本發(fā)明涉及一種風(fēng)扇的設(shè)計(jì)方法,尤其涉及一種基于響應(yīng)面法和熵權(quán)法相結(jié)合的軸流風(fēng)扇的多目標(biāo)性能優(yōu)化方法。

背景技術(shù)：

小型軸流風(fēng)扇作為風(fēng)機(jī)常見(jiàn)的一種類型，幾何尺寸較小，具有安裝便捷、設(shè)備簡(jiǎn)易、可靠度高及成本低等特性。常作為首選散熱部件，廣泛應(yīng)用于云端服務(wù)器、智能控制等電子通信產(chǎn)品的散熱系統(tǒng)中。隨著電子通信產(chǎn)品日益向集成化、大功率化方向發(fā)展，其產(chǎn)生的熱量急劇增加，向外界傳遞的噪聲能量也一直居高不下，已經(jīng)嚴(yán)重影響到電子通信產(chǎn)品的使用壽命和使用環(huán)境。在很多情況下，小型風(fēng)扇的氣動(dòng)性能和噪聲能量分布直接關(guān)系到電子通信產(chǎn)品的散熱性能和噪聲狀況。風(fēng)扇的氣動(dòng)性能常用風(fēng)扇靜壓效率高低來(lái)衡量，而風(fēng)扇的噪聲狀況則采用噪聲聲壓級(jí)大小來(lái)衡量。有大量文獻(xiàn)研究發(fā)現(xiàn)單一結(jié)構(gòu)參數(shù)對(duì)風(fēng)扇靜特性和氣動(dòng)噪聲的影響很難做到兩全其美，這意味著通過(guò)單一改變風(fēng)扇結(jié)構(gòu)參數(shù)，來(lái)實(shí)現(xiàn)風(fēng)扇高效率與低噪聲的優(yōu)化目標(biāo)很難同時(shí)滿足，因此在高效率與低噪聲目標(biāo)之間建立合適的風(fēng)扇性能優(yōu)化方法顯得尤為重要。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的是克服背景技術(shù)的不足，提供一種基于響應(yīng)面法和熵權(quán)法相結(jié)合的風(fēng)扇多目標(biāo)性能優(yōu)化方法，該方法應(yīng)能很好地解決風(fēng)扇高效率與低噪聲優(yōu)化目標(biāo)不能同時(shí)實(shí)現(xiàn)的問(wèn)題，為其他類型的旋轉(zhuǎn)機(jī)械性能多目標(biāo)優(yōu)化提供一定的參考。

本發(fā)明采用的技術(shù)方案是：

基于響應(yīng)面法和熵權(quán)法相結(jié)合的風(fēng)扇多目標(biāo)性能優(yōu)化方法，包括以下步驟：

(1)在風(fēng)扇模型m1的常用結(jié)構(gòu)參數(shù)中設(shè)定三個(gè)參數(shù)為風(fēng)扇優(yōu)化參數(shù)，分別用x1、x2以及x3表示；并選取風(fēng)扇優(yōu)化參數(shù)的取值范圍；

(2)選定風(fēng)扇靜壓效率以及噪聲為風(fēng)扇性能優(yōu)化目標(biāo)；

(3)每個(gè)風(fēng)扇優(yōu)化參數(shù)選取三個(gè)水平，并對(duì)優(yōu)化參數(shù)的不同水平進(jìn)行編碼，列成表格2；

從表格2中提取5組原始模型以及排列組合的12個(gè)不同的三維模型，針對(duì)這17組風(fēng)扇模型開(kāi)展試驗(yàn)測(cè)試，得到17組不同風(fēng)扇模型的靜壓效率以及噪聲值試驗(yàn)結(jié)果，并將試驗(yàn)結(jié)果列成表格3；

(4))采用響應(yīng)面法的數(shù)學(xué)模型：

y＝β0+β1x1+β2x2+β3x3+β11x1²+β22x2²+β33x3²+β12x1x2+β13x1x3++β23x2x3(1)

其中

式中x1、x2、x3為3個(gè)風(fēng)扇優(yōu)化參數(shù)；j為風(fēng)扇模型開(kāi)展試驗(yàn)測(cè)試的組數(shù)，m＝17；yj為風(fēng)扇模型在第j組試驗(yàn)測(cè)試中對(duì)應(yīng)優(yōu)化目標(biāo)的數(shù)值；

接著利用表格3試驗(yàn)數(shù)據(jù)進(jìn)行多元回歸擬合，分別建立風(fēng)扇靜壓效率優(yōu)化目標(biāo)y1與風(fēng)扇優(yōu)化參數(shù)x1、x2、x3之間的函數(shù)關(guān)系式，以及風(fēng)扇噪聲優(yōu)化目標(biāo)y2與風(fēng)扇優(yōu)化參數(shù)x1、x2、x3之間的函數(shù)關(guān)系式；

然后分別在所建立的兩個(gè)函數(shù)關(guān)系式中求：

風(fēng)扇靜壓效率極大值y1max以及對(duì)應(yīng)的結(jié)構(gòu)參數(shù)x1、x2、x3值，

風(fēng)扇靜壓效率極小值y1min以及對(duì)應(yīng)的結(jié)構(gòu)參數(shù)x1、x2、x3值；

風(fēng)扇噪聲極小值y2min以及對(duì)應(yīng)的結(jié)構(gòu)參數(shù)x1、x2、x3值，

風(fēng)扇噪聲極大值y2max以及對(duì)應(yīng)的結(jié)構(gòu)參數(shù)x1、x2、x3值；

(5)建立風(fēng)扇性能多目標(biāo)優(yōu)化函數(shù)f；

f＝ad1+bd2(6)其中：

式中：a表示靜壓效率的權(quán)重系數(shù),b表示噪聲的權(quán)重系數(shù)；

(6)使用熵權(quán)法確定優(yōu)化函數(shù)f中靜壓效率的權(quán)重系數(shù)a以及噪聲的權(quán)重系數(shù)b；

(7)在滿足優(yōu)化函數(shù)f最大值的前提下，獲取風(fēng)扇優(yōu)化參數(shù)的優(yōu)化數(shù)據(jù)；

將權(quán)重系數(shù)a和b代入式(6)，即可確定多目標(biāo)優(yōu)化函數(shù)f的表達(dá)式；

根據(jù)該表達(dá)式在滿足f變量最大值時(shí)，得到其對(duì)應(yīng)的優(yōu)化結(jié)構(gòu)參數(shù)x1、x2及x3的優(yōu)化數(shù)據(jù)；

(8)利用風(fēng)扇優(yōu)化參數(shù)的優(yōu)化數(shù)據(jù)重新塑造風(fēng)扇模型,得到風(fēng)扇模型m2；

(9)通過(guò)試驗(yàn)測(cè)試對(duì)比分析風(fēng)扇模型m1和m2，驗(yàn)證該風(fēng)扇多目標(biāo)性能優(yōu)化方法的可行性。

進(jìn)一步地，步驟(4)中采用了基于box-behnken設(shè)計(jì)的響應(yīng)曲面法。

所述三個(gè)風(fēng)扇優(yōu)化參數(shù)x1、x2及x3的分別為葉片數(shù)、葉頂間距以及葉片輪轂比。

所述熵權(quán)法求解函數(shù)f的權(quán)重系數(shù)a和b的的計(jì)算步驟是：

(1)標(biāo)準(zhǔn)化處理；依據(jù)式(7)或者式(8)來(lái)進(jìn)行：

式中yi為第i項(xiàng)優(yōu)化目標(biāo)值，ymax為第i項(xiàng)優(yōu)化目標(biāo)的最大值，ymin為第i項(xiàng)優(yōu)化目標(biāo)的最小值，x'ij為標(biāo)準(zhǔn)化值；可根據(jù)所用優(yōu)化目標(biāo)的期望選用式(7)，或者選用式(8)，顯然，計(jì)算權(quán)重系數(shù)a應(yīng)該選用式(7)，計(jì)算權(quán)重系數(shù)b應(yīng)該選用式(8)；

(2)標(biāo)的計(jì)算各優(yōu)化目標(biāo)的比重，將各優(yōu)化目標(biāo)的標(biāo)準(zhǔn)化值按照式(9)換算成比重值pij：

式中j為風(fēng)扇模型開(kāi)展試驗(yàn)測(cè)試的組數(shù)，m＝17；

(3)確定各優(yōu)化目標(biāo)熵值ei；其表達(dá)式為：

式中k為大于零的常數(shù)，一般取

(4)求各優(yōu)化目標(biāo)的差異系數(shù)di；

di＝1-ei(11)

di表示各優(yōu)化目標(biāo)的熵值ei與1之間的差值；

(5)確定各優(yōu)化目標(biāo)權(quán)重值wi；

依據(jù)以上步驟，導(dǎo)入表格3中各優(yōu)化目標(biāo)的數(shù)據(jù)即可求解出各優(yōu)化目標(biāo)的比重。

本發(fā)明有益效果是：本發(fā)明提供一種風(fēng)扇多目標(biāo)性能優(yōu)化方法，該方法基于響應(yīng)面法和熵權(quán)法相結(jié)合得到實(shí)現(xiàn)，很好地解決了風(fēng)扇高效率與低噪聲優(yōu)化目標(biāo)不能同時(shí)實(shí)現(xiàn)的問(wèn)題；優(yōu)化后的風(fēng)扇效率提高了5.81％以上，噪聲得以降低(氣動(dòng)噪聲總聲壓級(jí)降低9db)。

附圖說(shuō)明

圖1是優(yōu)化風(fēng)扇模型及風(fēng)扇原型的p-q性能曲線(靜特性曲線)圖。

圖2是優(yōu)化風(fēng)扇模型及風(fēng)扇原型的η-q性能曲線(靜特性曲線)圖。

圖3是優(yōu)化風(fēng)扇模型和風(fēng)扇原型在葉頂中心處的功率譜密度分布圖。

圖4是優(yōu)化風(fēng)扇模型和風(fēng)扇原型在距離風(fēng)扇1m處的功率譜密度分布圖。

圖5是優(yōu)化風(fēng)扇模型和風(fēng)扇原型在距離風(fēng)扇1m處的噪聲頻譜特性曲線圖。

具體實(shí)施方式

下面結(jié)合具體實(shí)施例對(duì)本發(fā)明作進(jìn)一步說(shuō)明。

1優(yōu)化參數(shù)的確定

影響風(fēng)扇性能的結(jié)構(gòu)參數(shù)很多，很多文獻(xiàn)對(duì)此進(jìn)行了闡述，發(fā)現(xiàn)風(fēng)扇很多結(jié)構(gòu)參數(shù)對(duì)風(fēng)扇靜特性的影響主要表現(xiàn)為：當(dāng)結(jié)構(gòu)參數(shù)的數(shù)值過(guò)大或過(guò)小時(shí)，都將惡化風(fēng)扇的內(nèi)部流場(chǎng)，從而導(dǎo)致風(fēng)扇的靜特性性能下降。風(fēng)扇模型m1來(lái)自于某品牌服務(wù)器內(nèi)散熱用途的小型軸流風(fēng)扇，為12v直流供電，風(fēng)扇額定轉(zhuǎn)速均為3000r/m。風(fēng)扇相關(guān)參數(shù)定義及尺寸如表格1所示。

表1風(fēng)扇模型參數(shù)定義及尺寸

本發(fā)明從上述風(fēng)扇結(jié)構(gòu)參數(shù)中選取了3個(gè)結(jié)構(gòu)參數(shù)：葉片數(shù)、葉頂間距以及葉片輪轂比來(lái)作為風(fēng)扇模型m1的性能多目標(biāo)優(yōu)化參數(shù)。

2風(fēng)扇性能多目標(biāo)優(yōu)化方法

2.1響應(yīng)曲面建模

響應(yīng)曲面法是一種可以用直觀圖形來(lái)反映響應(yīng)指標(biāo)和因素之間關(guān)系的最優(yōu)化方法，它能夠通過(guò)建模給出響應(yīng)目標(biāo)與因素之間的函數(shù)關(guān)系式。建模是以試驗(yàn)數(shù)據(jù)為基礎(chǔ)，常采用一階響應(yīng)面模型或二階響應(yīng)面模型來(lái)進(jìn)行響應(yīng)面建模，其中二階響應(yīng)面模型為：

y＝β0+β1x1+β2x2+β3x3+β11x1²+β22x2²+β33x3²+β12x1x2+β13x1x3++β23x2x3(1)

其中

式中x1、x2、x3為3個(gè)風(fēng)扇優(yōu)化參數(shù)；j為風(fēng)扇模型開(kāi)展試驗(yàn)測(cè)試的組數(shù)，m＝17；yj為風(fēng)扇模型在第j組試驗(yàn)測(cè)試中對(duì)應(yīng)優(yōu)化目標(biāo)的數(shù)值。

本發(fā)明選擇的設(shè)計(jì)因素有3個(gè)，分別是風(fēng)扇m1的3個(gè)結(jié)構(gòu)參數(shù)：葉片數(shù)、葉頂間距以及葉片輪轂比；即為x1、x2、x3。需要響應(yīng)的目標(biāo)有2個(gè)，分別是風(fēng)扇靜壓效率以及噪聲。本發(fā)明利用響應(yīng)面法，分別建立風(fēng)扇m1的3個(gè)結(jié)構(gòu)參數(shù)與靜壓效率、噪聲之間的函數(shù)關(guān)系式，以此來(lái)進(jìn)一步獲得風(fēng)扇結(jié)構(gòu)參數(shù)與靜壓效率以及噪聲的最優(yōu)解。

在開(kāi)展響應(yīng)面優(yōu)化設(shè)計(jì)之前，首先需要根據(jù)單一結(jié)構(gòu)參數(shù)的數(shù)值計(jì)算結(jié)果來(lái)確定設(shè)計(jì)因素的取值范圍：葉片數(shù)為7至11，葉頂間距為1mm至2mm，葉片輪轂比為0.30至0.49。每個(gè)因素選取三個(gè)水平以滿足二階響應(yīng)曲面的box-behnken設(shè)計(jì)需求?？紤]到試驗(yàn)的規(guī)范性，將以上葉片數(shù)、葉頂間距以及葉片輪轂比等3個(gè)結(jié)構(gòu)參數(shù)(x1、x2以及x3)的不同水平進(jìn)行編碼，各個(gè)設(shè)計(jì)因素的水平及編碼如表2所示。

表2響應(yīng)曲面分析因素及各水平

表中：設(shè)計(jì)因素分行排列，各個(gè)設(shè)計(jì)因素的不同水平分列排列。

根據(jù)響應(yīng)曲面的box-behnken設(shè)計(jì)要求，試驗(yàn)方案總共需要完成12個(gè)不同因素水平排列組合的三維模型及5組原始模型。為此，從表2中取出5組原始模型以及排列組合的12組模型作為試驗(yàn)方案，再針對(duì)這17組風(fēng)扇模型開(kāi)展試驗(yàn)測(cè)試，得到17組不同風(fēng)扇模型的靜壓效率以及噪聲值，該靜壓效率和噪聲值是在風(fēng)扇額定流量為0.011kg/s的工況下得到的，噪聲值為距離風(fēng)扇1m處的噪聲值。試驗(yàn)方案及試驗(yàn)結(jié)果如表3所示。

表3試驗(yàn)方案及試驗(yàn)結(jié)果

表3中：試驗(yàn)方案中的5組原始模型分別是第1,7,9,12,17組(原始模型數(shù)據(jù)見(jiàn)表1)；其余12組為排列組合的12組模型。

2.2試驗(yàn)結(jié)果分析

對(duì)表3試驗(yàn)數(shù)據(jù)進(jìn)行多元回歸擬合(通過(guò)計(jì)算機(jī)進(jìn)行回歸擬合)，即建立以風(fēng)扇靜壓效率為響應(yīng)值的多元線性回歸模型(即風(fēng)扇靜壓效率優(yōu)化目標(biāo)y1與風(fēng)扇優(yōu)化參數(shù)x1、x2、x3之間的函數(shù)關(guān)系式)，如公式(2)所示。

式中y1為風(fēng)扇靜壓效率響應(yīng)值，x1為葉片數(shù)，x2為葉頂間距，x3為葉片輪轂比。

在上式中求風(fēng)扇靜壓效率極大值y1＝31.5661，對(duì)應(yīng)的結(jié)構(gòu)參數(shù)取值x1≈9，x2＝1.51mm,x3＝0.41；

再求靜壓效率的極小值y1＝26.2128，對(duì)應(yīng)的結(jié)構(gòu)參數(shù)取值x1≈7，x2＝1mm,x3＝0.30。

同理，按照表3中的試驗(yàn)數(shù)據(jù)進(jìn)行多元回歸擬合，建立以風(fēng)扇氣動(dòng)噪聲聲壓級(jí)為響應(yīng)值的多元線性回歸模型(即風(fēng)扇噪聲優(yōu)化目標(biāo)y2與風(fēng)扇優(yōu)化參數(shù)x1、x2、x3之間的函數(shù)關(guān)系式)，如公式(3)所示。

式中：風(fēng)扇氣動(dòng)噪聲極小值y2＝38.9178db，對(duì)應(yīng)的結(jié)構(gòu)參數(shù)取值x1≈7，x2＝1.63mm,x3＝0.38；風(fēng)扇氣動(dòng)噪聲極大值y2＝44.2737db，對(duì)應(yīng)的結(jié)構(gòu)參數(shù)取值x1≈11，x2＝1mm,x3＝0.49。

2.3多目標(biāo)優(yōu)化模型的建立

本發(fā)明針對(duì)風(fēng)扇性能開(kāi)展的多目標(biāo)優(yōu)化目標(biāo)是：高效率以及低噪聲。有關(guān)多目標(biāo)優(yōu)化的評(píng)價(jià)方法主要有層次分析加權(quán)法、主成分分析法、人工神經(jīng)網(wǎng)絡(luò)和模糊綜合評(píng)價(jià)法等。

根據(jù)本發(fā)明的優(yōu)化策略：風(fēng)扇的靜壓效率越大越好，而噪聲越小越好，考慮到風(fēng)扇的靜壓效率與風(fēng)扇噪聲的量綱不同，且屬不同數(shù)量級(jí)，所以本發(fā)明采用歸一化方法對(duì)風(fēng)扇靜壓效率和噪聲進(jìn)行處理。歸一化方法能夠?qū)⒘烤V不同的優(yōu)化目標(biāo)轉(zhuǎn)換成沒(méi)有量綱的功效系數(shù)，然后再根據(jù)各個(gè)優(yōu)化目標(biāo)的權(quán)重系數(shù)來(lái)建立綜合的評(píng)價(jià)函數(shù)。對(duì)于靜壓效率響應(yīng)值y1可以通過(guò)式(4)將靜壓效率無(wú)量綱化且值對(duì)應(yīng)到[0，1]區(qū)間。同理可將風(fēng)扇噪聲響應(yīng)值y2通過(guò)式(5)進(jìn)行無(wú)量綱化且值對(duì)應(yīng)到[0，1]。在此基礎(chǔ)上建立多目標(biāo)的優(yōu)化函數(shù)f，如式(6)所示，式中a和b分別表示靜壓效率以及噪聲的權(quán)重系數(shù)。通過(guò)式(6)將多目標(biāo)優(yōu)化問(wèn)題轉(zhuǎn)換成函數(shù)f的單目標(biāo)問(wèn)題，高效率以及低噪聲目標(biāo)可以轉(zhuǎn)換成求解函數(shù)f的最大值問(wèn)題。

f＝ad1+bd2(6)

函數(shù)f的權(quán)重系數(shù)a和b的取值利用熵權(quán)法來(lái)確定。熵值法是一種客觀賦權(quán)方法，它通過(guò)計(jì)算優(yōu)化目標(biāo)的信息熵，根據(jù)優(yōu)化目標(biāo)的相對(duì)變化程度對(duì)系統(tǒng)整體的影響來(lái)決定優(yōu)化目標(biāo)的權(quán)重，相對(duì)變化程度大的優(yōu)化目標(biāo)具有較大的權(quán)重。

利用熵權(quán)法求解函數(shù)f的權(quán)重系數(shù)a和b的基本步驟如下：

(1)標(biāo)準(zhǔn)化處理

考慮到各優(yōu)化目標(biāo)的量綱、數(shù)量級(jí)均有差異，為了消除因量綱不同對(duì)評(píng)價(jià)結(jié)果的影響，需要對(duì)各優(yōu)化目標(biāo)進(jìn)行標(biāo)準(zhǔn)化處理。依據(jù)式(7)或者式(8)來(lái)進(jìn)行。

式中yi為第i項(xiàng)優(yōu)化目標(biāo)值，ymax為第i項(xiàng)優(yōu)化目標(biāo)的最大值，ymin為第i項(xiàng)優(yōu)化目標(biāo)的最小值，x'ij為標(biāo)準(zhǔn)化值；若期望所用優(yōu)化目標(biāo)的值越大越好，則選用式(7)，期望所用優(yōu)化目標(biāo)的值越小越好，則選用式(8)。顯然風(fēng)扇靜壓效率的標(biāo)準(zhǔn)化處理適用于式(7)，而風(fēng)扇噪聲的標(biāo)準(zhǔn)化處理適用于式(8)。

(2)標(biāo)的計(jì)算各優(yōu)化目標(biāo)的比重。將各優(yōu)化目標(biāo)的標(biāo)準(zhǔn)化值按照式(9)換算成比重值pij。

式中j為風(fēng)扇模型開(kāi)展試驗(yàn)測(cè)試的組數(shù)，m＝17；

(3)確定各優(yōu)化目標(biāo)熵值ei。其表達(dá)式為：

式中k為大于零的常數(shù)，一般取

(4)求各優(yōu)化目標(biāo)的差異系數(shù)di；di表示各優(yōu)化目標(biāo)的熵值ei與1之間的差值，它的值直接影響權(quán)重的大小，差異系數(shù)越大，說(shuō)明優(yōu)化目標(biāo)越重要，其表達(dá)式為：

di＝1-ei(11)

(5)確定各優(yōu)化目標(biāo)權(quán)重值wi，其表達(dá)式為：

依據(jù)以上步驟，導(dǎo)入各優(yōu)化目標(biāo)的量綱數(shù)據(jù)即可求解出各優(yōu)化目標(biāo)的比重。本發(fā)明風(fēng)扇的靜壓效率指標(biāo)以及噪聲值指標(biāo)取自于表3中二階響應(yīng)曲面的試驗(yàn)數(shù)據(jù)結(jié)果，依據(jù)上述熵權(quán)法的基本步驟可以確定風(fēng)扇靜壓效率和噪聲的權(quán)重系數(shù)，它們的值分別為a＝0.5240；b＝0.4760。

將權(quán)重系數(shù)a和b代入式(6)，即可確定多目標(biāo)優(yōu)化函數(shù)f的表達(dá)式為：

f＝0.5240d1+0.4760d2(13)

將式(4)和式(5)代入上式，即可確定出函數(shù)f與風(fēng)扇結(jié)構(gòu)參數(shù)x1、x2以及x3之間的映射關(guān)系，如式(14)所示。

將表3中的試驗(yàn)方案參數(shù)代入公式(14)中，即可得到一組有關(guān)目標(biāo)函數(shù)f的響應(yīng)面試驗(yàn)結(jié)果，如表4所示。

表4基于目標(biāo)函數(shù)f的響應(yīng)面試驗(yàn)結(jié)果

從表中可以看出，基于風(fēng)扇效率和氣動(dòng)噪聲聲壓級(jí)的多目標(biāo)優(yōu)化問(wèn)題已經(jīng)最終轉(zhuǎn)換成目標(biāo)函數(shù)f的單目標(biāo)優(yōu)化問(wèn)題。將表中基于目標(biāo)函數(shù)f的試驗(yàn)數(shù)據(jù)進(jìn)行多元回歸擬合，得到有關(guān)目標(biāo)函數(shù)和結(jié)構(gòu)參數(shù)之間的響應(yīng)面模型計(jì)算公式，如式(14)所示，根據(jù)公式(14)可以得到函數(shù)f的最大值fmax為0.8641，其對(duì)應(yīng)的結(jié)構(gòu)參數(shù)為x1≈9，x2＝1.56mm,x3＝0.39。將上述結(jié)構(gòu)參數(shù)數(shù)值代入公式(2)和公式(3)，得到滿足f變量最大值的條件是y1＝31.1049，y2＝39.8986。綜上可知根據(jù)公式可以得到滿足f變量最大值的條件是y1＝31.1049，y2＝39.8986，其對(duì)應(yīng)的結(jié)構(gòu)參數(shù)為x1≈9，x2＝1.56mm,x3＝0.39。

將目標(biāo)函數(shù)f最大值確定的上述結(jié)構(gòu)參數(shù)x1、x2以及x3之間進(jìn)行結(jié)構(gòu)建模，最終形成優(yōu)化風(fēng)扇模型m2，簡(jiǎn)稱為優(yōu)化風(fēng)扇模型或優(yōu)化葉型。

3優(yōu)化風(fēng)扇模型性能分析

3.1靜特性分析

優(yōu)化風(fēng)扇模型m2的建模數(shù)據(jù)是在額定流量為0.011kg/s的情況下獲取的，有必要對(duì)優(yōu)化風(fēng)扇模型m2在整個(gè)流域范圍內(nèi)的靜特性分布進(jìn)行分析，如圖1、圖2所示。從圖中可以看出，優(yōu)化風(fēng)扇模型m2在流率從0.002kg/s到0.02kg/s范圍內(nèi)的全壓幾乎都要大于風(fēng)扇原型m1，且當(dāng)流率大于0.014kg/s時(shí)，兩者最大相差達(dá)到10pa，在額定流量工況時(shí)優(yōu)化風(fēng)扇模型的全壓比風(fēng)扇原型的全壓要大6pa；優(yōu)化風(fēng)扇模型的靜壓效率在整個(gè)流率范圍內(nèi)都要大于風(fēng)扇原型，其中在額定流量工況下優(yōu)化風(fēng)扇模型的效率要比風(fēng)扇原型的效率提高5.81％。

3.2氣動(dòng)噪聲分析

圖3顯示了優(yōu)化風(fēng)扇模型m2和風(fēng)扇原型m1在風(fēng)扇葉頂中心處的氣動(dòng)噪聲功率譜密度分布狀況，圖4顯示了優(yōu)化風(fēng)扇模型m2和風(fēng)扇原型m1在距離風(fēng)扇葉頂中心1m處的氣動(dòng)噪聲功率譜密度分布狀況；

由于上述兩個(gè)區(qū)域分別表示氣動(dòng)噪聲源的產(chǎn)生區(qū)域和氣動(dòng)噪聲遠(yuǎn)場(chǎng)傳播區(qū)域，其中風(fēng)扇葉頂中心位置屬于氣動(dòng)噪聲源的產(chǎn)生區(qū)域，風(fēng)扇葉頂中心1m位置屬于氣動(dòng)噪聲遠(yuǎn)場(chǎng)傳播區(qū)域，通過(guò)對(duì)這兩個(gè)區(qū)域的噪聲分析能夠較好的評(píng)價(jià)風(fēng)扇的噪聲性能狀況。從圖3中可知，優(yōu)化風(fēng)扇模型和風(fēng)扇原型在葉頂中心處的功率譜密度都主要分布在風(fēng)扇基頻及一次諧波處，只是風(fēng)扇原型的功率譜密度除了在上述頻段存在外，還在其他頻段也有分布，而優(yōu)化風(fēng)扇模型則基本上在其他頻段沒(méi)有分布，這說(shuō)明優(yōu)化風(fēng)扇模型的氣動(dòng)噪聲性能在氣動(dòng)噪聲源的產(chǎn)生區(qū)域要遠(yuǎn)遠(yuǎn)優(yōu)于風(fēng)扇原型；在距離風(fēng)扇葉頂中心1m位置區(qū)域，通過(guò)圖4同樣可以得到相似的結(jié)論：優(yōu)化風(fēng)扇模型在低頻段的功率譜密度要遠(yuǎn)低于風(fēng)扇原型，只不過(guò)，兩種風(fēng)扇在該區(qū)域的氣動(dòng)噪聲功率譜密度具有寬頻的特性，與葉頂中心區(qū)域的離散噪聲特性是完全不同的。

圖5顯示了這兩種風(fēng)扇模型在距離風(fēng)扇葉頂中心1m處區(qū)域的氣動(dòng)噪聲頻譜特性曲線，從圖中可知，優(yōu)化風(fēng)扇模型在絕大部分頻段范圍內(nèi)的聲壓級(jí)都要小于風(fēng)扇原型的聲壓級(jí)，兩種風(fēng)扇模型的噪聲總聲壓級(jí)分別為42db和33db，優(yōu)化風(fēng)扇模型的降噪效果十分明顯。通過(guò)上述分析發(fā)現(xiàn)優(yōu)化風(fēng)扇模型在額定流量工況時(shí)的氣動(dòng)噪聲性能要明顯優(yōu)于風(fēng)扇原型，優(yōu)化風(fēng)扇模型能產(chǎn)生9db的降噪效果。