Optimization of an industrial centrifugal blower using gradient-free and gradient-based (adjoint) approaches

Les progrès réalisés dans la conception des turbomachines aérodynamiques ont suscité un intérêt croissant en raison de la demande pour un avenir plus durable. Bien que les méthodes d’optimisation sans gradient soient couramment utilisées pour optimiser la forme aérodynamique des turbomachines, leur coût de calcul reste généralement élevé, notamment lorsqu’un grand nombre de variables de conception est impliqué. En revanche, la méthode adjointe, qui repose sur une approche basée sur le gradient, présente un intérêt particulier pour l’optimisation des turbomachines, car elle permet de calculer les dérivées de la fonction objective par rapport aux variables de conception de manière rentable, indépendamment du nombre de ces variables. Cette thèse s’efforce de répondre à la question suivante : Comment peut-on développer un cadre d’optimisation automatique multi-objectifs basé sur la méthode adjointe pour optimiser Un ventilateur centrifuge (CB) en termes d’efficacité ? L’objectif principal de cette étude est donc de développer un tel cadre pour l’optimisation de différents ventilateurs et soufflantes. Dans un premier temps, une revue détaillée des études majeures portant sur l’optimisation aérodynamique des turbomachines à l’aide de la méthode adjointe est présentée. Un CB est d’abord conçu en utilisant un cadre d’optimisation automatique basé sur des méthodes sans gradient, avec pour objectif d’améliorer l’efficacité totale. Les équations de Navier-Stokes en moyenne de Reynolds sont fermées par le modèle SST k − ω pour simuler tous les écoulements turbulents considérés dans cette thèse. La méthode du processus gaussien (GP) conçoit le CB le plus efficace avec ϵtot = 59.1%. Dans un second temps, l’utilisation de la méthode adjointe pour l’optimisation de la forme hydrodynamique est explorée. Ainsi, deux véhicules sous-marins autonomes différents sont optimisés à l’aide d’un solveur adjoint continu à turbulence totale, adjointOptimisationFoam, disponible dans OF v2206. Dans le cadre de l’optimisation sans contrainte, la force de traînée est choisie comme fonction objective, tandis que, dans l’optimisation sous contrainte, la force de traînée et le volume partiel sont respectivement considérés comme la fonction objective et la contrainte. Dans les optimisations sans contraintes, les coques du premier et du second AUV indiquent une réduction de la force de traînée de 4.17% et 3.66%, respectivement. Dans les optimisations sous contraintes des premières et deuxièmes coques de l’AUV, la force de traînée est réduite de 3.25% et 2.63%, respectivement. Enfin, le CB, conçu avec le modèle GP, est optimisé à l’aide d’un cadre d’optimisation multi-objectifs automatique basé sur la méthode adjointe. L’outil automatisé, qui comprend Salome (génération de la géométrie et du maillage), OF v2206 et des scripts Python pour le post-traitement, est relié par plusieurs scripts Python. Deux nouvelles fonctions objectives, comprenant les puissances hydraulique et mécanique, sont implémentées dans le solveur adjoint. L’efficacité totale a augmenté de 1.5% grâce à une réduction de 0.71% de la puissance mécanique et à une augmentation de 0.73% de la puissance hydraulique.

Name thesis:degree_name

Ph. D.

Level thesis:degree_level

Doctorat

Discipline thesis:degree_discipline

Génie mécanique

Grantor dc:publisher

Université de Sherbrooke

Year dc:date.issued

2024

Author dc:creator

• Lavimi, Roham

Advisors dc:contributor.advisor

• Poncet, Sébastien
• Marcos, Bernard

• Adjoint method
• Turbomachinery optimization
• Total efficiency
• Autonomous underwater vehicle
• Drag force
• Centrifugal blower
• Méthode adjointe
• Optimisation des turbomachines
• Rendement total
• Véhicule sous-marin autonome
• Force de traînée
• Ventilateur centrifuge

Language dc:language.iso

fr, en

Handle dc:identifier.uri

http://hdl.handle.net/11143/22379

OAI identifier oai:identifier

oai:usherbrooke.scholaris.ca:11143/22379