【AICFD案例教程】轴流风扇仿真分析

AICFD是由天洑软件自主研发的通用智能热流体仿真软件,用于高效解决能源动力、船舶海洋、电子设备和车辆运载等领域复杂的流动和传热问题。软件涵盖了从建模、仿真到结果处理完整仿真分析流程,帮助工业企业建立设计、仿真和优化相结合的一体化流程,提高企业研发效率。

一、概 要

1)案例描述

本案例分析的是某轴流风扇,模型包含出口导叶流到和转子流道两部分组成,模拟风扇在入口速度为13.06m/s的工况下,风扇流场流动分布及风扇效率。本案例采用旋转机械向导模式,并结合通用模式与旋转机械专用后处理展示计算结果。

2)网格

六面体网格,网格数量180万。

图1-1 网格模型

3)计算条件

入口速度:13.06m/s;出口静压:0Pa;转速:3000rmp;湍流模型:SST k-omega;介质:25°空气。

二、向导设置

1)新建工程

① 启动AICFD 2023R2;

② 选择文件>新建 ,选择旋转机械,选择工程文件路径,设置工程文件名,点击"确定",进入旋转机械向导模式。

图2-1 AICFD窗口

图2-2 新建工程

2)模型设置

进入向导模式,选择模型机械类型>Fan,本案例为稳态计算。设置完成,点击"下一步"。

图2-3 模型选择

右击 组件>添加组件,创建转子计算域,导入外部生成的计算域网格;

图2-4 计算域设置

右击 组件>添加组件,创建静子计算域,设置对应计算域,点击"下一步";

图2-5 计算域设置

设置计算域,边界条件以及求解参数设置,湍流模型采用Standardk-epsilon模型,点击"下一步";

图2-6 计算域设置

根据模型设置,界面将自动识别交界面,也可以手动修改,点击"下一步";

图2-7 交界面设置

根据模型设置,界面将自动识别边界条件,也可以手动修改,点击Inlet,Outlet修改进出口边界条件,点击"下一步";

图2-8 边界条件设置

选择StartSolver,点击"完成"运行求解器开始计算。

图2-9 运行求解器设置

图2-10 选择求解模式

三、后处理

1)监控曲线

查看残差曲线。

图3-1 残差曲线

2)求解结果更新及导入

单击菜单栏 求解>可视化结果,实现可视化求解结果更新,现版本计算完成后自动进行可视化求解结果。

图3-2 结果更新

3)可视化结果

①压力云图

单击菜单栏后处理>云图,选取位置和变量参数,设置等级参数,点击应用,读取风扇表面压力云图,可以看到在3000rmp转速下的风扇表面压力分布。

图3-3 表面压力云图

4)模型初始化

点击菜单栏后处理>旋转机械模块,进行模型初始化,激活旋转机械后处理模式。

图3-4 激活旋转机械后处理

图3-5 选择初始化结果

图3-6 选择初始化计算域

5)可视化结果

①三维视图

双击场景>三维视图,选取组件和零件,读取风扇3D模型视角。

图3-7 三维视图

② 叶间平面

双击 场景> 叶间平面,选取组件,类型和变量参数,设置等级参数,点击应用,读取叶间平面压力云图,可以看到在3000rmp转速下,转子叶片对流体做功,流体流过转子叶片后,压力升高。

图3-8 叶间平面

③ 子午面

双击 场景> 子午面,选取组件,类型和变量参数,设置等级参数,点击应用,读取子午面压力云图,可以看到在3000rmp转速下,风扇与旋转轴垂直的面的压力分布,可以看到流体经转子加功后,压力升高,且能清晰的看出叶片前缘在子午面上的投影。

图3-9 子午面

④ 图表

双击绘图>叶片载荷,读取叶片载荷表,可以自定义选择X轴与Y轴变量,可以看出压力面的压力高于吸力面压力,前缘处压力最高。

图3-10 叶片载荷

双击 绘图> 圆周面,读取圆周面图,可以自定义选择X轴与Y轴变量,可以看出压力分布呈周期性变化;

图3-11 圆周面

双击 绘图>径向曲线,读取径向图,可以自定义选择X轴与Y轴变量,可以看出压力沿径向逐渐增大,符合径向平衡方程;

图3-12 径向曲线

双击绘图>入口至出口,读取入口至出口表,可以自定义选择X轴与Y轴变量。压力在转子叶片内沿流向逐渐升高,在静子叶片内保持不变;

图3-13 入口至出口

⑤ 旋转机械曲面

单击菜单栏 后处理> 自定义位置> 旋转机械面,选取组件,定义和变量参数,设置范围参数,点击应用,读取旋转机械曲面,用户可以方便的看到曲面对应的空间位置,对结果有更直观的印象,可在界面选择显示变量。

图3-14 旋转机械曲面

⑥ 旋转机械曲线

单击菜单栏 后处理> 自定义位置> 旋转机械线,选取组件,定义和变量参数,设置范围参数,点击应用,读取旋转机械曲线,用户可以方便的看到曲线对应的空间位置,对结果有更直观的印象,可在界面选择显示变量。

图3-15 旋转机械曲线

相关推荐
985小水博一枚呀4 分钟前
【深度学习滑坡制图|论文解读3】基于融合CNN-Transformer网络和深度迁移学习的遥感影像滑坡制图方法
人工智能·深度学习·神经网络·cnn·transformer
AltmanChan5 分钟前
大语言模型安全威胁
人工智能·安全·语言模型
985小水博一枚呀9 分钟前
【深度学习滑坡制图|论文解读2】基于融合CNN-Transformer网络和深度迁移学习的遥感影像滑坡制图方法
人工智能·深度学习·神经网络·cnn·transformer·迁移学习
数据与后端架构提升之路18 分钟前
从神经元到神经网络:深度学习的进化之旅
人工智能·神经网络·学习
爱技术的小伙子24 分钟前
【ChatGPT】如何通过逐步提示提高ChatGPT的细节描写
人工智能·chatgpt
深度学习实战训练营2 小时前
基于CNN-RNN的影像报告生成
人工智能·深度学习
昨日之日20064 小时前
Moonshine - 新型开源ASR(语音识别)模型,体积小,速度快,比OpenAI Whisper快五倍 本地一键整合包下载
人工智能·whisper·语音识别
浮生如梦_4 小时前
Halcon基于laws纹理特征的SVM分类
图像处理·人工智能·算法·支持向量机·计算机视觉·分类·视觉检测
深度学习lover4 小时前
<项目代码>YOLOv8 苹果腐烂识别<目标检测>
人工智能·python·yolo·目标检测·计算机视觉·苹果腐烂识别
热爱跑步的恒川5 小时前
【论文复现】基于图卷积网络的轻量化推荐模型
网络·人工智能·开源·aigc·ai编程