Return to search

Shape optimization of axial cooling fan via 3D CFD simulation and surrogate modeling / Formoptimering av axiel kylningsfläkt via 3D CFD-simulering och surrogatmodellering

Due to legislative reasons and environmental concerns the automotive and transport sector are shifting their focus from traditional internal combustion engine (ICE) vehicles to development of battery electric vehicles (BEVs). This brings new challanges to design of cooling systems where axial fans are one of the key components. Axial fans are usually designed with regards to a certain operating condition and outside this region the efficiency of the fan drops drastically. Due to difficulty in specifying the exact operational parameters when placed in a car, post-design optimization may be necessary to ensure maximized performance. This thesis focuses on fan blade shape optimization through mesh morphing using the surrogate based optimization algorithm called Efficient Global Optimization (EGO). The target fans was a 9 bladed prototype fan by Johnson Electric with uneven blade spacing. The optimization uses steady state Reynolds-averaged Navier-Stokes (RANS) simulations to evaluate the fan designs and a Bezier curve parametrization in order to change the fan blade shape together with mesh morphing. The simulation setup was evaluated before peceding with the optimization, and showed good agreement close to intended operational conditions. Differences in turbulence modeling treatments were also evaluated in order to have a satisfactory agreement with measurement data. The EGO algorithm manages to provide fan designs with higher total-to-static efficiency at several different operational conditions. Evaluation of the optimized fan designs was limited to comparison with the provided measurement data and corrensponding simulations. Acoustic evaluation of selected fan designs is also attemped, but further work is required in order for the study to result in a quantitative comparison. / På grund av lagstiftning och miljöpåverkan har bil- och transportindustrin börjat skifta fokus från traditionella förbränningsfordon till utveckling av batteridrivna elbilar. Med detta medföljer nya utmaningar kring kylsystemsdesign där axiella fläktar är en av huvudkomponenterna hos systemet. Axiella fläktar är vanligtvis designade kring ett specifikt drifttillstånd och utanför detta har fläkten avsevärt lägre verkningsgrad. På grund av svårigheter att specificera detta drifttillstånd med hög precision, speciellt när fläkten monteras i en bil, kan efterdesigns-optimering vara nödvändigt för att uppnå maximal prestanda. Denna avhandling fokuserar på form-optimering av fläkt via mesh morphing med hjälp av den surrogat-baserade optimeringsalgoritmen Efficient Global Optimization (EGO). Fläkten som optimerades var en prototypfläkt designad av Johnson Electric med 9 fläktblad och icke-symmetriska mellanrum mellan bladen. I optimeringsprocessen användes icke-tidsberoende Reynolds-averaged Navier-Stokes (RANS) simuleringar för att utvärdera fläktdesignerna och parametrisering med hjälp av Bezier kurvor och mesh morphing för att ändra fläktbladen. Simulerings-uppställningen utvärderades innan optimeringen och bra överensstämning nära avsett driftstillstånd kunde påvisas. Skillnader i turbulens-modelering utvärderades även för att få en tillfredställande överensstämning med mätdata. EGO-algoritmen klarar att förse fläktdesigner med högre total-till-statisk verkningsgrad vid flera olika driftstillstånd. Utvärdering av fläktdesignerna var dock begränsad till jämförelse med mätdata och motsvarande simuleringsdata. En akustik utvärdering av utvalda fläkt-designer försöktes, men mer arbete krävs för att studien ska erhålla en kvantitativ jämförelse.

Identiferoai:union.ndltd.org:UPSALLA1/oai:DiVA.org:kth-305260
Date January 2021
CreatorsGranlöf, Martin
PublisherKTH, Strömningsmekanik och Teknisk Akustik
Source SetsDiVA Archive at Upsalla University
LanguageEnglish
Detected LanguageSwedish
TypeStudent thesis, info:eu-repo/semantics/bachelorThesis, text
Formatapplication/pdf
Rightsinfo:eu-repo/semantics/openAccess
RelationTRITA-SCI-GRU ; 2021:354

Page generated in 0.0022 seconds