基于熵產(chǎn)理論和響應(yīng)面法的軸流式止回閥結(jié)構(gòu)優(yōu)化設(shè)計(jì)

李金銘，鄒淑云，劉 忠，喻哲欽，李志鵬，邵建農(nóng)

（1.長(zhǎng)沙理工大學(xué) 能源與動(dòng)力工程學(xué)院，長(zhǎng)沙 410114；2.遠(yuǎn)大閥門(mén)集團(tuán)有限公司，河北邢臺(tái) 055350）

0 引言

軸流式止回閥憑借優(yōu)良的啟閉性能在工業(yè)領(lǐng)域得到了廣泛的應(yīng)用［1］。然而，目前軸流式止回閥在結(jié)構(gòu)設(shè)計(jì)上仍存在一些不足，從而導(dǎo)致閥門(mén)內(nèi)部存在較多漩渦，其整體能耗偏大，流動(dòng)性較差。因此，對(duì)其內(nèi)部結(jié)構(gòu)進(jìn)行優(yōu)化設(shè)計(jì)，降低能量損失，提升其流通性能顯得極為重要。

張立強(qiáng)等［2］利用橢圓簇法對(duì)軸流式止回閥導(dǎo)流體和流道形狀參數(shù)進(jìn)行了優(yōu)化。李科良等［3］運(yùn)用匯源法對(duì)軸流式止回閥結(jié)構(gòu)進(jìn)行了優(yōu)化，研究了閥門(mén)內(nèi)部流場(chǎng)的壓力特性和流量特性。余建平等［4］采用分離轉(zhuǎn)捩模型對(duì)軸流式止回閥進(jìn)行了優(yōu)化，發(fā)現(xiàn)光滑漸擴(kuò)型流道阻力較小，具有很好的流通性。但以上研究主要是參考流線(xiàn)型設(shè)計(jì)，通過(guò)分析閥門(mén)內(nèi)部壓力分布、速度分布等特性對(duì)閥門(mén)進(jìn)行優(yōu)化，并未深入分析閥門(mén)內(nèi)部能量損失機(jī)理。

熵產(chǎn)能直觀地反映能量損失發(fā)生的位置且準(zhǔn)確得出其損失大小，近年來(lái)在流體機(jī)械領(lǐng)域得到了很好的應(yīng)用。張帆等［5］通過(guò)數(shù)值模擬對(duì)側(cè)流道泵進(jìn)行熵產(chǎn)分析，發(fā)現(xiàn)泵內(nèi)部的流動(dòng)損失主要與湍流耗散熵產(chǎn)有關(guān)。LI 等［6］基于熵產(chǎn)理論分析了水泵水輪機(jī)泵工況下的水力損失詳細(xì)分布。YU 等［7-9］通過(guò)對(duì)水輪機(jī)的數(shù)值模擬發(fā)現(xiàn)，尾水管內(nèi)熵產(chǎn)較大，且熵的形成主要是由漩渦、流動(dòng)分離和回流等流體動(dòng)力因素引起。在運(yùn)用熵產(chǎn)理論進(jìn)行優(yōu)化設(shè)計(jì)方面，宋科等［10］采用熵產(chǎn)理論分析了導(dǎo)管槳工作時(shí)內(nèi)部的流動(dòng)損失狀況，通過(guò)添加轂帽鰭對(duì)導(dǎo)管槳進(jìn)行了優(yōu)化改進(jìn)。GHORANI 等［11］為使反向泵減少熵產(chǎn)，對(duì)反向泵的葉片形狀和數(shù)量以及流道入口寬度進(jìn)行了優(yōu)化，提高了水力效率。王威等［12］將最小熵產(chǎn)作為目標(biāo)，結(jié)合優(yōu)化算法對(duì)葉柵型線(xiàn)進(jìn)行了優(yōu)化，減少了能量損失，但是優(yōu)化算法無(wú)法直觀地判斷因素變化與目標(biāo)值的關(guān)系。

響應(yīng)面優(yōu)化法相比于正交優(yōu)化和優(yōu)化算法，具有不局限于正交試驗(yàn)中的最優(yōu)解并能形象描繪因素與目標(biāo)值關(guān)系的優(yōu)點(diǎn)。王同等［13］以噴管數(shù)量、噴管直徑和風(fēng)管數(shù)量為試驗(yàn)因素，采用響應(yīng)面試驗(yàn)法對(duì)風(fēng)道結(jié)構(gòu)進(jìn)行了優(yōu)化。何坤健等［14］采用數(shù)值計(jì)算和響應(yīng)面法得到了圓盤(pán)泵葉片數(shù)量、葉片高度以及盤(pán)間距的最佳參數(shù)，使得優(yōu)化后的圓盤(pán)泵效率明顯提升。

鑒于鮮有將熵產(chǎn)理論用于閥門(mén)結(jié)構(gòu)優(yōu)化設(shè)計(jì)的研究及響應(yīng)面法的優(yōu)越性，本文提出結(jié)合熵產(chǎn)理論和響應(yīng)面法的軸流式止回閥結(jié)構(gòu)優(yōu)化設(shè)計(jì)方法，并應(yīng)用于DN100 軸流式止回閥結(jié)構(gòu)優(yōu)化設(shè)計(jì)中。以能量損失最小為目標(biāo)，結(jié)合計(jì)算流體動(dòng)力學(xué)和統(tǒng)計(jì)學(xué)方法得到最優(yōu)結(jié)構(gòu)參數(shù)，并對(duì)優(yōu)化前后軸流式止回閥的熵產(chǎn)和流場(chǎng)進(jìn)行對(duì)比分析。

1 模型數(shù)值計(jì)算

1.1 熵產(chǎn)理論

雷諾時(shí)均湍流流場(chǎng)中的熵產(chǎn)主要包括因時(shí)均速度場(chǎng)引起的直接耗散熵產(chǎn)和因脈動(dòng)速度場(chǎng)引起的湍流耗散熵產(chǎn)［15］。由于研究對(duì)象內(nèi)部水的溫度基本不變，因此不考慮傳熱引起的熵產(chǎn)。總熵產(chǎn)值為直接耗散熵產(chǎn)與湍流耗散熵產(chǎn)之和，見(jiàn)式（1）：

式中，S，S1，S2分別為總熵產(chǎn)、直接耗散熵產(chǎn)、湍流耗散熵產(chǎn)，W/K；S11為直接耗散熵產(chǎn)率，W/（m3·K）；S22為湍流耗散熵產(chǎn)率，W/（m3·K）；分別為時(shí)均速度在x，y，z 方向的分量，m/s；u'，v'，w'分別為脈動(dòng)速度在x，y，z 方向的分量，m/s；μ為流體動(dòng)力黏度，Pa·s；T 為溫度，K。

由于式（5）無(wú)法直接得到，且KOCK 等［16-17］研究發(fā)現(xiàn)脈動(dòng)速度引起的熵產(chǎn)和湍流模型有一定聯(lián)系，S22可表示為：

式中，ρ為流體密度，kg/m3；ε為湍動(dòng)能耗散率。

1.2 軸流式止回閥模型及結(jié)構(gòu)參數(shù)設(shè)計(jì)

軸流式止回閥主要由閥體、閥瓣、導(dǎo)流罩、彈簧和閥桿組成，如圖1 所示。對(duì)軸流式止回閥進(jìn)行優(yōu)化設(shè)計(jì)，其內(nèi)部主體結(jié)構(gòu)參數(shù)如圖2 所示。

圖2 軸流式止回閥結(jié)構(gòu)參數(shù)Fig.2 Structural parameters of axial flow check valve

圖2 中，閥體入口角為圓弧P1P2過(guò)點(diǎn)P1的切線(xiàn)與水平線(xiàn)的夾角，導(dǎo)流體結(jié)構(gòu)形狀可由Myring方程描述，見(jiàn)下式：

式中，R0，Rmax，L1，L2分別為導(dǎo)流體半徑、導(dǎo)流體最大半徑、閥瓣寬（OP3長(zhǎng)度）、導(dǎo)流罩長(zhǎng)（OP5長(zhǎng)度），mm；閥瓣P(guān)3P4外形由前半段函數(shù)描述，m 為閥瓣形狀參數(shù)，用來(lái)調(diào)節(jié)閥瓣形狀；導(dǎo)流罩P4P5外形由后半段函數(shù)描述，θ為閥芯尾角，用來(lái)控制導(dǎo)流罩外形曲線(xiàn)P4P5與線(xiàn)段OP5在點(diǎn)P5形成的夾角。

為了保證設(shè)計(jì)的合理性，閥體流道半徑可由式（8）表示。其余部分通過(guò)圓弧光滑連接。

式中，r，r0分別為流道半徑、喉口半徑，mm。

1.3 數(shù)值計(jì)算

本文優(yōu)化對(duì)象為DN100 軸流式止回閥，利用三維建模軟件對(duì)軸流式止回閥進(jìn)行建模。在閥門(mén)進(jìn)、出口分別添加5 倍管徑長(zhǎng)和10 倍管徑長(zhǎng)的管道，對(duì)模型內(nèi)部流體域進(jìn)行抽??；采用網(wǎng)格劃分軟件對(duì)流體域模型進(jìn)行四面體網(wǎng)格劃分（見(jiàn)圖3），通過(guò)計(jì)算流體動(dòng)力學(xué)軟件進(jìn)行數(shù)值計(jì)算。流體介質(zhì)為溫度293.15 K 的水，入口速度取4.0 m/s，以保證閥瓣全開(kāi)。計(jì)算模型采用Realizable k-ε模型［18］，默認(rèn)壓力出口。壓力與速度的解耦采用SIMPLEC 算法，壓力項(xiàng)采用標(biāo)準(zhǔn)格式離散，控制方程其他項(xiàng)均采用二階迎風(fēng)格式以保證精度。經(jīng)網(wǎng)格無(wú)關(guān)性檢驗(yàn)，網(wǎng)格數(shù)量保持在260 萬(wàn)以上。由計(jì)算可得此時(shí)流阻系數(shù)為3.78，與同直徑軸流式止回閥試驗(yàn)結(jié)果（流阻系數(shù)為3.60）相近［19］，誤差在5%以?xún)?nèi)，說(shuō)明數(shù)值模擬結(jié)果可靠。為保證優(yōu)化設(shè)計(jì)的合理性，后期所有試驗(yàn)結(jié)果均采用以上設(shè)置條件通過(guò)數(shù)值計(jì)算獲取。

圖3 流體域網(wǎng)格Fig.3 Meshing of fluid domain

2 優(yōu)化試驗(yàn)設(shè)計(jì)

2.1 Plackett-Burman 試驗(yàn)設(shè)計(jì)

Plackett-Burman 試驗(yàn)設(shè)計(jì)原理是選取因素的高水平（+1）和低水平（-1）進(jìn)行試驗(yàn)設(shè)計(jì)，利用統(tǒng)計(jì)學(xué)方法對(duì)比分析高、低水平因素差異與試驗(yàn)整體差異之間的關(guān)系，高效地篩選出對(duì)試驗(yàn)結(jié)果有顯著影響的因素。

Plackett-Burman 試驗(yàn)設(shè)計(jì)法可針對(duì)試驗(yàn)因素較多不便于后續(xù)研究的情況，篩選出對(duì)試驗(yàn)結(jié)果有重要影響的因素，以減少研究的工作量。

2.2 最陡爬坡試驗(yàn)

最陡爬坡試驗(yàn)原理針對(duì)篩選出來(lái)的顯著性因素，以其試驗(yàn)值變化的梯度方向?yàn)榕榔路较颍鶕?jù)其效應(yīng)值的大小確定變化步長(zhǎng)，分析試驗(yàn)因素與試驗(yàn)結(jié)果的變化規(guī)律，從而縮小試驗(yàn)因素的優(yōu)化范圍。最陡爬坡試驗(yàn)可使前期試驗(yàn)篩選出來(lái)的顯著性因素快速接近最優(yōu)范圍，提高優(yōu)化結(jié)果的準(zhǔn)確性。

2.3 Box-Behnken 響應(yīng)面法試驗(yàn)設(shè)計(jì)

2.3.1 響應(yīng)面法原理

響應(yīng)面法原理主要根據(jù)實(shí)際需要設(shè)計(jì)合理的試驗(yàn)［20-22］，并對(duì)試驗(yàn)結(jié)果進(jìn)行多元回歸擬合，得到響應(yīng)值g 和設(shè)計(jì)變量a 的數(shù)學(xué)模型，見(jiàn)下式：

式中，y0（a）為目標(biāo)函數(shù)；δ為總誤差。

y0（a）主要有一次型和二次型，分別如下所示：

式中，β為待定系數(shù)；n 為變量個(gè)數(shù)。

2.3.2 響應(yīng)面試驗(yàn)設(shè)計(jì)

響應(yīng)面設(shè)計(jì)分為中心復(fù)合設(shè)計(jì)和Box-Behnken 設(shè)計(jì)。后者具有簡(jiǎn)單、因素及水平設(shè)置相同時(shí)試驗(yàn)次數(shù)少、無(wú)試驗(yàn)因素均為高水平（+1）的試驗(yàn)情況和試驗(yàn)結(jié)果可靠等優(yōu)點(diǎn)，故本文采用Box-Behnken 響應(yīng)面試驗(yàn)設(shè)計(jì)。

軸流式止回閥結(jié)構(gòu)優(yōu)化設(shè)計(jì)流程如圖4 所示。

圖4 軸流式止回閥結(jié)構(gòu)優(yōu)化設(shè)計(jì)流程Fig.4 Optimization design flowchart of axial flow check valve structure

3 結(jié)果與分析

固定導(dǎo)流體最大半徑Rmax=40.0 mm 和喉口半徑r0=35.0 mm，以保證導(dǎo)流體的安裝以及閥瓣的正常啟閉，為優(yōu)化試驗(yàn)做鋪墊。

3.1 Plackett-Burman 試驗(yàn)結(jié)果

對(duì)入口角、閥瓣寬、閥瓣形狀參數(shù)、導(dǎo)流罩長(zhǎng)和閥芯尾角5 個(gè)因素進(jìn)行Plackett-Burman 試驗(yàn)設(shè)計(jì)，以總熵產(chǎn)值為篩選指標(biāo)，篩選出顯著影響因素。Plackett-Burman 設(shè)計(jì)因素與水平見(jiàn)表1，試驗(yàn)結(jié)果見(jiàn)表2。

表1 Plackett-Burman 設(shè)計(jì)因素及水平Tab.1 Factors and levels of Plackett-Burman design

表2 Plackett-Burman 試驗(yàn)結(jié)果Tab.2 Results of Plackett-Burman experiment

對(duì)表2 試驗(yàn)結(jié)果進(jìn)行方差分析，結(jié)果見(jiàn)表3。模型P ＜0.01，決定系數(shù)R2為0.941 3，調(diào)整確定系數(shù)RAdj2為0.892 4，與決定系數(shù)相近，說(shuō)明模型可靠，能進(jìn)行下一步分析。其中，極顯著性因素為X1，X5（P＜0.01）；顯著性因素為X2（0.01＜P＜0.05）；非顯著性因素為X3，X4（P＞0.05）。故選取入口角、閥瓣寬和閥芯尾角進(jìn)行下一步優(yōu)化，并通過(guò)單因素分析將閥瓣形狀參數(shù)確定為1.5，導(dǎo)流罩長(zhǎng)確定為116.8 mm，以便后期優(yōu)化。

表3 Plackett-Burman 試驗(yàn)結(jié)果方差分析Tab.3 ANOVA results of Plackett-Burman experiment

3.2 最陡爬坡試驗(yàn)結(jié)果

對(duì)入口角、閥瓣寬和閥芯尾角3 個(gè)因素進(jìn)行最陡爬坡試驗(yàn)，試驗(yàn)設(shè)計(jì)和結(jié)果見(jiàn)表4。

表4 最陡爬坡試驗(yàn)設(shè)計(jì)和結(jié)果Tab.4 The path of steepest ascent design and results

由表4 可知，隨著閥瓣寬和閥芯尾角增大，入口角減小，壓力損失呈現(xiàn)先減小后增大的變化。當(dāng)入口角為26.3°，閥瓣寬為22.5 mm，閥芯尾角為30.0°時(shí)壓力損失最小，說(shuō)明此時(shí)閥門(mén)內(nèi)部能量損失最小，最優(yōu)結(jié)構(gòu)參數(shù)存在于2 號(hào)試驗(yàn)因素水平附近。因此，以表4 中2 號(hào)試驗(yàn)的3 個(gè)因素水平為中心值設(shè)計(jì)后續(xù)響應(yīng)面試驗(yàn)。

3.3 Box-Behnken 響應(yīng)面法試驗(yàn)結(jié)果

以入口角、閥瓣寬和閥芯尾角為自變量，總熵產(chǎn)值為響應(yīng)值，進(jìn)行Box-Behnken 響應(yīng)面試驗(yàn)。試驗(yàn)因素和水平見(jiàn)表5，試驗(yàn)結(jié)果見(jiàn)表6。

表5 Box-Behnken 試驗(yàn)因素及水平Tab.5 Factors and levels of Box-Behnken experiment

表6 Box-Behnken 試驗(yàn)結(jié)果Tab.6 Results of Box-Behnken experiment

對(duì)表6 中的結(jié)果進(jìn)行二元回歸擬合，得到總熵產(chǎn)值的回歸方程：

對(duì)式（12）進(jìn)行方差分析，結(jié)果見(jiàn)表7。

表7 Box-Behnken 回歸模型方差分析Tab.7 ANOVA for Box-Behnken quadratic model

由表7 可知，本模型F 值為94.48 且P ＜0.01，失擬項(xiàng)P ＞0.05，表明模型的可信度極高；決定系數(shù)R2=0.991 8，調(diào)整確定系數(shù)RAdj2=0.981 3，說(shuō)明模型可以較為準(zhǔn)確地預(yù)測(cè)響應(yīng)值，有利于后期優(yōu)化分析。

繪制回歸方程的響應(yīng)面圖（見(jiàn)圖5～7）。響應(yīng)面圖中的因素坡度越陡，說(shuō)明該因素影響越大；反之，坡度越平緩，則說(shuō)明該因素影響越小。由圖5～7 可知，入口角和閥芯尾角為定值時(shí)，閥瓣寬增加，總熵產(chǎn)值先減少后增加；閥瓣寬和閥芯尾角為定值時(shí)，入口角增大，總熵產(chǎn)值減小；入口角和閥瓣寬為定值時(shí)，閥芯尾角增大，總熵產(chǎn)值增大?？傮w上，閥芯尾角相對(duì)于閥瓣寬和入口角對(duì)整體總熵產(chǎn)值的影響更為顯著。

圖5 入口角-閥瓣寬響應(yīng)面Fig.5 Response surface diagram of the effect of inlet angle and valve flap width

圖6 入口角-閥芯尾角響應(yīng)面圖Fig.6 Response surface diagram of the effect of inlet angle and spool tail angle

圖7 閥瓣寬-閥芯尾角響應(yīng)面Fig.7 Response surface diagram of the effect of valve flap width and spool tail angle

3.4 最優(yōu)參數(shù)組合與分析

3.4.1 最優(yōu)結(jié)構(gòu)參數(shù)

采用統(tǒng)計(jì)學(xué)軟件以最小總熵產(chǎn)為目標(biāo)對(duì)響應(yīng)面回歸模型式（9）進(jìn)行優(yōu)化分析，得到預(yù)測(cè)理論最小總熵產(chǎn)值為269.53 mW/K。此時(shí)對(duì)應(yīng)的結(jié)構(gòu)參數(shù)為：入口角33.4°，閥瓣寬24.4 mm，閥芯尾角25.0°。根據(jù)以上結(jié)構(gòu)參數(shù)建模并進(jìn)行數(shù)值計(jì)算，得到直接耗散熵產(chǎn)為11.20 mW/K，湍流耗散熵產(chǎn)為259.32 mW/K，總熵產(chǎn)值為270.52 mW/K。預(yù)測(cè)值和計(jì)算值的誤差小于0.4%，說(shuō)明回歸模型預(yù)測(cè)準(zhǔn)確且優(yōu)化結(jié)果可靠。而優(yōu)化前軸流式止回閥的直接耗散熵產(chǎn)為11.85 mW/K，湍流耗散熵產(chǎn)為1 947.14 mW/K，總熵產(chǎn)值為1 958.99 mW/K，通過(guò)對(duì)比可知優(yōu)化效果明顯。

3.4.2 流阻系數(shù)對(duì)比

流阻系數(shù)是衡量閥門(mén)性能好壞的重要指標(biāo)之一。對(duì)優(yōu)化前、后軸流式止回閥在不同入口速度下的流阻系數(shù)進(jìn)行計(jì)算，得到的結(jié)果如圖8 所示。優(yōu)化前的平均流阻系數(shù)為3.98，優(yōu)化后的平均流阻系數(shù)為0.77?？芍緝?yōu)化方法可行且優(yōu)化效果明顯。

圖8 軸流式止回閥優(yōu)化前后流阻系數(shù)Fig.8 Flow resistance coefficients of axial flow check valve before and after optimization

3.4.3 熵產(chǎn)和流場(chǎng)分析

軸流式止回閥優(yōu)化前后的直接耗散熵產(chǎn)率分布、湍流耗散熵產(chǎn)率分布和速度矢量分別如圖9～11 所示。由圖9、圖10 以及第3.4.1 節(jié)可知，在能量損失組成方面，優(yōu)化前后湍流耗散熵產(chǎn)占總熵產(chǎn)的95%以上，而直接耗散熵產(chǎn)只占小部分，且優(yōu)化前后湍流耗散熵產(chǎn)變化較大，直接耗散熵產(chǎn)大小基本不變。在能量損失分布方面，優(yōu)化前閥瓣區(qū)域（圖中虛線(xiàn)左邊）的直接耗散熵產(chǎn)和湍流耗散熵產(chǎn)主要分布在喉口后端，優(yōu)化前導(dǎo)流罩區(qū)域（圖中虛線(xiàn)右邊）的直接耗散熵產(chǎn)和湍流耗散熵產(chǎn)主要分布在導(dǎo)流罩與閥瓣交接處附近。因?yàn)檫@兩處曲率變化大，流體在這兩區(qū)域發(fā)生分離，故存在較大熵產(chǎn)分布。而優(yōu)化后軸流式止回閥的喉口結(jié)構(gòu)前后圓滑過(guò)渡，閥瓣和導(dǎo)流罩自然貼合，閥瓣區(qū)域和導(dǎo)流罩區(qū)域內(nèi)的直接耗散熵產(chǎn)和湍流耗散熵產(chǎn)分布明顯減少。

圖9 軸流式止回閥優(yōu)化前后直接耗散熵產(chǎn)率云圖Fig.9 Contours of entropy production rate of axial flow check valve by direct dissipation before and after optimization

圖10 軸流式止回閥優(yōu)化前后湍流耗散熵產(chǎn)率云圖Fig.10 Contours of entropy production rate of axial flow check valve by turbulent dissipation before and after optimization

由圖11 可以看出閥門(mén)內(nèi)部流體的流動(dòng)狀況。原軸流式止回閥喉口后端、閥瓣邊緣處和尾部發(fā)生了流動(dòng)分離，形成了漩渦，且閥瓣邊緣處速度梯度大，易造成較大流動(dòng)損失；而優(yōu)化后的軸流式止回閥漩渦明顯減少，導(dǎo)流體上流動(dòng)分離點(diǎn)明顯后移，能量損失也隨之減少，與熵產(chǎn)分析結(jié)果相符。

圖11 軸流式止回閥優(yōu)化前后速度矢量云圖Fig.11 Contours of speed vector of axial flow check valve before and after optimization

4 結(jié)論

（1）運(yùn)用熵產(chǎn)理論和響應(yīng)面法對(duì)DN100 軸流式止回閥結(jié)構(gòu)進(jìn)行了優(yōu)化設(shè)計(jì)。該止回閥最優(yōu)結(jié)構(gòu)參數(shù)入口角為33.4°，閥瓣寬為24.4 mm，閥芯尾角為25.0°，預(yù)測(cè)理論最小總熵產(chǎn)值為269.53 mW/K，與計(jì)算值270.52 mW/K 相差甚小，均遠(yuǎn)低于未優(yōu)化前總熵產(chǎn)1 958.99 mW/K，且優(yōu)化后平均流阻系數(shù)明顯小于優(yōu)化前平均流阻系數(shù)?？芍獌?yōu)化方法切實(shí)可行且優(yōu)化效果可觀。

（2）湍流耗散熵產(chǎn)占軸流式止回閥總熵產(chǎn)的95%以上，優(yōu)化后其數(shù)值和范圍明顯縮小，而直接耗散熵產(chǎn)只占總熵產(chǎn)小部分，優(yōu)化后數(shù)值基本不變，范圍明顯縮小，兩者主要發(fā)生在喉口后端和閥瓣邊緣附近。優(yōu)化前閥門(mén)喉口后端、閥瓣邊緣處和導(dǎo)流罩尾部發(fā)生流動(dòng)分離，形成了漩渦，優(yōu)化后閥門(mén)內(nèi)部漩渦明顯減少，導(dǎo)流體上分離點(diǎn)明顯后移，流通性能更好。進(jìn)一步說(shuō)明優(yōu)化效果顯著。