轴流压气机通流计算中代理模型的应用（两机专刊）

在轴流压气机初始设计阶段,二维通流计算方法可以快速评估压气机的性能,其准确性高度依赖于经验模型的预测精度。当压气机超出经验模型适用范围时会增大模型的预测误差。为提高预测精度,研究了在通流计算中采用代理模型取代传统经验模型的可行性。以双级跨声轴流速压气机的几何参数和气动实验数据作为代理模型的训练样本库,采用敏感性分析方法确定最重要的特征参数作为输入。分别基于支持向量机回归（SVR）和高斯过程回归（GPR）两种监督学习方法构建代理模型,并在模型训练中通过贝叶斯优化算法寻找模型最佳超参组合。将代理模型集成到基于流线曲率法（SLC）的通流程序中,对该压气机特性进行评估,并与传统经验模型计算结果相对比。对比显示,相较于传统经验模型,SVR和GPR两种代理模型分别降低了62.2%与55.2%的总压特性平均预测误差以及48.4%与50.1%的绝热效率特性平均预测误差。对比结果表明,当超出传统经验模型适用范围时,代理模型不失为一种可靠的替代方案。     

流线曲率法在多级跨声速轴流压气机特性预测中的应用

为研究多级跨声速压气机的分析问题,以通流理论为基础,采用了一系列适用于跨声速压气机的攻角、落后角和损失等经验模型,发展了一套基于流线曲率法的通流计算程序来预测跨声速压气机流场及其工作特性。为提高经验模型的预测精度,考虑到真实压气机中复杂的三维流动效应,针对部分早期模型进行了合理改进,包括改进了落后角模型使其适用于更大弯度范围叶型,以及采用一种更为合理的可变结构激波损失预测模型。针对两台跨声速压气机算例进行了计算校验,并将校验结果与实验值和三维数值计算进行对比。对比表明,设计工况下总压比最大计算误差为4.1%,效率误差为1.1%,在非设计工况特性预测和展向流场参数计算中也能得到和实验值相符的变化趋势,该通流计算方法可为现代跨声速轴流多级压气机特性分析提供具有参考价值的预测结果。     

基于一维模型的跨声速轴流压气机特性预测研究

为发展一套对于现如今多级跨声速轴流压气机特性预测较为精准、快捷的计算程序,选取了合适的压气机参考攻角模型,建立了适用于双圆弧大弯角叶型的设计点/非设计点落后角模型。采用某套大弯角平面叶栅在多个工况下的实验数据对新建立的落后角模型进行校验,并将攻角、落后角模型嵌入到HARIKA算法中,实现对HARIKA算法原模型的替换,用新建立的HARIKA算法和三维数值计算软件NUMECA对某型两级跨声速轴流压气机在设计/非设计转速下进行特性计算。结果表明：本文建立的落后角模型对于叶栅出口气流落后角预测值与实验值较好地吻合,平均误差为0.42o,预测误差较小。新的HARIKA算法对于压气机特性的预测结果相比于三维数值计算结果更贴近于实验值,其中压比最大预测误差2.54%,效率最大预测误差3.68%,总体预测误差较小,证明本文建立的非设计点落后角模型具有一定的准确性与适用性,改进后的HARIKA算法在多级跨声速轴流压气机特性预测方面具有一定的工程实用性。     

损失及落后角代理模型在多级轴流压气机特性预测中的应用

为了提高轴流压气机设计能力,进而提高发动机的特性,需要掌握一种能够较好预测轴流压气机的压比、效率等特性的方法。结合运用三元流动理论和传统损失落后角模型计算出的压气机流场数据,利用正则化径向基函数神经网络取代经验公式搭建了一种新的损失及落后角模型,计算了E3十级高压压气机的特性;并分别研究了不进行正则化和进行正则化对损失及落后角预测的影响与其对压气机效率和压比特性预测的影响。结果表明,在多级压气机中,在训练样本区分转静子、区分转速、区分工况条件下,使用正则化的径向基神经网络代理模型在大部分情况下能够较好地预测损失、落后角及多级压气机整体特性,但是对沿叶高分布的损失及落后角预测能力还有待提高。     

神经网络模型在压气机通流特性分析中的应用

为了解决通流特性分析程序中原始模型对压气机性能预测精度不足的问题,提高压气机通流特性分析过程的可靠性,基于对大量多圆弧叶栅的数值模拟结果建立了压气机叶栅性能数据库,并以该数据库为依托,采用神经网络建模方法建立了压气机叶栅基准损失系数和基准落后角模型。结果显示:两模型对叶栅基准损失系数和基准落后角的预测精度均满足工程应用要求,其精度分别为±0.002和±1°。在对采用神经网络模型的通流特性分析程序校验过程中发现,其无论对压气机整机性能还是对流动细节的预测精度上都获得了显著提高,尤其是在主流区。此外从压气机整体特性上看,基准损失系数和基准落后角精度的提高对非设计工况损失系数和落后角的预测精度影响是积极的。      

基于QPSO算法的压气机特性代理模型优化

考虑到小样本特性数据情况下进行部件特性数据的二维线性插值精度低,提出一种基于量子粒子群优化(QPSO)算法的压气机特性代理模型优化方法。针对原始Kriging模型对其相关模型参数的初始值极度敏感以及易限于局部最优解的缺陷,利用QPSO算法对Kriging的相关模型参数进行全局寻优,克服了基于梯度的模式搜索法对于参数初始值的依赖,经测试该方法具有较好的效率以及稳定性。将该优化模型扩展应用于低压压气机特性代理模型建立与重构。经验证,在小样本特性数据下,基于QPSO的压气机特性Kriging模型仍具有较高精度,应用前景可观。     

跨声速多级轴流压气机特性预估及分析

为了研究跨声速轴流压气机的性能分析问题,采用流线曲率法结合损失落后角模型,发展了一种利用反问题方程求解正问题的数值方法。在NASA低速平面叶栅试验数据的基础上考虑三维效应的修正,根据激波结构随工况的变化发展了一种新的激波损失计算方法,整理了一套适合跨声速轴流压气机的损失落后角模型。对两级跨声速轴流风扇进行了数值模拟研究,进行了设计工况的校核计算和全工况特性预测,并将计算结果与NASA试验值进行了比较分析。结果显示,设计点计算误差在1.1%以下,非设计点也能得到与试验值吻合的趋势,表明所建立的方法和模型可以有效地对跨声速多级轴流压气机进行全工况特性预测。     

高亚声速轴流压气机的优化叶型

基于计算流体动力学和数值优化算法,研究了一种压气机叶型优化设计方法.以入口马赫数为0.7的高亚声速轴流压气机叶型为研究对象,采用拉丁超立方实验法选取优化变量并构建了考虑攻角特性的目标函数,通过引入Gamma-Theta转捩模型,考虑了附面层转捩的影响,最终获得了可以有效改善攻角特性和降低总压损失的高亚声速轴流压气机优化叶型.计算结果表明:优化叶型可以显著降低入口马赫数为0.2~0.8时+4°和-4°攻角的总压损失,使设计工况(入口马赫数为0.7)下的低损失攻角增加4°以上,优化叶型最佳稠度降低20%并改善低雷诺数时叶栅的流动特性.      

基于正反问题耦合的压气机特性快速预测方法

提出一种基于正反问题耦合的压气机特性快速预测方法,根据压气机一维设计理论,通过对满足流量及压比设计指标的反问题求解快速得出压气机的气动布局方案,在此基础上结合非设计点损失和落后角模型通过正问题求解得出全工况压气机特性,再根据预测特性与目标的偏差调整气动布局方案,以此通过对正反问题的耦合求解实现对压气机特性的合理快速预测...     

轴流压气机特性计算及激波模型研究

为快速准确预估轴流压气机特性和激波损失,基于轴流压气机S2流面流线曲率法,分别采用正激波模型和改进的双激波模型,对某型2级跨声速风扇特性进行数值模拟计算,得到了100%设计转速近设计点与99.76%设计转速近堵塞点的总体性能和气动参数,以及95%、100%和110%设计转速的特性曲线。通过将计算结果与试验数据进行对比,分析研究了各激波损失模型在激波损失预估和风扇/压气机特性计算方面的差异。分析结果表明:在跨声速风扇/压气机近设计点激波损失和特性参数的计算中,正激波模型损失径向分布计算结果接近试验值,总压比和总效率计算值分别较试验值约低1.96%和2.54%,模型能够满足工程需要。而在近堵塞点,改进的双激波模型总损失计算值更接近试验值,总压比计算值和试验值很吻合,总效率计算值比试验值约高7.28%。改进双激波模型的不同转速线效率特性曲线也明显更接近试验值,模型能够较准确地预测远离设计点激波损失和特性参数。     

民用飞机总压探头布局位置气动分析方法

民用飞机通过机载大气数据传感器测量飞机所处环境下的大气总压与静压，并计算空速。为研究民用飞机总压传感器布局位置的气动特性，采用CFD数值计算手段得到不同迎角和侧滑角工况下机头附近的流场，通过候选总压探头布局位置的局部气流角度和探头总压损失曲线获得不同工况下的总压损失和空速误差。当局部角度曲线斜率低且各曲线聚集时，是总压探头的理想最优布局位置，探头局部气流角对迎角和侧滑角均不敏感，能同时保证横向和纵向气动特性最优；通过探头位置的局部气流角度并结合风洞试验获得的总压损失系数分布曲线进行总压损失预估，该方法对总压损失的预测准确有效,预测精度满足要求，可用来进行空速误差估算；总压探头布局位置的选取需结合民用飞机实际运行的侧滑角/迎角包线综合判断。     

超临界翼型设计中的多响应代理模型

为考虑超临界翼型设计中代理模型多响应之间的相关性,研究了基于多输出高斯过程回归的代理模型。通过实验数据验证了升力系数、阻力系数及力矩系数之间显著的相关性,建立了超临界翼型设计中的基于多输出高斯过程的多响应代理模型,并与kriging模型、BP和RBF两种人工神经网络模型进行了对比。结果表明,当超临界翼型设计中多输出端口之间存在显著的相关性时,多输出高斯过程相比kriging、BP和RBF能有效显著提高预测精度,并获得更加稳定的预测性能。     

适应较大叶型弯角范围的轴流压气机落后角模型

通过对多种落后角模型进行研究对比,选出其中一组,并对设计状态落后角模型重新修正,在此基础上结合S1流场计算发展了一种适用于轴流压气机落后角预测的模型.另对非设计状态落后角计算采用了修正模型.结果表明:建立的计算程序在一定的攻角范围内,对S1流场的预测结果是比较准确的,通过多组平面叶栅验证,在叶型弯角较大或者较小时,设计状态落后角模型预测精度均提高,误差范围控制在1°以内;建立的轴流压气机落后角预测模型,对多组轴流压气机设计状态落后角预测,误差都不超过2°,初步验证了模型的有效性.     

高负荷压气机首级可调静叶进口气流参数测试误差分析

为获取高负荷五级压气机试验环境下进口侧单级压气机和出口侧四级压气机各自性能,需在首级可调静叶上布置叶型探针进行级间气流参数测量。对叶型探针的气流状态进行了预估,并在叶型探针校准特性分析基础上定量分析了首级可调静叶进口气流总压和总温测试误差及两者分别对进口侧单级压气机和出口侧四级压气机性能测试精度的影响。研究表明:随着转速降低,叶型探针气流偏角逐渐超出其不敏感角范围,气流总压测试误差显著增大,严重影响进口侧单级压气机和出口侧四级压气机性能评定,但气流总温测试误差随转速变化较小;与出口侧四级压气机相比,进口侧单级压气机压比低、温升小,进出口气流总温和总压测试误差对其等熵效率的影响更加敏感。     

连分式扩充的粒子群神经网络压气机特性重构方法

对航空发动机压气机原始二维等转速线的数据点进行连分式扩充,通过两次网络训练,增加转速特性数据,在三维空间中进行BP(back propagation)网络模型重构.根据压气机特性数据空间分布的特点,引入压力比函数,调整计算区域,定义网络的输入输出数据,利用试探法确定隐含层维数.采用基于趋利避害原则的粒子群算法对网络的初始权值和阈值进行优化,建立了压气机压比和效率特性的整体代理模型.最后以某型发动机的低压压气机为例进行了压气机特性模型的重构.通过模型的校核与验证表明:采用这种方法建立的模型精度较高,优于普遍采用的传统二维插值方法和普通BP神经网络模型.最终建立的重构模型对于采用选配法、坐标法和部件法等以压气机通用特性曲线为基础的发动机模型的求解,可提高计算精度和迭代速度,具有一定的工程应用价值.      

基于数据驱动的轴流压气机特性图规律及预测

为探索轴流压气机特性线的内在规律,结合数据分析方法和热力学原理,对五十余幅轴流压气机特性数据进行了研究。通过将多种热力学参数引入特性图,并提出了压气机特性描述参数,从各转速峰值效率点连线、近喘振区和近堵塞区3个方面分析了压气机特性中物理量间的规律,发现了压气机特性参数与设计指标间的关联,并依据前述规律发展了基于设计指标和性能参数的压气机特性预测算法。研究发现:在工作转速范围内,多个热力学参数之间存在明确的线性相关性,各轴流压气机的特性参数与设计点总压比有显著关联,而与设计点效率关联不明显。提出的预测算法可以在没有叶片几何信息的条件下,仅依靠设计指标和性能参数,较好地预测出总压比小于8的轴流压气机性能。      

基于混合优化算法的无叶片粒子分离器优化设计

将混合优化算法引入粒子分离器优化设计,减小粒子分离器流动损失并简化结构.利用四次样条曲线参数化描述粒子分离器模型,建立粒子分离器自动化仿真流程.采用优化拉丁方实验设计方法获取样本点并建立椭球径向基函数神经网络代理模型,基于该模型使用非支配排序遗传算法进行全局多目标优化,最后采用序列二次规划算法进行局部优化,得到了粗砂分离效率达到100%、细砂分离效率达到86.7%,总压损失小于0.6%、出口总压畸变较小的设计方案.      

周向总压畸变在轴流压气机中的传递特性分析

基于轴流压气机叶排特性,建立了一种预测周向总压畸变沿轴流压气机传递的矩阵分析模型,应用于某一单级压气机,对其进口总压畸变传递特性进行了详细的数值分析,给出了对发动机稳定性分析中影响较大的总压、总温及气流角的周向分布。计算结果与实验结果比较表明,本模型和采用的方法合理,可行。      

基于中弧线曲率控制的压气机叶型优化

为提高压气机叶型优化设计水平,基于中弧线曲率控制方法编写了压气机叶片造型程序,将中弧线曲率控制参数作为优化变量,结合粒子群寻优算法对传统可控扩散叶型(CDA)进行了优化研究。结果表明:基于中弧线曲率控制的叶片造型程序能够对CDA叶型进行较好的拟合,拟合叶型的气动性能与设计要求较符。优化叶型在设计点的总压损失降低了约6.34%,优化叶型总压损失随攻角变化较为平缓。在一定攻角范围内,叶型中弧线曲率峰值的前移能够将吸力面马赫数峰值前移,提高叶型吸力面的扩压能力,降低总压损失。在大攻角工况下,改进的中弧线曲率分布能够显著降低叶型总压损失。将中弧线曲率控制参数作为优化变量进行CDA叶型的优化是可行的。     

基于面向对象方法的压气机性能计算

提出一套预测压气机未知特性的方法,并基于面向对象思想采用变比热容计算方法进行压气机性能计算的分析和编程.结合粒子群优化（PSO）的全局寻优能力和反向传播（BP）神经网络的局部寻优能力提出基于PSO的BP神经网络（PSO-BP神经网络）预测压气机特性,分析了其预测误差和拟合误差:拟合误差基本都小于0.5%,预测误差基本都小于0.8%.其拟合精度和预测精度满足要求.采用变比热容计算方法来计算压气机性能,并采用面向对象方法编写了压气机性能计算程序.对几个压气机变工况点进行验证,各输出参数的最大误差为1.12%.因此,特性预测方法和性能计算的数学模型适用于压气机性能计算,这套方法同样适用于燃气轮机性能计算.