بهينه‌سازي هندسي جريان مغشوش درون ديفيوزرهاي حلقوي با استفاده از ديناميك سيالات محاسباتي و مدل‌سازي تقريبي

Geometry optimization of turbulent flow inside annular diffusers by CFD analysis and surrogate modeling

به منظور ارزيابي اثر مدل‌هاي توربولانسي در پيش‌بيني ساختار جريان با گراديان فشار معكوس، معادلات ناوير استوكس رينولدز متوسط در حالت دايم براي يك ديفيوزر حلقوي تقارن محوري حل شدند. پس از انتخاب بهترين مدل توربولانسي شيوهاي براي بهينهسازي شكل ديفيوزرهاي حلقوي ارايه شده است. هدف حداكثر كردن عملكرد ديفيوزر يا به عبارت ديگر افزايش بازيابي فشار درون ديفيوزر بر اساس بهينهسازي هندسه است. روش بهينهسازي مبتني بر طراحي ديواره يك ديفيوزر حلقوي با نسبت سطح و طول ثابت ميباشد. در الگوريتم توسعه يافته از نرمافزار انسيس فلوينت براي تحليل هيدروديناميكي و از مدل‌سازي تقريبي و يك شيوه بهبود مورد انتظار براي بهينهسازي استفاده شده است. از اسپلاين نربز براي نمايش شكل ديواره ديفيوزر با دو تا ده متغير طراحي استفاده شده است. به منظور مديريت زمان حل مساله، از مدل تقريبي كريگينگ به عنوان مدلي جهت پيش‌بيني پاسخهاي حل دقيق استفاده شده است. با اعمال فرمانهاي كنترلي از طريق نرمافزار مت‌لب، نرمافزار ديناميك سيالات محاسباتي و مدل كريگينگ براي اجراي كاملاً خودكار با يكديگر تركيب شدهاند. به منظور برقراري توازن بين جستجوي محلي و سرتاسري از معيار نمونه تطبيقي استفاده شده است. با توجه به نتايج حل، طراحي بهينه يك بهبود عملكرد منطقي را در مقايسه با طراحي اوليه نشان ميدهد.

In order to assess the effect of turbulence models in prediction of flow structure with adverse pressure gradient, steady state Reynolds-averaged Navier-Stokes (RANS) equations in an annular axisymmetric diffuser are solved. After selecting the best turbulence model, an approach for the shape optimization of annular diffusers is presented. The goal in our optimization process is to maximize diffuser performance and, in this way, pressure recovery by optimizing the geometry. Our methodology is the optimization through wall contouring of a given two-dimensional diffuser length and area ratio. The developed algorithm uses the CFD software: Fluent for the hydrodynamic analysis and employs surrogate modeling and an expected improvement approach to optimization. The non-uniform rational basic splines (NURBS) are used to represent the shape of diffuser wall with two to ten design variables, respectively. In order to manage solution time, the Kriging surrogate model is employed to predict exact answers. The CFD software and the Kriging model have been combined for a fully automated operation using some special control commands on the Matlab platform. In order to find a balance between local and global search, an adaptive sample criterion is employed. The optimal design exhibits a reasonable performance improvement compared with the reference design.