A. Clarich, G. Mosetti, V. Pediroda, C. Poloni
Transcript
A. Clarich, G. Mosetti, V. Pediroda, C. Poloni
A. Clarich, G. Mosetti, V. Pediroda, C. Poloni 1 OTTIMIZZAZIONE SPERIMENTALE E NUMERICA DI UNA VOLUTA A SPIRALE DI UN VENTILATORE CENTRIFUGO MEDIANTE L’USO DI ALGORITMI EVOLUTIVI E STRUTTURE ADATTATIVE Alberto Clarich, Giovanni Mosetti, Valentino Pediroda, Carlo Poloni Università degli Studi di Trieste Dipartimento di Energetica SOMMARIO Dopo una breve introduzione sulle funzioni della cassa a spirale di un ventilatore centrifugo, analizziamo la struttura sperimentale e il modello numerico che sono stati preparati per studiare l’influenza sulle prestazioni del ventilatore di differenti forme della cassa. Riportiamo poi i risultati ottenuti attraverso le due ottimizzazioni, una sperimentale e una numerica, che sono state condotte mediante l’impiego di un algoritmo evolutivo. Osserveremo dapprima come le prestazioni della macchina siano migliorate progressivamente durante lo studio, e poi come sia stato possibile scoprire due configurazioni della cassa a spirale caratterizzate da prestazioni particolarmente elevate, le quali si prestano per alcune considerazioni finali sullo studio condotto. 1. INTRODUZIONE La funzione principale della cassa a spirale di un ventilatore centrifugo, o più in generale di una turbomacchina a deflusso radiale, è quella di convogliare il flusso in uscita dalla girante verso la tubazione di mandata minimizzando le perdite di energia (Osborne, 1977). Nel perseguire questo obiettivo il progettista deve tenere presenti, oltre alle esigenze operative della macchina, esigenze costruttive e di costo. Così nella ricerca della cassa a spirale migliore dovrà: - perseguire una graduale e non eccessiva trasformazione dell’energia cinetica del fluido in energia di pressione statica mantenendo una distribuzione possibilmente costante della pressione statica sulla periferia della girante, al fine di non alterare troppo la circolazione palare, - trovare delle sezioni di deflusso con minima perdita di attrito, adattare per quanto possibile le pareti alle traiettorie libere del fluido per ridurre al minimo i moti secondari trasversali nelle sezioni di deflusso. Le prestazioni di una turbomacchina a deflusso radiale, in termini di caratteristica e rendimento, possono essere influenzate dalla forma e dallo sviluppo della voluta a spirale. Specialmente in applicazioni in cui sono coinvolte grandi potenze è richiesta particolare cura nel progetto di questo componente. Nel caso di ventilatori centrifughi, spesso per ragioni costruttive, di ingombro e di costo, si adottano casse a geometria semplificata. In questo lavoro si affronta il progetto di una cassa a spirale per un ventilatore centrifugo caratterizzato da una girante con canale palare a pareti parallele. Lo studio è rivolto ad una cassa a sezione rettangolare, che è la forma più frequentemente impiegata in questo tipo di macchina , e viene affrontato con due metodologie, una sperimentale e una numerica. In entrambi gli approcci si opera tuttavia con lo stesso processo di ottimizzazione basato sull’impiego di algoritmi evolutivi e in particolare dell’algoritmo genetico. Nel progetto per via numerica si ricorre ad una simulazione 3d viscosa del deflusso utilizzando il codice commerciale Star Cd, mentre in quello sperimentale si fa uso, grazie alla bidimensionalità della cassa, di una semplice struttura adattativa realizzata appositamente. Il processo di ottimizzazione prevede l’impiego di un algoritmo genetico in grado di proporre allo studio diverse configurazioni della cassa, le quali vengono rappresentate attraverso la struttura adattativa o il modello numerico. Per ciascuna configurazione siamo in grado di determinare le prestazioni ad essa relative e, una volta comunicata all’algoritmo la bontà o “fitness” di ciascuna configurazione, questo elabora una nuova generazione di individui caratterizzati da fitness mediamente più alti. 1 2 56° Congresso Nazionale ATI Per quanto riguarda gli obiettivi considerati nell’ottimizzazione, si è cercato di trovare una voluta a spirale in grado di massimizzare le prestazioni della macchina in tre diversi punti della sua curva caratteristica: nella condizione corrispondente alla massima pressione di mandata, in quella corrispondente al massimo rendimento e in quella corrispondente alla massima portata. 2. STRUTTURA ADATTATIVA Nella figura 1 è riportato un disegno complessivo della struttura sperimentale che è stata costruita per realizzare le diverse configurazioni del profilo esterno della cassa a spirale proposte dall’algoritmo evolutivo durante il processo di ottimizzazione. L’idea fondamentale è quella di ottenere la forma della cassa mediante la deformazione di un nastro in acciaio armonico ad opera di 10 perni, ai quali il nastro è vincolato in modo scorrevole, e che possono muoversi liberamente in altrettante scanalature praticate sul fondo della cassa. Il nastro è vincolato ad un’estremità mentre è libero di uscire dall’altra, ed è mantenuto in tensione tramite un sistema composto da tre carrucole e un contrappeso. Nella figura possiamo osservare come il nastro si adatti alla posizione dei perni scorrendo all’interno di guide ricavate sugli stessi, e come in questo modo possa assumere diverse forme, mantenendo una buona curvatura in virtù della sua rigidità. La possibilità di uscire sul fondo della cassa consente poi la rappresentazione di casse aventi sviluppi di diversa lunghezza. Il movimento dei perni è reso possibile grazie a 10 attuatori collocati sul retro della cassa e collegati a un terminale di controllo. Ogni attuatore è costituito da un motore passo passo il quale, attraverso un sistema di trasmissione a cinghia, determina la rotazione di una vite di manovra e la conseguente traslazione di una madrevite a cui è solidale il perno. Ogni singola configurazione da rappresentare è definita in modo univoco da un codice di 10 numeri interi, compresi tra 0 e 8, ciascuno dei quali rappresenta la posizione di un perno lungo la propria scanalatura, essendo 0 la posizione più vicina alla girante e 8 quella più distante. Le corse dei perni non sono uguali tra loro ma variabili dal primo perno con 80 mm all’ultimo con 280 mm. Quando l’algoritmo genetico fornisce il codice relativo a una configurazione da rappresentare, il terminale di controllo attiva automaticamente i motori passo passo in modo da portare ogni perno alla propria posizione richiesta. A questo punto è possibile eseguire la misura delle prestazioni utilizzando tre diaframmi di diversa apertura e un sistema automatico d’acquisizione delle misure. La pressione e la portata sono rilevate tramite un trasduttore di pressione collocato in prossimità della parte terminale della tubazione di mandata, mentre la potenza assorbita è rilevata tramite una cella di carico posta sul braccio della dinamo che aziona l’albero motore. I segnali rilevati da tali strumenti sono amplificati e diretti ad un terminale il quale fornisce in uscita i valori adimensionalizzati della pressione, della portata e del rendimento relativamente alle condizioni di carico considerate come obiettivi dell’ottimizzazione. Il ciclo si chiude comunicando le prestazioni relative ad ogni individuo studiato all’algoritmo genetico, che procederà ad elaborare una nuova generazione di individui, cioè un nuovo gruppo di profili da conferire alla “spirale” della cassa. A. Clarich, G. Mosetti, V. Pediroda, C. Poloni 3 1 2 1-nastro in acciaio armonico 2-perno Fig. 1 - Disegno complessivo della struttura adattativa 3 4 56° Congresso Nazionale ATI 3. MODELLO NUMERICO Nella figura 2 possiamo osservare un’immagine relativa alla mesh realizzata con lo Star Cd per simulare il flusso dell’aria all’interno del ventilatore. Il deflusso è stato considerato come stazionario mentre il modello di turbolenza utilizzato è quello k-ε. Possiamo notare come anteriormente alla cassa sia presente una zona conica d’aspirazione, la quale aiuta a simulare l’aria in ingresso al ventilatore. Nella sezione più esterna si è imposta una condizione al contorno di pressione totale costante e pari a quella atmosferica, al fine di simulare le condizioni di flusso indisturbato a monte. Nella zona centrale sono presenti invece i canali palari, aventi la stessa geometria di quelli del modello sperimentale, e separati tra loro da una serie di “baffles”, ovvero celle adimensionali, con le quali si simulano le pale. Nei calcoli fluidodinamici, per quanto riguarda le celle interne ai canali palari, vengono prese in considerazione le forze d’inerzia dovute alla rotazione della girante. La geometria della cassa è invece definita da una curva polinomiale che è vincolata a passare per 10 punti base le cui coordinate possono variare, definendo in tal modo 9 possibili posizioni per ciascun punto. Fig 2 - Veduta del modello numerico Com’è avvenuto per l’ottimizzazione sperimentale, anche in quella numerica è quindi possibile definire una singola configurazione mediante un codice di 10 numeri, e ricorrendo a un programma di gestione dei processi capace di costruire una mesh parametrica è possibile lanciare in modo del tutto automatico una serie di processi relativi a diverse configurazioni della cassa. Nella figura 2 possiamo ancora notare come in uscita dalla cassa sia presente un tratto di tubazione nel cui interno è collocata una serie di ostacoli realizzati ancora tramite “baffles”. La funzione di questi ostacoli è quella di simulare, a seconda del loro numero e delle loro dimensioni, diverse condizioni di carico del ventilatore, e consentire in questo modo di verificare le prestazioni della macchina nelle condizioni relative alla massima pressione, al massimo rendimento e alla massima portata, analogamente a com’è avvenuto nell’ottimizzazione sperimentale. Quando l’algoritmo genetico fornisce i codici relativi a una generazione di nuovi individui, il programma di gestione lancia una serie di processi, ciascuno relativo a una diversa configurazione e a una diversa condizione di carico, e una volta terminati i calcoli lo stesso programma ricava dalle opzioni di post-processing le prestazioni necessarie per determinare la fitness del singolo individuo. Per quanto riguarda il calcolo del rendimento lo Star Cd non dispone di un comando per il suo calcolo diretto, ma è possibile ricavarlo mediante la conoscenza del campo delle pressioni in corrispondenza delle pale, grazie al quale si risale alla coppia e quindi alla potenza assorbita dalla girante. Anche in questo caso, una volta rilevate le prestazioni relative ad ogni individuo, queste vengono comunicate all’algoritmo genetico che è così in grado di elaborare una nuova generazione di individui. A. Clarich, G. Mosetti, V. Pediroda, C. Poloni 5 4. RISULTATI DELLE OTTIMIZZAZIONI In una metodologia di progetto basata sull’algoritmo genetico è importante considerare delle generazioni composte da un numero adeguato di individui, che sia cioè sufficiente ad esplorare tutti i diversi tipi di configurazione della cassa, dalle più grandi alle più piccole, dalle più regolari a quelle più irregolari. Per questo motivo, dall’esperienza acquisita su altri studi analoghi, è parso opportuno considerare una serie di generazioni costituite ciascuna da 60 individui, la prima delle quali viene generata casualmente. In entrambe le ottimizzazioni gli individui appartenenti alla prima generazione sono stati tutti sperimentati e rispettivamenti calcolati uno ad uno, mentre nelle generazioni successive il calcolo e la sperimentazione sono stati integrati con il ricorso alla rete neurale (Poloni et al., 1998). La rete è in grado di estrapolare mediante funzioni matematiche opportunamente pesate le prestazioni di alcuni individui basandosi su quelle di altri, per cui è sufficiente rappresentare col modello numerico o quello sperimentale un numero molto inferiore di individui. Nel nostro caso è stato possibile studiare direttamente soltanto dai 10 ai 15 individui per ogni generazione, e ciò ha consentito una notevole riduzione dei tempi dedicati allo studio. In ogni caso abbiamo considerato per l’ottimizzazione sperimentale 27 generazioni, mentre per quella numerica, caratterizzata da tempi più lunghi, ne sono state considerate soltanto16. psi 0,8 0,48 0,79 0,47 0,78 0,46 0,77 0,45 0,76 0,44 0,75 0,43 0,74 0,42 psi fi fi 0,41 0,73 0 5 10 15 0,12 0,119 0,118 0,117 0,116 0,115 0,114 0,113 0,112 0,111 0,11 1) 0 20 5 generazione fi eta 10 15 generazione 20 psi 0.42 0.41 0.4 psi 0.39 eta 0.38 0.37 0.36 0.35 2) 0.122 0.12 0.118 0.116 fi eta eta 0.114 0.112 0.11 0 5 10 15 20 25 30 generazione Fig. 3 - Andamento dei valori medi dei tre obiettivi considerati per ogni generazione nell’ottimizzazione numerica (1) e sperimentale (2) 5 6 56° Congresso Nazionale ATI Nella figura 3 possiamo notare l’andamento dei valori medi degli obiettivi considerati per ogni generazione, nel primo grafico per ciò che riguarda l’ottimizzazione numerica e nel secondo per ciò che riguarda quella sperimentale. Possiamo notare innanzitutto che le differenze tra le prestazioni di diverse configurazioni non sono molto grandi, ma ciononostante si può riscontrare l’andamento crescente dei valori degli obiettivi di generazione in generazione. Lo studio delle generazioni è stato sospeso quando si è trovata una certa stabilità dei risultati tra generazioni successive, e possiamo affermare che entrambe le ottimizzazioni hanno avuto buon esito, avendo portato a scoprire delle configurazioni della cassa a spirale caratterizzate da prestazioni più elevate di quelle della prima generazione da cui siamo partiti. L’ottimizzazione sperimentale è stata più rapida vista l’efficacia della struttura adattativa e del sistema d’acquisizione delle misure, ma ha richiesto un particolare impegno e una continua presenza, dal momento che ogni più piccolo errore nella rappresentazione delle configurazioni e nell’esecuzione delle misure avrebbe potuto falsare i risultati. L’ottimizzazione numerica ha richiesto tempi di calcolo più lunghi, ma una volta preparato il modello numerico e il programma di gestione, lo studio è avvenuto in modo del tutto autonomo senza mai richiedere l’intervento dell’operatore. Inoltre, mentre l’ottimizzazione sperimentale poteva essere parzialmente influenzata dal “rumore”, ovvero dal problema della ripetibilità delle configurazioni e delle misure, quella numerica non ha risentito di questo inconveniente. 5. CONSIDERAZIONI FINALI Tra tutte le configurazioni dei profili di cassa che sono stati esplorati, ne abbiamo scelti due caratterizzati da valori particolarmente elevati delle prestazioni. Nella figura 4 possiamo osservare la forma dei due profili, il più grande dei quali è stato ottenuto mediante l’ottimizzazione numerica mentre l’altro, tratteggiato in figura, è stato ottenuto con l’ottimizzazione sperimentale. Osservando le relative curve delle prestazioni nella figura 5, si possono osservare due fatti interessanti. Innanzitutto possiamo vedere che la differenza tra le prestazioni non è molto elevata, e questo fatto è stato riscontrato in tutte le configurazioni caratterizzate da una forma a spirale regolare del profilo. D’altra parte possiamo invece notare come la dimensione della cassa influenzi le prestazioni del ventilatore. Infatti, come possiamo vedere dalle figure 4 e 5, tanto più grande è la cassa e tanto maggiore è la portata corrispondente al massimo rendimento. Questo significa che non è possibile trovare una cassa a spirale che sia migliore delle altre, ovvero che funzioni con alti valori del rendimento per un vasto campo di portate, ma bensì è necessario progettare una cassa che sia adatta alla particolare condizione di progetto. Infine, per verificare la validità del modello numerico, è stato effettuato un confronto tra il campo di velocità ottenuto mediante lo Star Cd relativamente ad una delle configurazioni ottimali e il campo rilevato sperimentalmente sulla stessa configurazione mediante l’impiego di un velocimetro laser LDV (Laser Doppler Velocimetry). Nella figura 7 è rappresentato questo confronto (osserviamo che le misure sperimentali sono state eseguite per semplicità soltanto all’interno della cassa, mentre il modello numerico ci fornisce anche il campo interno alla girante), dal quale si può notare come ci sia una certa corrispondenza tra il campo numerico e le misure sperimentali. Questo garantisce la validità del modello numerico, e ci suggerisce che per studi di questo tipo, considerando la maggior semplicità, la maggior flessibilità e il minor costo, l’approccio numerico è complessivamente più conveniente. Facciamo notare che nella prima immagine (a) della figura 7, i dati relativi alle misure laser sono stati rappresentati mediante il post-processor di StarCd, il quale consente di importare un file contenente dati numerici, corrispondenti alle misure effettuate punto per punto. Nella seconda immagine (b), invece, il campo di moto visualizzato mediante lo stesso post-processor è quello corrispondente ai risulati del calcolo numerico. Allo scopo di dimostrare come il flusso all’interno della voluta a spirale sia regolare, riportiamo infine nella figura 8 l’andamento delle componenti meridiane e tangenziali della velocità in quattro sezioni della voluta (la posizione di queste sezioni e’ riportata nella figura 4), e l’andamento dell’angolo alfa formato dalle due componenti di velocità in prossimità dell’uscita della girante in funzione dell’angolo theta compreso tra 0 e 360 gradi, a partire dalla sezione 1 in senso orario. A. Clarich, G. Mosetti, V. Pediroda, C. Poloni 7 Sez. 2 Sez. 1 Sez. 3 Sez. 4 1 2 Fig. 4 - Confronto tra le geometrie delle configurazioni ottimali: 1. Sperimentale – 2. Numerica psi1 psi2 eta1 eta2 0,14 0,5 0,45 0,4 0,1 0,35 0,08 0,3 0,25 0,06 0,2 0,04 0,15 eta totale psi 0,12 0,1 0,02 0,05 0 0 0,005 0,01 0,015 0,02 0,025 0,03 0,035 0,04 0 0,045 fi Fig. 5 - Confronto tra le prestazioni delle due configurazioni ottimali:1.Sperimentale –2. Numerica 7 8 56° Congresso Nazionale ATI a) b) Fig. 7 - Confronto tra il campo di velocità ottenuto col metodo LDV(a) e con il modello numerico(b) A. Clarich, G. Mosetti, V. Pediroda, C. Poloni velocita' cm (m/s) cm1 9 cm2 cm3 cm4 8 6 4 2 0 200 250 300 350 400 450 400 450 distanza (mm) velocita' cu (m/s) cu1 cu2 cu3 cu4 20 15 10 5 0 200 250 300 350 distanza (mm) angolo alfa (gradi) sperimentale numerico 20 15 10 5 0 0 50 100 150 200 250 300 350 angolo girante (gradi) Fig. 8 - Andamento della velocità meridiana e tangenziale in 4 sezioni della cassa e andamento dell’angolo alfa della velocità assoluta attorno la girante 9 10 56° Congresso Nazionale ATI BIBLIOGRAFIA BASIC 5.0/5.1 InterfacingTechniques, Hewlett-Packard Co. 1987. Basic Compiler Language Reference, IBM 1985. BURSTWARE Installation &Laser Measurements User Guide, Dantec Elektronik 1991. B. Eck. Ventilatoren. Berlin : Dritte Auflage, Springer-Verlag, 1957. H. Ferziger, M. Peric. Computational Methods for Fluid Dynamics. Springer, 1996. F.Garra. Ventilazione. Milano: Editore Ulrici Hoepli, 1947. D.E. Goldberg. Genetic Algorithms in Search, Optimization & Machine Learning. Reading (Mass.): AddisonWesley Publishing Company Inc, 1989. J. H. Holland. Adaptation in natural and artificial systems. London (England): Mit Press, Cambridge (Mass.)/Bradford Books Edition, 1982. Medici. Le pompe, Hoepli, 1977. R. Morgan, H. Mc Hilton. Introducing UNIX System . New York: V. McGraw-Hill, 1987. Multimetro HP 34401A, Guida d'uso, HP 1992. W. C.Osborne. Fans. Pergamon Press, 1977. C.Poloni, V.Pediroda. GA coupled with computationally expansive simulation: tool to improve efficiency. In: Genetic Algorithms and Evolution Strategies in Engineering and Computer Science. 267-288. Chichester(UK): Wiley, 1998. D. Rissetto, G.Mosetti, C. Poloni. Algoritmi genetici nell'ottimizzazione di forme e condotti di turbomacchine. Tesi di laurea, Anno accademico 92-93. R.L. Schwartz. Learning Perl. 103 Morris Street, Suite A, Sebastopol, CA 95472: ÒReilly Associates, Inc., 1994. Stepanoff, Blowers, London Chapman & Hall, Limited, 1955. Star Cd User Guide, 1997. VAX FORTRAN Language Reference Manual, Digital, June 1988. C. Vecile. Appunti delle lezioni di Fluidodinamica, Corso di laurea in Ingegneria Meccanica dell'Università di Trieste, 1995.