论文部分内容阅读
多相混输技术是近年来发展起来的一种高效经济的油田开发方式。多相混输泵作为多相混输技术的核心设备，它是一种集常规液相泵和气体压缩机性能于一体的多相输送装置。叶轮作为混输泵的核心部件，直接影响着泵中流体的流动稳定性以及泵的效率。因此，对叶片进行优化设计，提高其工作性能对提高混输泵的效率有着重要的意义。本课题是基于CFD数值计算、神经网络及优化算法相结合的混输泵叶片优化设计。该方法首先对叶轮叶片进行了参数化设计，选取参数化后的12个控制点作为优化变量，确定优化变量的3个取值，通过改变优化变量的取值，从而达到改变叶型的目的。以优化变量为因素，3个取值为水平，使用L27313正交实验设计表设计出27组实验方案。对每组方案进行建模，通过fluent软件预测每组方案的效率。27组方案做为神经网络的样本数据，其中20组做为网络训练样本，7组作为预测样本，优化变量作为网络输入，计算效率作为网络输出。训练好的神经网络分别作为遗传算法及粒子群算法的适应度值函数，利用遗传算法及粒子群算法的全局寻优能力，对叶片进行优化。对两种优化算法输出的最优解进行对比，结果显示遗传算法的输出解更优，最终以遗传算法的输出解作为混输泵叶片的最优模型。对优化后及优化前的混输泵叶轮分别在含气率为0.1、0.3、0.5、0.7、0.9五种工况下进行数值模拟，对比其优化效果。从优化结果来看，优化后的混输泵在各含气率下效率及扬程均有所提高，且在设计工况下优化效果最为明显，优化后的计算效率最大提高了1.91%。这也在一定程度上证明了本文的优化设计方法的可行性，该优化设计方法适用范围广、鲁棒性强，有较强的工程应用价值。本文还从叶栅理论、速度三角形及泵内多相流动理论分析入手，初步探讨了混输泵重要结构参数与性能参数间的对应关系，推导出混输泵流量、扬程、效率的表达式，为进一步改善混输泵性能提供了理论依据。