Kennlinienvorhersage und Teillaststabilisierung mit künstlicher Intelligenz

Abstract

Ziel des Teilprojekts war die Verbesserung der Kennlinienvorhersage von Kreiselpumpen im Off-Design-Bereich. Hierzu wurden experimentelle Messungen an Pumpenprüfständen durchgeführt, Kennlinien ermittelt und durch numerische Strömungssimulationen ergänzt. Die experimentellen und numerischen Ergebnisse wurden systematisch miteinander verglichen. Untersucht wurden der Einfluss unterschiedlicher Laufradgeometrien, Austrittsdurchmesserreduktionen und Spiralgehäuseformen auf Druckzahl, Leistungszahl und Wirkungsgrad. Ergänzend wurden die Strömungsphänomene analysiert, die im Bereich von Kennlinieninstabilitäten auftreten.

Die Ergebnisse zeigen, dass CFD-Simulationen das Betriebsverhalten der untersuchten Pumpenkonfigurationen in weiten Bereichen gut wiedergeben können. Im Teillastbereich treten jedoch komplexe instationäre Strömungszustände auf, die für die Kennlinienvorhersage besonders relevant sind. Durch die numerische Analyse konnten Zusammenhänge zwischen lokalen Rückströmungen, Blockageeffekten in den Schaufelkanälen und dem Auftreten von Kennlinieninstabilitäten herausgearbeitet werden. Zusätzlich wurde untersucht, in welchen Betriebsbereichen vereinfachte numerische Modelle eine qualitative Bewertung ermöglichen und wann ein detailliertes transient berechnetes Vollmodell erforderlich ist.

Die gewonnenen experimentellen und numerischen Daten bilden eine Grundlage für die Weiterentwicklung CFD-basierter Kennlinienvorhersagen und datenbasierter Korrekturmodelle. Damit leisten die Ergebnisse einen Beitrag zur zuverlässigeren Bewertung des Betriebsverhaltens neuer Pumpengeometrien bereits im Entwicklungsprozess.