)RBF（Radial Basis Functions）近似模型。Isight 中的神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)是三層前向網(wǎng)絡(luò)， 接受輸入信號(hào)的單元層為輸入層，輸出信號(hào)的單元層為輸出層，不直接與輸入輸出發(fā)生關(guān)系的單元層為中間層或隱層。 而相對(duì)于BP神經(jīng)網(wǎng)絡(luò)來說，RBF 神經(jīng)網(wǎng)絡(luò)對(duì)于復(fù)雜模型問題上，建模時(shí)間優(yōu)勢(shì)較大，在擬合能力和學(xué)習(xí)速度方面均優(yōu)于BP 網(wǎng)絡(luò)[12]。

實(shí)驗(yàn)設(shè)計(jì)的輸入是葉片傾角r 和葉片半徑R， 輸出是葉片的分離效率Ф 和出口的質(zhì)量流量。 實(shí)驗(yàn)設(shè)計(jì)一共得到43 組樣本點(diǎn)，通過RBF 方法來構(gòu)建近似模型。 建立的模型需要進(jìn)行誤差分析，分析結(jié)果如表2 所示。 其中，擬合精確度R2＞0.9 代表模型具有一定可靠性，R2越接近1，擬合就越精確。 同樣，平均誤差A(yù)verage＜0.2 代表模型可靠。 可見，近似模型擬合效果均比較理想。

表2 近似模型誤差分析

2.3 算法優(yōu)化

對(duì)于本研究，輸入?yún)?shù)主要是葉片傾角r 與葉片半徑R，傾角的取值范圍為0～60°，葉片半徑的取值范圍為5～50，過小葉片將過于短。 對(duì)于輸出參數(shù)則是分離效率Ф 和出口質(zhì)量流量outlet。 對(duì)于顆粒的隔離，分離效率Ф 是越高越好，同時(shí)為了使吸塵器吸力充足，出口質(zhì)量流量outlet 也是越大越好。 數(shù)學(xué)模型表示為：

對(duì)近似模型的優(yōu)化算法選擇NCGA 遺傳算法來進(jìn)行多目標(biāo)優(yōu)化，可以求出Pareto 最優(yōu)解集。種群大小設(shè)置為20，迭代次數(shù)設(shè)置為40，交叉概率1.0，變異概率0.01。Isight集成近似模型的流程圖如圖4 所示。

3 優(yōu)化結(jié)果對(duì)比分析

圖4 isight 集成近似模型流程圖

3.1 算法優(yōu)化

在對(duì)優(yōu)化模型進(jìn)行算法優(yōu)化后得到pareto 解集， 所有的pareto 解集構(gòu)成了pareto 前沿，在綜合考慮分離器灰塵隔離能力和不影響分離器吸力的情況下，確定取權(quán)重比outlet：Ф為2.6：1 時(shí)的pareto 解為最優(yōu)解。

3.2 結(jié)果對(duì)比

將近似模型優(yōu)化的最優(yōu)結(jié)果帶入仿真計(jì)算模型中，改變模型重新繪制網(wǎng)格進(jìn)行流體計(jì)算， 判斷仿真計(jì)算和近似模型之間的差別。 優(yōu)化結(jié)果與實(shí)際結(jié)果對(duì)比如表3所示。 其中逃逸率Ф 近似模型和計(jì)算得出的結(jié)果誤差僅為0.413%，出口質(zhì)量流量outlet 的誤差為3.566%，近似模型模擬準(zhǔn)確度較高。

將優(yōu)化后的彎扭葉片結(jié)果與未優(yōu)化的向心直葉分離器， 和相同傾角的直葉分離器進(jìn)行仿真對(duì)比， 其結(jié)果如表4 所示。

對(duì)比結(jié)果表明，向心直葉擁有最高的出口質(zhì)量流量，對(duì)分離器造成的吸力下降最小，但同時(shí)分離效率葉最低；而與優(yōu)化彎扭葉有相同傾角的直葉， 則在分離效率和出口質(zhì)量流量?jī)蓚€(gè)指標(biāo)均沒優(yōu)化彎扭葉好。綜合而言，優(yōu)化彎扭葉在對(duì)吸力的影響和分離效率兩方面都表現(xiàn)優(yōu)秀。

表3 結(jié)果對(duì)比分析

表4 向心直葉，傾斜直葉和優(yōu)化彎扭葉對(duì)比

4 結(jié)論

本研究結(jié)合了Isight 平臺(tái)，將Fluent 軟件，Icem 軟件，solidworks 軟件集成在一起，實(shí)現(xiàn)自動(dòng)更新模型，繪制網(wǎng)格，流體計(jì)算，減少了人工操作帶來的時(shí)間消耗。 同時(shí)利用近似模型優(yōu)化，極大節(jié)省計(jì)算資源，優(yōu)化后可快速求得濕式吸塵器分離器最佳幾何參數(shù)。