基于叶轮机械设计-仿真-优化的一体化思路，在ANSYS Workbench平台上可实现叶轮机械参数化设计、数值分析和优化设计的所有功能，其中一款专业分析软件——OptiSLang是一款多学科优化、随机分析、稳健与可靠性优化设计软件，在真正意义上地进行叶轮机械的快速优化，帮助工程师更高效便捷地进行产品研发设计。
下面对ANSYS软件水泵水力设计及优化流程做个详细讲解。
ANSYS水泵水力设计流程
1、传统一维设计流程
传统的离心泵叶片设计是基于一元设计理论设计方法，通过给定外特性参数以及介质属性，利用相似换算或者速度系数的理论方法，确定叶轮的主要尺寸b2、D2、β2等参数，做几次的经验值修正，然后对叶片进行绘制，叶片绘型方法为方格网保角变换法。
方格网保角变换法的缺陷:
该方法一元设计理论流动是轴对称的，即每个轴面上的流动均相同。在同一个过水断面上轴面速度均匀分布，这种方法的缺陷是：
叶片前方来流速度计算不准确，造成冲角过大或者过小不能调整每个过流断面的角度无法计算叶轮前后盖板影响到叶轮流道内部相对流速无法计算流道间的速度分布无法确定哪种叶片设计方案是优的2、ANSYS水泵设计流程
在Workbench下，对于旋转机械设计有着一整套的流程：
一维设计
首先将流量、扬程、转速、进出口角度等参数，输入Workbench平台下Vista——CPD离心泵一维设计软件中，得到初始的叶片子午流道形状和叶片外径D2，出口宽度b2，效率等参数。
三维设计
BladeGen：在Vista cpd下面右键create new创建一个新的BladeGen文件，进入到三维设计的模块。
BladeGen是基于S1和S2两流面理论，在这里可以对轴面流道进行调整，对不同span下的角度分布和厚度进行调整，得到一个比较好的流动状态下的叶片形状。
Vista TF：是二维通流截面分析，通过快速的二维无粘计算，得到一个速度分布较均匀的轴面流道。
BladeEditor 参数化设计：BladeEditor是嵌入在DesignModeler中的模块，在Workbench平台下新建Geometry中启动,对几何模型进行参数化设置，可以看到在Blade _Camberline1的属性中，所有参数化的点前面方框里都出现了D。点击parameter set，可以看到设置了16个参数。
TurboGrid网格划分
TurboGrid是一款专门针对叶轮机械的高度自动化六面体网格划分工具，可以生成高质量的边界层网格，其中ATM自动划分方法，提高了计算效率，非常方便。
Workbench窗口中，拖拽TurboGrid组件连接到Geometry中，或鼠标右键点击Geometry选择Transfer Data To New TurboGrid。设置后检查网格质量，再进行必要的调整，得到高质量的网格。
三维CFD分析
在二维分析的基础上，通过CFX软件进行叶轮流道的CFD分析，将内部流动“可视化”，通过数值仿真的“虚拟试验”，CFD可以较准确地预测所设计出的产品的全工况压力、功率、效率等特性。
在Workbench窗口中，新建一个CFX组件，把TurboGrid文件拖拽连接到CFX的Setup节点，然后双击setup，进入cfx_pre中进行Domain、Boundary和interface等设置，编辑expressions，设定output control中monitor1、2、3分别为H、M、efficiency。求解一组参数后使其收敛。
然后进入到post中在Expression菜单中找到H（扬程）和efficiency（效率），点击鼠标右键选择Use as Workbench Output Parameter，定义为输出参数。
ANSYS水泵优化流程基于后处理结果对水力设计进行优化、迭代，以满足客户使用要求。最终得到满足要求的高性能叶轮水力。
1、OptiSLang敏感性分析
(1) 在Workbench的Toolbox中，双击OptiSLang下的Sensitivity。
(2) 进入参数化设计，在DOE里选择拉丁超立方抽样，样本点先取100个（后续根据情况可继续加点）。
(3) 100个样本点计算完成后，可以看到feasible下有绿色true和红色false出现，提示信息显示部分样本点未能完成计算。
(4) 在Workbench中， 可使用HPC快速计算，根据资源配置，可选择同时计算多个点，以节省计算时间。
接下来为每个响应变量建立高质量响应面即MOP-最优预测元模型
(5) 在参数分析阶段建立MOP后，后续优化、稳健性可靠性分析均可将MOP作为求解器来进行，而不再需要借助于CAE求解器，因此可以极大地提高分析效率。
(6) 从预测系数CoP，从中找到敏感性大的参数：对扬程H和效率efficiency敏感性大的设计变量。
2、OptiSLang优化分析
(1) 在弹出的Optimization NLPQL窗口中，保留敏感性大的几个参数，其余的被过滤掉。
(2) 然后点击Import criteria，进行单目标优化，构造目标函数和约束函数，设置H≥35，设置efficiency为MAX。
(3) 鼠标右键点击Optimization中的NLPQL，开始验证对比最佳设计点，在response values中可以看到最优MOP和calculation结果对比。
最终进行初始设计和优化设计的几何对比
(4)双击打开parameter set，在table of design points中找到要优化的点，右击set as current，然后更新geometry、turbogrid及cfx。
通过对比可以看出来：扬程有所提高，效率由95.5%提高到98.8%。
作者：谢文丽 上海安世亚太
