Optimisation du débit volumique d'air des aubes directrices dans un ventilateur axial basé sur DOE et CFD

Rapports scientifiques volume 13, Numéro d'article : 4439 (2023) Citer cet article

784 accès

1 Altmétrique

Détails des métriques

La conception déraisonnable des aubes directrices dans le ventilateur axial pourrait avoir des effets négatifs. Afin d'améliorer les performances, la relation entre le débit volumique d'air du ventilateur axial sélectionné et les paramètres géométriques des aubes directrices est d'abord analysée par DOE et CFD, et les paramètres optimaux sont trouvés par la méthode du processus gaussien. Les résultats montrent que le nombre et la corde totale des aubes directrices ont un effet non linéaire sur le débit volumique d'air, et la corde totale des aubes est le principal facteur affectant les résultats des calculs. Pour la configuration particulière étudiée ici, la conception optimale des aubes directrices montre que la diminution de la corde des aubes de 38 mm et l'augmentation du nombre d'aubes à 18 pourraient produire plus de débit d'air sous la même vitesse de rotation.

Le ventilateur à flux axial, un dispositif mécanique important dans la production et la vie, est largement utilisé dans la vie quotidienne et la production industrielle. En Chine, la consommation électrique des pompes et des équipements de ventilation représente plus de la moitié de la production d'électricité du pays, et l'efficacité de fonctionnement des équipements de ventilation dans la production et la durée de vie réelles est d'environ 40 à 60 %, bien inférieure à la réglementation. Une amélioration efficace de l'efficacité du ventilateur peut réduire la consommation d'électricité, ce qui a une grande importance pour la conservation de l'énergie, la réduction des émissions et la protection de l'environnement1.

Les caractéristiques aérodynamiques des ventilateurs à flux axial sont compliquées et les principaux facteurs d'influence sont les suivants : nombre de pales, forme, angle d'installation des pales, taille du jeu de la pointe de la pale, rapport de pointe du moyeu, collecteur, diffuseur, etc. De nombreux chercheurs ont effectué une analyse de simulation sur le flux d'air à l'intérieur du ventilateur à flux axial grâce à la méthode CFD (Computational Fluid Dynamics) et ont obtenu de nombreux résultats. Par exemple, Vad2 a découvert que les rotors de compression sans aubes et les performances des ventilateurs axiaux pouvaient être efficacement améliorés par l'inclinaison vers l'avant des pales et le balayage vers l'avant des pales. Hurault et al.3 ont étudié les effets du balayage du ventilateur à flux axial sur le flux d'air par CFD et des expériences et ont constaté que l'énergie cinétique turbulente en aval du ventilateur est fortement affectée par le balayage. Aykut et Ünverdi4 ont effectué une simulation CFD d'un ventilateur axial à six pales et ont comparé les résultats de la simulation avec les données de test obtenues à partir de la chambre AMCA. Le modèle de turbulence k-ε standard est implémenté dans la simulation et les résultats montrent que le modèle est insuffisant pour calculer l'emplacement du point de séparation et le changement de pression sur les surfaces des pales pour les écoulements séparés. Les performances aérodynamiques et le bruit d'un ventilateur bionique sont optimisés par Chen et al.5, en utilisant la fonction de perte de masse de Taguchi pour diminuer le bruit et augmenter le débit massique. Li6 a paramétré l'influence de l'angle de pale et de l'angle radial de pale en utilisant le modèle numérique de fluide thermique vérifié précédemment. Wang et al.7 ont combiné des réseaux de neurones artificiels et des algorithmes génétiques pour optimiser le calcul. Les résultats des calculs montrent que l'efficacité isentropique et la marge de décrochage du système pourraient être efficacement améliorées par cette méthode. Le résumé de ces études est présenté dans le tableau 1. La littérature8,9 représente un arrière-plan numérique dans la prédiction du bruit avec une procédure CFD, et la seconde est une comparaison des modèles de turbulence dans la prédiction du bruit tonal, qui est une bonne référence pour la prédiction du bruit dans les études futures. De plus, les résultats de la simulation ont été vérifiés par de nombreuses études existantes, qui pourraient fournir des informations utiles pour compléter l'optimisation10,11,12,13.

Les paramètres des ventilateurs sont principalement étudiés dans les recherches ci-dessus en excluant l'effet de l'aube directrice sur le débit volumique d'air. L'aube directrice avant pourrait faire en sorte que le flux d'air produise une pré-rotation négative contraire au sens de rotation de la pale, ce qui fait que le flux axial du ventilateur axial produit une vitesse d'enroulement, pour améliorer la pression totale du ventilateur à flux axial. Lorsque le fluide traverse les aubes, il génère une vitesse partielle dans la direction circonférentielle, et l'aube directrice arrière peut changer la direction d'écoulement de sorte que l'énergie cinétique générée par la vitesse partielle puisse être convertie en énergie de pression. On peut conclure que les aubes directrices sont des facteurs importants affectant l'efficacité des ventilateurs à flux axial. Les meilleurs paramètres de conception des aubes directrices d'un ventilateur à flux axial sont obtenus grâce à la méthode DOE (Design of Experiments), qui fournit une base de recherche pour l'optimisation des aubes directrices d'autres ventilateurs à flux axial.

Cette étude de cas pourrait combler certaines lacunes dans l'optimisation des aubes directrices et la méthode optimale pourrait fournir une référence pour l'optimisation d'autres types de ventilateurs axiaux. Afin d'obtenir les meilleures performances du ventilateur axial, la conception des aubes directrices doit être modifiée dans différents environnements de travail et structures de ventilateur. La combinaison des méthodes CFD et DOE pourrait réduire le coût de la recherche et raccourcir la période de recherche. Après vérification des résultats du calcul CFD, la simulation peut remplacer certaines expériences et obtenir des données difficiles à mesurer. La méthode DOE peut réduire les expériences répétées et obtenir l'effet souhaité avec le moins d'expériences. Par conséquent, ces deux méthodes ont été adoptées pour mener la recherche afin d'obtenir la conception optimale de l'aube directrice, destinée à réduire le coût de l'électricité.

Un petit ventilateur à flux axial utilisé pour nettoyer la poussière a été sélectionné. Comme le montre la figure 1, le ventilateur a des aubes directrices arrière (11 aubes) et une roue à aubes à 9 pales. Le rayon du conduit est de 117 mm. La corde et la portée des pales de la roue sont respectivement de 29 mm et 18 mm, et la corde et la portée des aubes sont de 76 mm et 22 mm séparément. La vitesse de rotation est fixée à 5000 tr/min, la pression ambiante est de 1 atm et la température est de 25 °C. L'ensemble du ventilateur est modélisé et maillé au moyen d'une modélisation paramétrique.

(a) Photo du ventilateur choisi. (b) Schéma du ventilateur choisi.

Les hypothèses et simplifications de cet article sont les suivantes,

Toutes les limites de mur dans la simulation sont des murs antidérapants.

Le moteur du ventilateur est simplifié et n'est pas inclus dans la simulation.

Le nombre et la corde totale des aubes directrices ont été sélectionnés comme facteurs, et le débit volumétrique d'air a été sélectionné comme cible de calcul. La méthode DOE a été utilisée pour effectuer une analyse de sensibilité des paramètres afin d'obtenir la séquence d'influence des facteurs d'entrée, puis la méthode du processus gaussien a été utilisée pour obtenir le point de fonctionnement optimal. Le processus ci-dessus est décrit en détail ci-dessous.

La modélisation paramétrique est réalisée par le Design Modeler de la suite ANSYS, qui peut compléter efficacement la modification du modèle. Les paramètres qui doivent être modifiés, tels que le nombre d'aubes directrices, doivent être marqués dans le processus d'établissement de la géométrie pour faciliter les modifications ultérieures du modèle. ANSYS Meshing est utilisé comme logiciel de maillage, qui peut générer rapidement un maillage non structuré de haute qualité et est très approprié pour le partitionnement de maillage d'un grand nombre de modèles géométriques générés par la modélisation paramétrique. Le maillage est généré comme le montre la Fig. 2. Comme le montre cette figure, le domaine de simulation est le champ d'écoulement interne du ventilateur. Les limites d'entrée et de sortie sont respectivement définies comme entrée et sortie de pression. Les équations RANS stationnaires avec le modèle SST \(k - \omega\) ont été choisies comme équations générales14.

Schéma du maillage.

Ensuite, l'indépendance du maillage a été réalisée afin de démontrer la valeur de référence de la simulation. Le maillage est affiné par raffinement global avec la taille de maille constante de la première couche de gonflage, et la valeur Y+ près du mur est d'environ 1 avec différentes tailles de mailles globales. Les données de maillage sont présentées dans le tableau 2. Le débit volumique d'air de la sortie sous différents numéros de maillage a été analysé et résumé, comme illustré à la Fig. 3, et la taille de maillage globale appropriée (0,008 m) est obtenue et utilisée dans les calculs suivants. Les détails et la qualité du maillage approprié sont présentés dans le tableau 3, qui montre que la qualité du maillage est adaptée au calcul (asymétrie inférieure à 0,98).

Les résultats de calcul de différentes tailles de maille.

Le solveur utilisé est ANSYS Fluent (version 15.0), qui est largement utilisé dans le monde. Le schéma numérique utilisé dans ce solveur est le schéma upwind du second ordre. Afin de démontrer l'effet de rotation du rotor, il est nécessaire de définir les paramètres MRF dans la zone de rotation. Le modèle MRF est la méthode la plus simple pour calculer les variables dans le domaine de la rotation du ventilateur. En fixant la vitesse de rotation dans le domaine de rotation, le problème transitoire est approximativement considéré comme un problème de régime permanent à résoudre. Si la région est au repos, l'équation est convertie en forme de repos. A l'interface du domaine de calcul, un cadre de référence local est utilisé pour calculer le flux des variables de flux dans une zone et les convertir dans les zones adjacentes. Bien que la méthode MRF soit une méthode approximative, elle peut fournir un modèle de calcul raisonnable dans de nombreux scénarios d'application. Par exemple, l'interface de contact entre la région tournante et la région stationnaire de la turbomachine est relativement simple et il n'y a pas d'effet transitoire à grande échelle entre les roues, de sorte que le modèle MRF peut être utilisé.

Afin d'améliorer la fiabilité de l'analyse et de réduire le temps de calcul, le principe DOE est adopté pour la conception des paramètres géométriques et l'analyse ultérieure. DOE est une méthode pour étudier l'influence des paramètres d'entrée sur les paramètres de sortie15,16. Dans OFAT (un facteur à la fois), seul un facteur change et les autres facteurs restent les mêmes, il est donc intuitif de capturer l'impact d'un seul facteur dans la zone de test. Cependant, OFAT ne peut pas simuler l'interaction entre les facteurs d'entrée et les informations de l'ensemble de l'espace de conception ne peuvent pas être capturées en raison de la taille de la zone sélectionnée17. Le DOE dispose d'outils pour capturer et étudier la non-linéarité. Il existe un certain nombre d'expériences CFD utilisant la conception de surface de réponse et la conception de remplissage d'espace. La conception de remplissage d'espace est utilisée dans cet article en raison de la sortie déterministe de la méthode CFD18,19,20,21,22,23,24. McKay et al. ont présenté une méthode de conception appelée la conception latine d'hypercube (LHC)25, qui est la conception de remplissage d'espace la plus courante. Loeppky et al. ont constaté que l'utilisation de 10 fois le nombre de facteurs d'entrée pourrait avoir un meilleur résultat, qui est devenu une ligne directrice populaire maintenant26.

Les paramètres d'entrée sont le nombre et la corde des aubes directrices, et les paramètres de sortie sont le débit volumique d'air du ventilateur. Les expériences OFAT n'ont pas pu clarifier l'effet de mélange de deux facteurs sur la sortie. Par conséquent, nous avons construit un LHC à deux facteurs et divisé les deux paramètres d'entrée en 20 niveaux de facteurs régulièrement espacés dans le logiciel JMP27. La conception du LHC doit tenir compte des cas extrêmes, 3 et 22 sont considérés après de nombreuses simulations. Les points de conception sont indiqués dans le tableau 4. Selon l'expérience de simulation précédente, nous avons défini le nombre d'aubes directrices dans la plage de 3 à 22 et la valeur de changement de corde des aubes directrices dans la plage de - 70 mm ~ + 120 mm.

Afin de trouver les paramètres de conception optimaux, un modèle proxy pour la conception de remplissage d'espace hypercube latin est établi par le modèle de processus gaussien. Contrairement aux modèles polynomiaux d'ordre inférieur, qui définissent la forme du modèle avant l'analyse, les modèles de processus gaussien sont flexibles et peuvent être adaptés à des surfaces complexes. De plus, les modèles de processus gaussien sont interpolatifs et les résultats sont entièrement cohérents avec les observations expérimentales24. Sacks et al.28 ont développé le modèle du processus gaussien en 1989 et les formules sont présentées comme suit :

dans lequel \(z{(}{\mathbf{x}}{)}\) est un processus aléatoire normal avec covariance \(\sigma^{2} {\mathbf{R}}\).\(r_{ij}\) est le coefficient de corrélation. \(\theta_{s}\) (poids), \(\sigma\) (écart-type de la population) et \(\mu\) (moyenne) sont les paramètres du modèle à estimer, l'équation de prédiction est

où \(\hat{\theta }_{s}\), \(\hat{\sigma }\) et \(\hat{\mu }\) est l'estimation du maximum de vraisemblance de \(\theta_{s}\), \(\sigma\) et \(\mu\) respectivement. En outre,

qui contient les vecteurs de points de conception. La validation des Éqs. (1)–(4) se trouvent dans la littérature29.

Afin d'assurer la validité des résultats de simulation, le ventilateur d'origine a été simulé et vérifié par des expériences. La vitesse de l'air est collectée au centre de la sortie, qui est mesurée à travers le tube de Pitot. La vitesse expérimentale est de 7,5 à 11,3 m/s (moyenne de 9,4 m/s) et la vitesse simulée est de 9,8 m/s à 5000 tr/min. En outre, plus de points ont été sélectionnés comme indiqué sur la Fig. 4, les résultats comparés ont été présentés sur la Fig. 5 et les tables d'erreurs sont présentées dans le Tableau 5, qui montre que les résultats de la simulation peuvent être consultés et analysés.

Points de mesure.

La comparaison des résultats expérimentaux et des simulations. La vitesse des points de mesure a été obtenue par tube de Pitot, qui a une tendance similaire avec les résultats de calcul.

Les résultats de calcul tracés par la méthode du processus gaussien sont illustrés à la Fig. 6. Tout d'abord, la plupart des zones de la surface sont relativement plates et seule la région du bord fluctue considérablement, en particulier la région où le changement de corde des aubes directrices passe à une valeur négative. De plus, le point le plus élevé de toute la surface apparaît dans la région du bord, ce qui signifie que les meilleures valeurs peuvent être trouvées à l'extérieur de la surface. Par conséquent, une autre prédiction doit être effectuée.

Diagramme de surface par la méthode du processus gaussien.

Afin de vérifier la rationalité de la prédiction, le point extrême est obtenu grâce au graphe de prédiction (Fig. 7). On peut trouver sur la figure que plus la corde de l'aube directrice est longue, plus la perte le long de la conduite est élevée. Cependant, si les aubes directrices sont trop courtes, elles ne pourront pas corriger le flux d'air dévié, ce qui entraînera un faible volume d'air.

Courbe de prédiction des points extrêmes (première prédiction). Le débit volumique d'air est le plus élevé lorsque la valeur de changement de corde est de − 40,97 mm et le numéro de pale est de 22. La zone grise contient les résultats possibles. Le paramètre non représenté dans la première courbe (à gauche) est présenté dans la seconde, ce qui signifie que le changement de nombre de pales sur le débit volumique d'air est sous la même valeur de changement de corde, - 40,97 mm. Et le paramètre non représenté dans la deuxième courbe est présenté dans la première. Remarque : Volonté signifie un degré de satisfaction (Plus la valeur est proche de 1, meilleur est le résultat).

Le point extrême de la figure 7 est pris comme un nouveau point d'échantillon à placer dans l'ensemble de données d'origine pour la prédiction. En utilisant la méthode du processus gaussien, le nouveau point extrême est obtenu, comme illustré à la Fig. 8. Dans cette figure, la valeur maximale apparaît dans la région intérieure de la surface, ce qui peut prouver que la meilleure valeur se situe dans la plage sélectionnée. Cependant, l'apparition d'un nouveau point extrême indique que la prédiction précédente n'est pas suffisamment précise, de sorte que la méthode de recherche de point extrême suivante est adoptée, comme illustré à la Fig. 9.

Courbe de prédiction des points extrêmes (deuxième prédiction). Le débit volumique d'air est le plus élevé lorsque la valeur de changement de corde est de − 30,98 mm et que le nombre d'aubes est de 8.

Méthode de recherche de points extrêmes.

Après plusieurs prédictions en insérant de nouveaux points d'échantillonnage, il a pu être constaté que le débit volumique d'air est assez considérable lorsque la corde des aubes directrices est réduite de 20 à 40 mm et que le nombre d'aubes directrices est déterminé à 15–22. Après un examen approfondi du temps de calcul et des dépenses, le point de conception optimal dans cet article est déterminé comme DP [− 39,0, 18], ce qui signifie que la valeur de changement de corde et le nombre d'aubes directrices sont respectivement de − 39 mm et 18, et le débit volumétrique d'air est de 142,07 m3/h lorsque la vitesse de rotation est de 5 000 tr/min.

Le graphique du modèle de bord et le rapport du modèle des points de conception sont illustrés respectivement à la Fig. 10 et au Tableau 6. On a pu voir que la corde des aubes directrices joue un rôle prépondérant dans l'influence du volume d'air, et qu'elle a des interactions avec un autre paramètre.

Le graphique du modèle de bord des points de conception. Les points noirs sont des résultats de simulation de différents points de conception et les lignes bleues sont des résultats prédits. Le paramètre non représenté dans chaque figure n'est pas une constante. Le modèle de bord est obtenu en rassemblant directement les points de conception et les résultats de la simulation dans chaque figure.

On peut voir sur la figure 11 que sous le nombre optimal d'aubes, l'augmentation de la corde des aubes directrices augmente d'abord puis diminue le débit volumique d'air. La figure 12 est obtenue en post-traitant les quatre points de conception avec des débits volumiques d'air plus faibles, ce qui montre que lorsque la corde des aubes directrices n'est pas suffisante pour corriger la déviation du flux d'air, la collision du flux d'air dans le conduit d'air augmentera significativement (DP [− 70,13] et DP [− 60,21]). On peut également trouver sur la figure 11 que la forme des lignes de trajectoire est liée au débit volumique d'air, ce qui montre l'importance de la conception des aubes directrices pour les ventilateurs axiaux. Cependant, des aubes directrices plus longues peuvent entraîner une plus grande perte de résistance le long du trajet, ce qui entraîne une réduction du débit d'air.

Les courbes des entrées sur sortie au point optimal.

Les trajectoires de quatre points de conception sélectionnés.

Le nombre d'aubes directrices a également une certaine influence sur le débit volumique d'air. Les aubes directrices ne peuvent pas bien corriger la déviation du flux d'air lorsque le nombre d'aubes est trop petit (DP[120,3]). Mais l'espace pour le flux d'air à travers les aubes directrices sera réduit lorsque le nombre d'aubes est trop grand, ce qui entraîne une vitesse élevée du flux d'air et davantage de pertes de résistance le long du trajet, comme le montre la Fig. 13.

La distribution de vitesse des points de conception sélectionnés.

Divers points de conception sont calculés et analysés pour trouver les paramètres de conception optimaux par la méthode du processus gaussien. Sous 5000 tr/min, les effets de différents paramètres sur le débit volumique d'air sont analysés. Nos conclusions peuvent être résumées comme suit.

Le principe DOE pourrait fournir une méthode pratique pour identifier la relation entre les entrées et les sorties dans le processus optimal des aubes directrices ;

La corde des aubes directrices est le principal facteur affectant le débit volumique d'air, contrairement au nombre d'aubes;

L'étude optimale montre qu'en diminuant la corde des aubes de 38 mm et en augmentant le nombre d'aubes à 18, on pourrait obtenir de meilleurs résultats.

Les résultats présentés dans cet article pourraient fournir une méthode d'optimisation de référence pour les aubes directrices. Cependant, nos expériences et simulations ne sont menées que sur le ventilateur axial sélectionné.

À l'avenir, davantage de types de ventilateurs axiaux seront étudiés et la conception de l'aube directrice sera résumée pour former des recommandations d'optimisation plus complètes. De plus, la méthode d'optimisation sera améliorée en se référant à des méthodes plus avancées. Toutes les études fourniront des informations plus utiles pour l'optimisation de l'aube directrice.

Les ensembles de données générés et/ou analysés au cours de l'étude en cours sont disponibles auprès de l'auteur correspondant sur demande raisonnable.

La vitesse moyenne

Énergie cinétique de turbulence \(k\) et taux de dissipation spécifique \(\omega\)

Énergie cinétique de turbulence

La dissipation de \(k\) et \(\omega\) due à la turbulence

Le terme de diffusion croisée

Les termes sources

Les conditions de flottabilité

Énergie cinétique de turbulence \(k\) et taux de dissipation spécifique \(\omega\)

Processus aléatoire

Coefficient de corrélation

La fonction de performance inconnue

Fonction objectif ou fonction contrainte

Les variables de conception

Solutions de conception

Valeurs de réponse de la fonction

Le modèle des agents

Les valeurs de réponse connues de la fonction d'échantillon

La fonction de base des points connus

Un processus stochastique statique avec une moyenne nulle et une variance de \(\sigma^{2}\)

Points dans l'espace

La fonction de corrélation

La matrice des fonctions de base des points connus

La matrice de covariance des points

La matrice de covariance des points inconnus et des points connus

L'erreur des points connus

L'erreur des points inconnus

Densité (kg/m3)

Le taux de dissipation spécifique (le rapport de la dissipation de la turbulence \(\varepsilon\) à l'énergie cinétique turbulente \(k\))

La diffusivité effective de \(k\) et \(\omega\)

Covariance

Lester

Écart-type de la population

Moyenne

L'estimation du maximum de vraisemblance de \(\theta_{s}\), \(\sigma\) et \(\mu\) respectivement

Le facteur de pondération

Le poids de la fonction de base

La variance

La valeur propre

\({\hat{\mathbf{\lambda }}} = - \frac{{{\varvec{\uplambda}}}}{{2\sigma^{2} }}\)

\({{\varvec{\upbeta}}}^{*} = ({\mathbf{F}}^{T} {\mathbf{R}}^{ - 1} {\mathbf{F}})^{ - 1} {\mathbf{F}}^{T} {\mathbf{R}}^{ - 1} {\mathbf{y}}\)

\({{\varvec{\upgamma}}}^{*} = {\mathbf{R}}^{ - 1} ({\mathbf{y}} - {\mathbf{F\beta}}^{*} )\)

Conception d'expériences

Dynamique des fluides computationnelle

Conception d'hypercube latin

Groupe de renormalisation

Référentiel multiple

Point de conception

Zhang, K. Théorie des machines fluides (Beijing Machine Press, 2010).

Google Scholar

Vad, J. Effets aérodynamiques du balayage et de l'inclinaison des pales dans les rotors à flux axial à basse vitesse au débit de conception : un aperçu. Proc. Inst. Méca. Ing. Partie A J. Power Energy 222(1), 69–85. https://doi.org/10.1243/09576509JPE471 (2008).

Article Google Scholar

Hurault, J., Kouidri, S., Bakir, F. & Rey, R. Etude expérimentale et numérique de l'effet de balayage sur l'écoulement tridimensionnel en aval des ventilateurs à flux axial. Débit Mes. Instrument. 21(2), 155–165. https://doi.org/10.1016/j.flowmeasinst.2010.02.003 (2010).

Article Google Scholar

Aykut, BACAK, & Ünverdi, S. Ö (2016). Expériences et calculs CFD sur les performances d'un ventilateur axial non réversible.

Chen, S., Wang, D. & Sun, S. Optimisation des ventilateurs bioniques basée sur la méthode Taguchi. Ing. Appl. Calcul. Fluid Mech. 5(3), 302–314. https://doi.org/10.1080/19942060.2011.11015373 (2011).

Article Google Scholar

Li, H. Ecoulement entraîné par un ventilateur de refroidissement en métal embouti—Étude paramétrique sur les angles des pales. Ing. Appl. Calcul. Fluid Mech. 4(2), 222–236. https://doi.org/10.1080/19942060.2010.11015312 (2010).

Article Google Scholar

Wang, Z., Feng, Qu., Wang, Y., Luan, Y. & Wang, M. Recherche sur l'optimisation maigre et balayée d'un compresseur axial à un étage. Ing. Appl. Calcul. Fluid Mech. 15(1), 142–163. https://doi.org/10.1080/19942060.2020.1862708 (2021).

Article Google Scholar

Velarde, S. & Tajadura, R. Simulation numérique de la génération de bruit tonal aérodynamique dans un ventilateur centrifuge à pales incurvées vers l'arrière. J. Sound Vib. 295, 781–786 (2006).

Annonces Google Scholar

Cravero, C., & Marsano, D. (2018). Prédiction numérique du bruit tonal dans les soufflantes centrifuges. Dans Turbo Expo: Power for Land, Sea, and Air (Vol. 50985, p. V001T09A001). Société Américaine des Ingénieurs en Mécanique.

Chen, F., Zhu, G., Yao, B., Guo, W. & Xu, T. Analyse de la sensibilité des paramètres des extincteurs à éjection de sable basée sur les simulations de couplage DOE et CFD-DEM. Adv. Technologie Poudre. 33(9), 103719. https://doi.org/10.1016/j.apt.2022.103719 (2022).

Article Google Scholar

Chen, F., Zhu, G., Jing, L., Zheng, W. & Pan, R. Effets du diamètre et de la position d'ouverture du tuyau d'aspiration sur le véhicule de sauvetage d'excavation et d'aspiration pour la position biphasée gaz-liquide. Ing. Appl. Calcul. Fluid Mech. 14(1), 1128–1155. https://doi.org/10.1080/19942060.2020.1813204 (2020).

Article Google Scholar

Chen, F. et al. Analyse de sensibilité des paramètres des extincteurs à éjection de sable basée sur des expériences et des simulations de couplage CFD-DEM. Technologie Poudre. 395, 443–454. https://doi.org/10.1016/j.powtec.2021.09.077 (2022).

Article CAS Google Scholar

Chen, F. et al. Optimisation de la turbine d'un extincteur à éjection de sable basée sur des simulations CFD-DEM et un modèle de Krigeage. Adv. Technologie Poudre. 34(1), 103898 (2023).

Article Google Scholar

Menter, FR Modèles de turbulence de viscosité de Foucault à deux équations pour des applications d'ingénierie. AIAA J. 32(8), 1598–1605. https://doi.org/10.2514/3.12149 (1994).

Annonces d'article Google Scholar

Montgomery, DC Conception et analyse d'expériences (Wiley, 2017).

Google Scholar

Wu, CJ & Hamada, MS Expériences : Planification, analyse et optimisation Vol. 552 (Wiley, 2011).

MATH Google Scholar

Czitrom, V. Un facteur à la fois par rapport aux expériences conçues. Suis. Statistique 53(2), 126–131. https://doi.org/10.1080/00031305.1999.10474445 (1999).

Article Google Scholar

Simpson, J., & Landman, D. (2008). Essais en soufflerie à basse vitesse via des expériences conçues: défis et voies à suivre. En 2008, les Journées T&E de l'US Air Force (p. 1664). https://doi.org/10.2514/6.2008-1664

Landman, D., Simpson, J., Mariani, R., Ortiz, F. et Britcher, C. Conception hybride pour les essais en soufflerie d'aéronefs à l'aide de méthodologies de surface de réponse. J. Air cr. 44(4), 1214–1221. https://doi.org/10.2514/1.25914 (2007).

Article Google Scholar

Landman, D., Simpson, J., Vicroy, D. & Parker, P. Méthodes de surface de réponse pour une caractérisation aérodynamique efficace d'une configuration d'aéronef complexe. J. Air cr. 44(4), 1189–1195. https://doi.org/10.2514/1.24810 (2007).

Article Google Scholar

Anglais, TG, Simpson, JR, Landman, D. & Parker, PA Une approche de parcelle divisée efficace pour la modélisation des effets aérodynamiques non linéaires. Qual. Ing. 24(4), 522–530. https://doi.org/10.1080/08982112.2012.710164 (2012).

Article Google Scholar

Cutler, A., Danehy, P., Springer, R., DeLoach, R. et Capriotti, D. (2002). Thermométrie CARS dans une chambre de combustion supersonique pour la validation du code CFD. Dans 40th AIAA Aerospace Sciences Meeting & Exhibit (p. 743). https://doi.org/10.2514/6.2002-743

Hill, RR, Leggio, DA, Capehart, SR & Roesener, AG Examen de conceptions expérimentales améliorées pour les essais en soufflerie à l'aide des méthodes d'échantillonnage de Monte Carlo. Qual. Fiab. Ing. Int. 27(6), 795–803. https://doi.org/10.1002/qre.1165 (2011).

Article Google Scholar

Myers, RH, Montgomery, DC & Anderson-Cook, CM Méthodologie de la surface de réponse : Optimisation des processus et des produits à l'aide d'expériences conçues (Wiley, 2016).

MATH Google Scholar

McKay, MD, Beckman, RJ & Conover, WJ Une comparaison de trois méthodes pour sélectionner les valeurs des variables d'entrée dans l'analyse de la sortie d'un code informatique. Technometrics 42(1), 55–61. https://doi.org/10.1080/00401706.2000.10485979 (2000).

Article MATH Google Scholar

Loeppky, JL, Sacks, J. & Welch, WJ Choix de la taille de l'échantillon d'une expérience informatique : un guide pratique. Technometrics 51(4), 366–376. https://doi.org/10.1198/TECH.2009.08040 (2009).

Article MathSciNet Google Scholar

Sall, J., Stephens, ML, Lehman, A. & Loring, S. JMP start statistics: A guide to statistics and data analysis using JMP (Sas Institute, 2017).

Google Scholar

Sacks, J., Welch, WJ, Mitchell, TJ & Wynn, HP Conception et analyse d'expériences informatiques. Statistique Sci. 4(4), 409–423. https://doi.org/10.1214/ss/1177012413 (1989).

Article MathSciNet MATH Google Scholar

Cleaver, TA, Gutman, AJ, Martin, CL, Reeder, MF & Hill, RR Utilisation de méthodes de conception d'expériences pour la dynamique des fluides computationnelle appliquée : une étude de cas. Qual. Ing. 28(3), 280–292 (2016).

Article Google Scholar

Télécharger les références

Ce travail a été soutenu par le China Scholarship Council (CSC : 202206420073), la Fondation nationale des sciences naturelles de Chine (n° 52204254), les universités centrales sous subvention (n° 2022QN1010 et 2022QN1011) et la Fondation des sciences naturelles de la province du Jiangsu (n° BK20221124).

École d'ingénierie de la sécurité, Université chinoise des mines et de la technologie, Xuzhou, 221116, Chine

Fanbao Chen

Pékin Tianma Intelligent Control Technology Co., Ltd., Pékin, 101320, Chine

Guanzhang Zhu

École des ressources et des géosciences, Université chinoise des mines et de la technologie, Xuzhou, 221116, Chine

Danyang Xi

Collège des ressources, Université des sciences et technologies du Shandong, Tai'an, 271019, Chine

Suis Miao

Laboratoire national d'ingénierie pour le remblayage des mines de charbon, Université des sciences et technologies du Shandong, Tai'an, 271019, Chine

Suis Miao

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Conceptualisation, FC et DX ; méthodologie, FC et DX ; logiciel, CF ; validation, FC et DX ; analyse formelle, DX et BM ; enquête, DX et BM ; ressources, DX et BM ; conservation des données, DX et BM ; rédaction—préparation du brouillon original, FC ; rédaction—révision et édition, FC, DX et BM ; visualisation, FC et DX ; supervision, BM ; gestion de projet, BM ; financement acquisition, BM Tous les auteurs ont lu et accepté la version publiée du manuscrit.

Correspondance à Danyang Xi.

Les auteurs ne déclarent aucun intérêt concurrent.

Springer Nature reste neutre en ce qui concerne les revendications juridictionnelles dans les cartes publiées et les affiliations institutionnelles.

Libre accès Cet article est sous licence Creative Commons Attribution 4.0 International, qui autorise l'utilisation, le partage, l'adaptation, la distribution et la reproduction sur tout support ou format, à condition que vous accordiez le crédit approprié à l'auteur ou aux auteurs originaux et à la source, fournissez un lien vers la licence Creative Commons et indiquez si des modifications ont été apportées. Les images ou tout autre matériel de tiers dans cet article sont inclus dans la licence Creative Commons de l'article, sauf indication contraire dans une ligne de crédit au matériel. Si le matériel n'est pas inclus dans la licence Creative Commons de l'article et que votre utilisation prévue n'est pas autorisée par la réglementation légale ou dépasse l'utilisation autorisée, vous devrez obtenir l'autorisation directement du détenteur des droits d'auteur. Pour voir une copie de cette licence, visitez http://creativecommons.org/licenses/by/4.0/.

Réimpressions et autorisations

Chen, F., Zhu, G., Xi, D. et al. Optimisation du débit volumique d'air des aubes directrices dans un ventilateur à flux axial basé sur DOE et CFD. Sci Rep 13, 4439 (2023). https://doi.org/10.1038/s41598-023-31666-w

Télécharger la citation

Reçu : 22 novembre 2022

Accepté : 15 mars 2023

Publié: 17 mars 2023

DOI : https://doi.org/10.1038/s41598-023-31666-w

Toute personne avec qui vous partagez le lien suivant pourra lire ce contenu :

Désolé, aucun lien partageable n'est actuellement disponible pour cet article.

Fourni par l'initiative de partage de contenu Springer Nature SharedIt

En soumettant un commentaire, vous acceptez de respecter nos conditions d'utilisation et nos directives communautaires. Si vous trouvez quelque chose d'abusif ou qui ne respecte pas nos conditions ou directives, veuillez le signaler comme inapproprié.

Blog