混流式水轮机转轮的刚强度分析

1、第24卷第2期文章编号:1000 7709(2006 02 0008 04水 电 能 源 科 学V o l. 24N o. 2混流式水轮机转轮的刚强度分析徐 斌 廖伟丽 逯 鹏(西安理工大学水利水电学院, 陕西西安710048摘要:运用CFX 软件对混流式转轮不同工况下的流场进行计算, 得出作用在转轮上的压力。通过有限元软件把叶片的压力分布作为荷载加载到转轮上, 由此精确地计算变工况下的混流式转轮及叶片刚强度, 确定出混流式转轮叶片上的应力和变形。关键词:混流式水轮机; 转轮; 叶片; 流场中图分类号:T K 73文献标志码:A1 概述中、高比速混流式水轮机转轮中的裂纹现象, 在世界各地普遍存

2、在。国内的岩滩、李家峡、五强溪及埃及的阿斯旺高坝、俄罗斯的布拉茨克等大型水电站1, 2, 在投运后水轮机转轮都不同程度地出现了裂纹。转轮裂纹严重影响电站的安全运行和经济效益, 如何彻底解决裂纹问题已成为世界范围内倍受关注的热点与难点。国内外的研究表明, 转轮运行中出现的裂纹可分为规律性裂纹和非规律性裂纹。绝大多数的规律性裂纹是疲劳3, 4裂纹, 其断口呈贝壳纹, 是由于设计不完善导致转轮疲劳强度不足及水力激振力引发的结构共振所产生的动载荷作用, 特别是出现低频共振时, 极易引起结构的严重破坏。非规律性裂纹, 有的呈龟裂纹, 有的呈脆性断口, 也有的呈疲劳贝壳纹, 多半是由材料不良或制造缺陷造成

3、5, 6。本文主要研究规律性疲劳裂纹的变化情况。运用CFX5软件计算出流场中的压力分布, 将流场压力加载到转轮上, 利用有限元软件计算转轮在易发生空化和产生裂纹的工况点的应力和变形, 再对其结果进行分析。=Db u (2式中, u 、F 分别为节点的位移和所受的力; K 、D 、b 分别为刚度矩阵、弹性矩阵、应变矩阵。以某一混流式转轮为研究对象, 该转轮直径为0. 34m , 叶片数为13个, 密度为8. 05 10kg /m 3, 弹性模量为3 1011, 泊松比为0. 27。3应用CFX5软件建立混流式水轮机转轮的模型图, 并计算出流场的分布(图1以导叶开度为16mm, 单位转速为37.

4、5r/min 为例 。! 再建立转轮的模型, 转轮由上冠、叶片和下环组成。上冠与主轴上的法兰盘用螺栓连接, 上冠、叶片与下环之间是通过焊接相连接。应用有限元软件中的Meshtoo l 功能, 采用Solid45单元, 将所建的三维模型划分单元, 网格划分采用自由划分, 整个模型节点数为17887个, 所建模型如图2所示。2 模型的建立结构强度计算的静力学有限元方程为7:K u =F (1收稿日期:2006 03 02基金项目:国家自然科学基金资助项目(90410019, 50379044作者简介:徐斌(1978 , 男, 硕士研究生, 研究方向为转轮动应力, E mail:x ubing 78

5、102Sina. co m. cn图1 转轮网格图Fig. 1 Me s h g rid o f runner第24卷第2期徐 斌等:混流式水轮机转轮的刚强度分析# 9 #得到, 并通过一定的方法加载到有限元模型的节点上, 利用有限元软件可以计算出转轮在水压力情况下的变形和应力。7图2 转轮模型Fig. 2 Runne r mode l3 边界条件的处理图3 转轮模型特性曲线计算模型的边界条件处理, 是为了使所建模型能逼真地模拟所分析结构的安装、固定以及与周围其他结构之间的相互作用关系, 同时能准确地模拟结构在各种工况下的受力情况。3. 1 约束边界条件在本次计算所建模型中, 混流式水轮机与其

6、他部件之间相连接的是上冠与下环。所以约束即在上冠和下环上加: 混流式水轮机上冠与主轴上的法兰盘是螺栓连接, 所以上冠顶部加以全约束, 即U x =U y =U z =0, 用于模拟在受力时上冠与法兰盘之间不可能发生相互移动的实际情况。! 对与叶片焊接的下环, 加以单向约束, 即U z =0, 这反映了真实结构在整体中不可能互相侵入的事实。3. 2 计算根据水轮机的实际情况及采用CFX5对流场的理论计算, 可知当导叶开度较小、比转速较大或较小的情况下, 叶片上较易产生叶道涡。因此, 根据转轮340mm 的模型特性曲线(图3 选取表1所给工况进行刚强度计算。这些工况的Fig. 3 Cha rac

7、t e rist ic c urv e o f runne r mo de l4 结果与分析通过有限元软件的计算可得到转轮在流场中各个工况点的应力图和变形图, 以工况1的变形与应力图(图4、图5 示之, 其他工况点的情况见图5 变形图t o rt io n o f r#10#表1。水 电 能 源 科 学 2006年裂纹破坏的可能性, 而将裂纹的产生归因于运行过程中的动载荷的作用。在水轮机运行过程中应尽量避免偏离最优工况运行。由图6、图7的水压力分布图可看出, 在小流量工况点, 叶片正背面水压力的最大值出现在进水边靠近下环的部位, 从进水边到出水边由正压到负压逐渐过渡, 叶片背面靠近出水边区域为

8、负压分布区。在出力限制线上的大流量工况点叶片正背面水压力的最大值出现在进水边靠近上冠的部位, 从进水边到出水边由正压到负压逐渐过渡, 叶片背面靠近出水边区域为负压分布区。0. 2140. 2820. 3590. 3100. 294表1 各工况点转轮的变形和应力Ta b. 1 Dis t or t ion a nd s t re ss o f runner atdiff er ent o pe rat ing c ondit ion工况12345最大应力最大位移-1/mm 导叶开度/mm 单位转速/(r #min /M P16. 016. 020. 024. 426. 367. 587. 580

9、. 087. 567. 541. 255. 869. 462. 158. 9工况条件注:最大应力位置均出现在叶片出水边与上冠和下环的连接处; 最大位移位置均出现在转轮下环处和叶片下部靠近出水边处。由图4转轮应力图可看出, 转轮应力集中主要出现在叶片出水边根部接近上冠处, 这与转轮叶片裂纹实际产生的位置完全吻合。由图5各种叶片的变形图可看出, 叶片的变形均从上冠到下环逐渐变大, 最大变形位于下环处, 此部位就是叶片振动的敏感区域。由表1可知, 随着导叶开度和单位转速的增大, 转轮叶片的变形和应变也越来越大, 这与实际情况相一致。其最大等效应力值远小于转轮材料的极限破坏应力, 因此可以排除静应力引

10、起叶片5 结语用CFX 和有限元分析软件对混流式转轮进行了刚强度计算, 通过节点一对一的载荷传递, 以最小误差值的形成实现了压力场与结构场的数据传递。计算表明, 转轮最大应力出现在叶片出水边靠近上冠处, 最大等效静应力远小于转轮材料的极限破坏应力, 不可能短期造成叶片裂纹。叶片的变形从上冠到下环逐渐变大, 下环部位是叶片振动的敏感区域。在混流式水轮机转轮的机械图6 小流量工况点水压力分布图(工况1 Fig. 6 Chart o f bla de s st r e ss a t lit t le flux图7 大流量工况点水压力分布图(工况5 Fig. 7 Char t o f blade s

11、s t re ss at big nes s f lux第24卷第2期文章编号:1000 7709(2006 02 0011 03水 电 能 源 科 学V o l. 24N o. 2模糊自学习控制在水电机组控制中应用研究王淑青1, 2李朝晖 袁晓辉11(1. 华中科技大学水电与数字化工程学院, 湖北武汉430074; 2. 湖北工业大学电气与电子学院, 湖北武汉430068摘要:采用具有自学习能力的自适应模糊控制器来控制水电机组运行。自适应模糊控制器将模糊控制和神经网络结合, 根据运行情况在线调整模糊推理规则和隶属函数, 使控制系统具有自适应学习的特性。学习中学习速率和平滑因子可根据误差情况在

12、线修改, 克服了网络学习速度慢和局部最优的缺点。仿真实验表明, 设计的自适应模糊控制器具有良好的鲁棒性, 可有效地改善水轮发电机组系统的动、静态性能。关键词:水轮发电机组; 模糊控制; 神经网络; 在线学习中图分类号:T K 73; O231文献标志码:A水电厂水轮发电机组是一个高度非线性、时变不确定, 具有死区、非最小相位特性的高阶系统, 这使得水电机组控制策略的研究比较复杂, 因此有必要不断探索, 以寻求更好的控制策略1。模糊控制不依赖于被控过程数学模型, 利用领域专家的先验知识进行近似推理。但在工程实际应用中对于时变、非线性的水电机组系统, 却缺乏在线学习和自调整能力。如何生成或调整隶属

13、函数和模糊规则, 是一个很复杂的问题。研究具有学习能力的自适应模糊控制器, 能够根据运行工况自动调整控制参数和控制规则, 以适应不同的运行工况是发展水电厂水轮发电机组智能控制的重收稿日期:2006 03 28要方向。而神经网络对环境的变化有极强的学习能力, 模糊和神经网络结合, 可优势互补, 提高透明度和学习能力。本研究根据模糊系统的结构, 设计等价的模糊神经网络控制器来控制水电机组运行。2, 31 机组控制系统结构水轮发电机组控制系统由自适应模糊控制器、系统辨识网络和水电机组构成, 其结构如图1所示。自适应模糊控制器根据误差和误差变化率进行推理, 输出控制量以控制水轮发电机组运行。基金项目:

14、国家自然科学基金资助项目(50309013, 50409010 ; 湖北省自然科学基金资助项目(2005ABA228 作者简介:王淑青(1969 , 女, 讲师、博士研究生, 研究方向为智能检测与控制、系统分析与集成, E mial:wan g qing 9711163. co m设计过程中, 对转轮的强度校核应注意个别工况点的应力情况。参考文献:1 大中型混流式水轮机运行稳定性专辑A .哈尔滨:哈尔滨大电机研究所, 2004.2 F isher R K , Seidel U , G ro sse G A. Case St udy inResonant Hy dr oelast ic V ib

15、ration:T he Causes o f Runner Cv acks and the So lutio ns I mplemented for the Xiao langdi H ydro electr ic Pr oject A. Pr oceed ings of the H ydraulic M achinery and Sy stems 21th IA H R SymposiumC. L ausanne, 2002. 895 9063 唐澍, 吴培豪. 近代大型混流式水力稳定性不良和裂纹原因的探讨A .第十五次中国水电设备学术讨论会论文集C.西宁:青海人民出版社, 2004. 16

16、8 1744 李启章. 水轮机转轮裂纹问题A . 第十五次中国水电设备学术讨论会论文集C.西宁:青海人民出版社, 2004. 40 435 薛伟, 陈昭运. 水轮机叶片裂纹原因及预防措施研究J. 大电机技术, 2002(5 :42 456 樊世英. 混流式水轮机转轮裂纹原因分析及预防措施J. 水力发电, 2002(5 :38 417 梁权伟. 考虑流固耦合作用的水轮机转轮动力特性分析D.北京:清华大学, 2003.M A IN T O PICS, A BST RA CT S &K EY WO RDS#%#ISSN 1000 7709WATER RESOURCES AND POW ERV

17、ol. 24, N o. 2, Apr. , 2006Bimonthly (Serial N o. 90Edited and Published:WA TER RESOURCESAND POWER Editorial Depar tm entAdd:H U ST, Wuhan 430074, China Tel:0086 027 87542126E mail:sdny x 263. netDistributed Abroad:China Inter national Boo kTr ading Corporation(P. O. Box 399, 100044Beijng , ChinaC o

18、de:Q4165MAIN TOPICS, ABSTRACTS &KEY WORDSC ombination Forecasting Model of China Energy C onsumption Based on Gray Model and Back Propagation Network F U Jiafeng (Institute o f G eog raphical Sciences and N atural Reso urces Research, CAS, Beijing 100101, China XU Bin (Xi an U niv. o f T ech. ,

19、Xi an 710048, Chi na LIAO Weili LU Peng LU O Xingqi p8 11Abstract:In this paper, w e first use soft war e to anal y sis the f low field o f runner fo r F rancis t rubine under dif fer ent w or king conditions, w e can get the pressur e f ield and velocity field fro m the analysis. A fter that, by us

20、ing this softw are we can use the pr essure field as the load which act on the turbine blades and calculate t he turbine blade rigidit y under dy namic wo rking co nditions and w e can g et the str ess and disto rtio n o f the r unner. T he analy sis result and disscusio n ar e g iven, which suppo r

21、ts t he re search on the char acteristic analysis for ro tor bear ing sys tem dynamics of larg e hydroelect ric machines.Key words:F rancis tur bine; runner ; blades; flow fieldCA I Guo tian ZH ANGLei p1 4Abstract:Co mbination for ecasting model ar e pr acti cable in complex economic system w ith un

22、completed info r mation. Because ener gy consumptio n system is complex and non linear, this paper combines neural netw or k and three models of G M (1, 1 , WPG M (1, 1 , pG M (1, 1 w ith ener gy consumptio n data, and pro po ses t he co mbination forecasting model of energ y consumptio n. T he r es

23、ult show s that this model can g ain o ptimized for ecasting v alue and can be taken as an effect ive too l to pr edict futur e ener g y consumption.Key words:gr ay mo del; ar tificial neur al netw ork; co mbinat ion for ecasting model; energ y co nsumpt ionApplication of Relative Path in Unsteady F

24、low Study in Pelton Turbines H AN Feng qing(Colleg e of Electr ic P ow er So ut h China U niv. o f T ech. ,Research on Fuzzy Self learning Controller Used in Hydroelectric Generating Unit WANG Shu qing (Co llege of Hy dropow er &Infor mation Eng. , HU ST , Wuhan 430074, China LI Zhaohui YU AN Xi

25、aohui p11 13Abstract:Conventio nal co ntr oller canno t get go od co nt rolling perfor mance in the co ntr ol o f hy dr oelectr ic generating unit sy stem because the system is non linear and co mplicated. In the paper new fuzzy self learning con t roller is designed to contr ol hydro electric gener

26、at ing unit. T he designed new fuzzy co nt ro ller combines neur al net w or k into fuzzy reasoning system. F uzzy reasoning r ules and member funct ion may be tr ained on line v ia neural netw or k, w hich makes co ntr ol system hav ing the charac ter of self adapting. In order to accelerate lear n

27、ing and co nv erg ing quickly, parameter s may be adjusted accor ding to er ro r and er ro r chang e. Simulat ion experiment show s that the desig ned contr oller has stro ng er ro bust perfo rm ance and excellent static and dynamic per for mance.Key words:hydroelect ric g enerating unit; fuzzy con t rol; neural netw or k; on line learningZH EN G Ailing