基于ANSYS Workbench配氣滑閥多參數優化設計

梁 浩

(珠海格力電器股份有限公司，廣東 珠海 519070)

0 引言

氣動發動機是以高壓空氣在氣缸內膨脹做功，帶動活塞桿往返運動，為負載提供動力。配氣滑閥是整個配氣過程的核心部件，如圖1所示，進氣時氣缸活塞帶動滑閥閥桿運動，直至閥桿將進口關閉；當氣缸膨脹做功完畢后，活塞返回，同時帶動滑閥閥桿返回，完成一次配氣。在高壓氣體經過滑閥配氣的過程中，隨著配氣滑閥開度的減小，渦旋越大，造成的節流損失和能量耗散就越多。由于導桿的存在，使得導桿后部出現擾流。因此，滑閥進、出口和導桿是配氣滑閥造成能量損失較大的部位。由于節流損失不可能消除，所以通過閥體優化，盡可能地降低不可逆損失，從而提高配氣效率。

圖1 配氣系統結構圖

1 閥體的設計

閥體的設計主要參照換向閥的設計，并作適當修正，其主要是確定進氣口、出氣口、閥芯直徑。進、出口直徑d0：

(1)

其中：qs─閥的額定流量，m3/s；v0─閥進、出氣體的允許流速[1]。

D=(1.4～1.7)·d0

(2)

閥體的基本參數見表1。

表1 閥體的基本參數

閥桿設計與閥體配套，閥芯外徑確定，則閥桿的直徑與閥體閥芯外徑相等，閥桿對密封性有一定的要求，滑閥總體設計圖如圖2所示。

圖2 滑閥總體設計圖

2 配氣滑閥的優化

2.1 滑閥閥芯的參數化模型

由于節流作用，流體通過通流截面時，氣體速度增加，在拐角形成渦旋，造成能量耗散。因此，在閥芯進口和出口增加圓角導流，讓氣流以最小阻力經過閥芯通道。同時，為了消除導桿的能量損失，將不采用導桿形式，圖3為改進滑閥的結構示意圖。

圖3 優化前后滑閥的三維圖

其中閥芯腰孔的形狀及尺寸如圖4所示。

(1)土壤水中離子濃度。離子濃度越低，潛在破壞風險越高。分散性土在離子濃度很低時，是最容易被水侵蝕的，如雨水。

圖4 腰孔示意圖

腰孔的半徑R和H決定了腰孔的大小，L的長度決定了進出口圓角的傾斜度和大小。腰孔省去了原來滑閥內部的導桿，徹底消除由導桿造成的能量損失。同時在進出口采用倒圓角，實現氣流平滑流入和流出，盡可能減小損失。將上述參數R、H和L作為滑閥優化的可變參數，運用Workbench的參數化建模和優化設計，實現滑閥的多參數優化設計。

2.2 基于Workbench的系統優化

在ANSYS Workbench中，產品性能的優化設計是通過Design Explorer來實現的。Design Explore 主要是在產品設計生產之前分析產品對性能的不確定因素，盡可能地提高產品的性能。

在Workbench的Design Modeler中，進行配氣滑閥的參數化建模，取R、H和L為可變參數。在CFD的后處理軟件中，將相應的輸出參數通過設置作為優化的目標參數。本文主要是研究配氣系統配氣過程的能量損失，因此采用滑閥進出口壓差和滑閥的熵增為優化目標參數，在CFD Post中定義滑閥進出口壓差和配氣滑閥熵增的表達式，并通過Use as Workbench Output Parameter 將其作為DX的輸出參數，表達式如下：

Pressuredrop=ave(StaticPressure)@interface2-ave(StaticPressure)@interface2 Entropy=1006[Jkg^-1K^-1]*ln((areaAve(Temperature)@interface1)/(areaAve(Temperature)@interface2))+287[Jkg^-1K^-1]*ln((areaAve(Pressure)@interface1)/(areaAve(Pressure)@interface2))

2.2.1 響應曲面的優化

在Design Explore中，可以根據需要觀察到輸入參數的影響，它們都是通過響應曲面的形式來反映輸入輸出參數之間的相互關系(即響應圖標)，它支持實驗數據法。運算結束后，響應曲面曲線的擬合是通過設計點完成的。

響應曲面是基于輸入參數的數目，通過一定數目的設計點建立的。通過實驗設計或DOE的具體方法，可以產生具體的設計點和設計點的個數。將這些點通過Fluent求解，根據參數可以擬合出輸出結果的響應曲面，并保證不存在“硬”解。響應曲面的輸入參數對應的輸出值是連續變化的，并不是離散的賦值，具有較強的適應性。

滑閥確定性分析的參數變化如下：

R：3 to 4

H： 1 to 3

L： 4.5 to 5.5

DOE法不指定具體參數使用點的數目，而是通過具體方法將提供有用的點。擬合曲面可以通過設計點來擬合，而且設計點的數目越多，擬合的曲面精度越高，越準確，但計算的時間也越多。在Design of Experiments中生成10個設計點，如表2所示，并對10個設計點進行模擬。

表2 生成的設計點

完成對以上10個設計點的模擬后，就能夠得到3個輸入參數(最大值和最小值之間)中任意值與其對應的輸出參數的一個評估。評價響應的主要方法有以下三種。

1)響應圖

2D響應圖表示某一個參數與輸出參數的變化關系，3D響應圖表示任意兩個輸入參數與輸出參數的變化關系。圖5為R、L、H分別與熵增的變化關系曲線，圖6為參數R、L、H中任意兩個參數所對應的熵增變化。

圖5 熵增與R、L、H的二維響應

圖6 熵增與R、L、H的三維響應圖

從圖5可以看出，可變參數R、L、H隨優化目標熵增的變化情況。輸入參數R、L隨著尺寸的增大，有一小段熵增呈下降趨勢，緊接著隨著輸入參數尺寸的增加逐漸增大，R在3.9 mm，L在5.4 mm時顯示出下降的趨勢。H隨著尺寸的增大先減小，后逐漸增加，在2.5 mm時有明顯的下降趨勢。

圖6顯示了R、L、H兩兩配合，對熵增的影響變化情況。但基本顯示得出一個趨勢，大尺寸的配合會產生很大的熵增，同時，小尺寸的配合并非熵增最小。因此，其三者之間的配合應該有最佳值，使得熵增最小，能量損失最小。

2)局部靈敏度(Local sensitivity)

局部靈敏度是通過對比設計變量的變化情況，得出變量對輸出參數的靈敏程度。如圖7所示，參數R、H對壓差的靈敏度為負值，說明該參數對壓力無影響，壓差主要依賴于L的尺寸大小。R、H、L對熵增靈敏度為正值，因此三個參數對熵增都有影響，且L的尺寸熵增的影響最顯著。

圖7 響應點局部靈敏度圖

3)蛛狀圖(Spider chart)

蛛狀圖是將所有的輸出參數和其變化規律在一個簡圖上表示。

圖8 蛛狀圖

2.2.2 目標驅動優化

通過目標驅動優化工具，可以找到最佳位置的響應曲面。目標驅動優化是一種確定目標、從一組給定的設計點中得到最佳設計點的優化技術。在目標驅動優化設計中，首先設定輸入參數和輸出參數的變化范圍及設計點數目，然后指定設計參數的重要性，生成具有一定數目設計點的樣本，最后通過篩選得到一個最佳的設計樣本作為最終優化結果。

設置優化目標：

最小化Pressuredrop(壓差)并將其重要性設為“Higher”；

最小化Entropy(熵增)并將其重要性設為“Higher”；

將R、H、L的尺寸保持最小。

完成上述設置，在特性中選擇“Screening”(篩選)作為20個設計樣本的優化處理方式。通過分析計算，最終得到了三個候選設計，并標記了星號等級(星號越多越好)，如圖9所示。

圖9 候選設計標記圖

在20個樣本點中，相比其他候選項，A是本例中的最佳設計樣本。平均壓降達到了83175 Pa，而最小熵增達到了0.950 J/kg·K。這種情況下的R、L、H分別是3.405 mm，4.502 mm，1.967 mm，即進、出口倒角為35.5°。

權衡圖代表了在目標驅動優化中使用的樣本組，如圖10所示為該目標驅動優化的權衡圖。

權衡圖中通過不同方塊表示與設計目標的匹配程度，深色的表示好，點狀的表示差。圖形提供了關于輸出參數的大量信息，通過圖10，很明顯，0.077 MPa的壓降對應了一個1 J/kg·K的熵增，但是要用一個0.1 MPa壓降實現同樣的熵增是不可能的。

運用選定的最佳候選輸入值，通過Fluent軟件完整地模擬該種滑閥運動過程中配氣系統的氣動力特性，得到最終的結果，與響應面的預測精度進行比較。通過對最佳設計點A進行全面的Fluent計算，給出了更新后的值，它們與響應面得到的預測值有很好的吻合。其中由響應曲面得到的預測值為平均壓降Press=0.083 MPa和熵增Entropy=0.950 J/kg·K，而最佳設計點更新后的值為0.0836 MPa和0.929 J/kg·K，兩者誤差率分別為0.7%和2.21%，兩者吻合的非常好。

3 優化后配氣系統的數值模擬

3.1 邊界條件設定

本文主要研究配氣過程中，在不同滑閥開度下，配氣系統的氣動力特性，即整個過程中的流場、壓力場、溫度場、速度場和熵增的變化情況。因此，為了準確地研究該變化過程，模型采用了動網格，并采用非穩態求解。模擬中邊界條件的基本設置如下：

1)運用Fluent求解器選擇非穩態設置，即Transient。由于進氣壓力高，壓力梯度較大，氣體流速快，求解器選用適用于高速可壓縮流動的耦合隱式求解器，湍流模型采用單方程(Spalart-Allmaras)模型，該模型適用于計算壓力梯度較大的氣體流動，具有非常好的效果。

2)材料選用可壓縮的理想氣體，即ideal-gas，其中粘度(Viscosity)設置為Sutherland，即其遵循薩蘭德定律。

3)氣流進口：采用壓力進口邊界條件，進口壓力為10 MPa，溫度300 K。

4)環境條件：壓力為標準大氣壓，溫度為300 K，壁面絕熱。

5)滑閥及氣缸活塞的運動采用動網格(Dynamic Mesh)技術實現。為了滿足整體的要求，將Smothing、Layering、Remeshing等合并使用，生成高質量的網格，避免負體積的出現。滑閥和氣缸壁的運動采用UDF實現[2]。

3.2 不同開度下的壓力云圖

將配氣滑閥進行優化設計，選取最佳設計點進行全面的數值模擬，得到不同開度下配氣系統的壓力云圖，如圖11所示。從壓力云圖可以看到，整個配氣過程比原來流暢，因為腰孔的直通道代替了原來滑閥的導桿，減少了阻力及擾流，同時整個配氣系統的壓力分布均勻，尤其是氣缸中的壓力。在滑閥關閉時，氣缸內的壓力達到9.069 MPa，比優化之前的8.936 MPa提高了1.49%。

3.3 不同開度下的熵增云圖

選取最佳設計點進行全面的數值模擬，得到不同開度下配氣系統的熵增云圖，如圖12所示。從圖中可以看到，不同開度下的最大熵增比優化前都小。在全開到開度=3.14 mm期間，滑閥內部的熵增非常小，最大時達到0.87 J/kg·K，隨著開度的逐漸減小，熵增有所增加，開度越小，熵增越明顯，但在近乎關閉時熵增為3.07 J/kg·K，比優化前的7.91 J/kg·K減小了61.2%。

圖13為優化前后滑閥內部的熵增，很明顯，優化后的滑閥，其內部熵增在不同開度下都比優化前小很多，隨著開度的增加，熵增逐漸增大，其增大其實非常明顯，這與優化前有很大不同，主要原因是優化前的滑閥內部有導桿，同時節流作用影響較大，但優化前的滑閥內部熵增在開度=1.5 mm后也表現出了同樣的趨勢。

圖11 優化后不同開度下配氣系統壓力云圖

圖12 優化后不同開度下配氣系統熵增云圖

圖13 優化前后滑閥內部熵增

3.4 不同開度下的速度矢量圖

圖14為開度=1.8 mm和開度=0.9 mm兩種開度下配氣過程的速度矢量圖。從圖中可以看到，在進口節流處的節流效應沒有明顯的減弱，出口節流口的節流效應由于倒角的存在，使流體平滑流出，節流得到了減弱，因此整個滑閥的損失減小，達到了優化的目的。

圖14 優化后不同開度下配氣系統速度矢量圖

3.5 配氣過程的流量和氣缸推力

圖15為優化前后不同開度下的進氣流量，從圖中可以看到，流量的變化趨勢都是從最大流量隨著開度的不斷減小而減小，直至為0。優化前后流量變化的趨勢基本一致，優化后的進氣流量比優化前的進氣流量小。

圖15 優化前后不同開度下進氣流量

圖16為優化前后不同開度下氣缸的推力，兩者趨勢基本一致，先逐漸增大，達到最大值，然后隨開度減小而減小。很顯然，優化后氣缸的最大推力達到2009.50 N，推力比優化前大，而且變化平緩，同時由于優化后的流量比優化前小，因此也證明了優化后的氣體損失減小，優化取得了一定的效果。

圖16 優化前后不同開度下氣缸推力

4 小結

1)通過響應曲面優化和目標驅動優化，得到了在配氣過程中能量損失最小的配氣滑閥的結構和內部尺寸。與優化前相比，進氣結束后氣缸的壓力為8.936 MPa，提高了1.49%，滑閥內部熵增減小了61.2%，最大程度地降低其不可逆損失，提高了配氣效率。

2)對于高壓氣體數值模擬，剛開始壓力梯度較大，時間步長要非常小。到一定時間步，為了加快求解速度，將時間步長加大，雖提高了求解速度，在一定程度上影響了模擬的精確性。

3)優化設計中的設計點是Workbench中的優化設計軟件選取的，由于其受到計算機硬件和計算時間的影響，選取的設計點不多。在后續研究中可以選取更多的設計點或者運用遺傳算法進行優化，增加優化的準確性。