降低通风机噪声的试验研究

本文介绍了在通风机内部结构上采取降低噪声的两种措施及试验研究结果.一种是对风机叶片的进、出气边作锯齿形处理,另一种是对风机叶片的出气边作仿生学处理.试验结果表明,锯齿形处理可降低A声级噪声2—5％,尤以齿距z=0.1b齿高h=0.1b的锯齿形处理为佳,试验结果还表明,“风机叶片的仿生学处理可以降低A声级噪声,降噪幅度在风量一定的条件下主要取决于仿生学处理的叶片相对长度。ΔL/L.上述方法是值得推广的降低通风机噪声的有效措施.     

空调风机叶道内旋涡流动分析及进气口偏心的影响

本文采用CFD方法,详细分析了空调用多翼离心风机叶道中的气流分布以及进气口偏心的影响。研究表明,风机叶道内存在大范围的气流分离现象。在后盘附近,存在分离现象的叶道约占2/3,主要分布在蜗壳内侧;而在“前盘”附近,几乎所有叶道都存在分离现象。在“前盘”附近,蜗舌下方的叶道中气流几乎停滞,蜗舌下游叶道为回流和尾缘旋涡所充满,至临近蜗壳出口侧,前缘旋涡逐步形成、发展并融合尾缘旋涡,最后衰减、消失。风机进气口向蜗壳内侧偏置适当距离, “前盘”附近叶道旋涡分布范围明显减小。     

风机气动力噪声与气动力设计问题

本文在综合国内外文献及我们对高效率、低噪声风机研制实践基础上,分析了轴流风机与离心风机的气动力噪声源,并从气动力设计角度提出关于降低噪声,提高效率的设计原则。     

噪声与振动控制研讨班在昆明举办

由中国环境保护产业协会噪声与振动控制委员会主办的噪声与振动控制研讨班于1997年3月25日至28日在昆明举办．来自北京、天津、上海、浙江、福建、广东、陕西、云南等省市的30名代表参加了研讨班．研讨班以中华人民共和国环境噪声污染防治法为重点，结合噪声与振动控制新技术、     

基于BP神经网络的风电机组钢混组合式塔架结构频率预测

风电机组塔架结构固有频率设计是风力发电结构体系设计的基础。针对风电机组新型钢混组合式塔架（“混塔”）结构固有频率传统理论计算和有限元法计算的不足,提出了基于BP神经网络算法进行频率预测的新方法。首先,利用有限元计算和分析,确定了训练模型的特征量和标签;然后,利用32个有限元计算样本,基于BP神经网络算法训练了可用于混塔结构频率分析的模型。经验证,该方法对混塔的一阶频率预测误差仅约为0.1%,具有很高的准确性;利用不同的样本集训练的模型也能快速准确预测混塔一阶频率,说明算法具有高度的稳定性;该方法还可用于预测混塔的多阶频率,结果仍显示出高度的准确性。此外,与基于有限元的频率计算相比,该方法具有突出的计算效率。整体上,本文提出的基于BP神经网络的混塔结构固有频率预测新方法,具有高度的可行性、精准性和高效性,可为风力发电机组塔架结构体系设计提供重要的指导。     

基于LiToSim平台的海上风机过渡段优化软件开发

针对海上风机过渡段结构,考虑风机多尺度优化模型和所受环境荷载采取极端情况下,引入双向渐进结构拓扑优化方法,以全局应力最小化为目标、体积为约束,对风机过渡段进行优化设计;并在自主研发的LiToSim平台基础上,嵌入风机优化数值计算程序,最终形成一款关于海上风机过渡段拓扑优化的定制化软件TUR/TOPT.借助定制化软件TUR/TOPT平台,对比过渡段传统柔度优化与应力优化结果,突显出应力优化在减材设计过程中结构应力明显降低且能有效避免应力集中等方面的优势;TUR/TOPT软件的生成在风机建设选型过程中具有重要指导价值.     

斜蜗舌对贯流风机内流的影响及降噪机制研究

本文提出采用一种新型的不等距蜗舌(这里统称为斜蜗舌)在提高风机的外特性性能的同时,相对降低噪声.通过试验与数值模拟,比较直叶片式,斜叶片式贯流风机分别用直蜗舌和斜蜗舌时内流、外特性及噪声频谱.采用三维Navier-Stokes方程和κ-ε两方程湍流模型对内部流场进行数值分析,发现与采用常规蜗舌的贯流风机不同的是斜蜗舌贯流风机偏心涡位置随着蜗舌间隙的变化而发生改变.本文旨在探讨斜蜗舌对贯流风机内流的影响及降噪的机制.     

基于敏感性分析降维的多翼离心风机叶轮优化设计

针对多翼离心风机内部流动分离严重、流动损失大及叶轮几何参数多等特点，本文以风机叶轮为对象，开展了几何参数化建模及基于敏感性分析降维，并在此基础上，通过建立包含拉丁超立方抽样法、支持向量回归(SVR)代理模型、混合自适应采样方法和遗传算法的高维高效优化方法，分别开展了效率单目标优化与效率–全压多目标优化设计。研究结果表明：对于风机效率，几何参数影响程度由大到小依次为叶轮内径、叶片出口角、叶轮外径、中盘位置、叶片进口角、叶片数、叶轮宽度、叶片厚度。单目标优化后风机最高效率点效率提高2.29%；多目标优化后效率提高1.91%，全压提升30.95 Pa。研究工作对于认识多翼离心风机内流机理、发展先进优化设计方法具有较重要的学术意义及工程应用价值。