大膨胀比向心涡轮多学科优化设计及敏感性分析

向心涡轮内部流动复杂,功率密度大且结构限制严,因此,向心涡轮的设计必须考虑到气动、强度、结构等多学科间的耦合问题。采用多学科优化策略是提升向心涡轮气动效率和安全可靠性的一种可行途径。基于向心涡轮结构特点,发展了通用的向心涡轮三维参数化造型方法。耦合多目标优化算法和向心涡轮三维参数化方法,建立了向心涡轮多目标多学科优化设计体系。以频率为约束,以提高总静效率、降低叶根最大应力为优化目标,开展了向心涡轮的多学科优化设计。优化后,在避开所有危险共振频率的前提下,就单一性能指标而言,涡轮级的总静效率最高可提高1.35%,叶根最大当量应力最高可降低12.54%。进一步,对设计空间开展了敏感性分析,揭示了对性能指标影响显著的设计变量,阐明了关键设计变量对性能指标的影响机制。     

自动优化技术在涡轮设计中的应用

为了提升计算机辅助的自动优化设计技术在航空发动机涡轮设计中应用的有效性,基于计算机辅助设计技术、CFD仿 真技术和智能优化算法,构建了集2维叶型设计优化和3维优化于一体的轴流涡轮设计优化体系。采用结合几何参数法和非均匀 B样条曲线发展了鲁棒性强、适应范围广的基元叶型参数化造型方法;结合自动结构化网格剖分、高精度CFD求解程序和智能优 化算法,开发了针对工程的高效涡轮2维叶型设计优化软件;以基元叶型为基础,发展了包括涡轮叶片3维积叠、扭转及子午流道 型线调整的涡轮3维参数化方法;耦合商业CFD软件和智能优化算法,开发了级环境下涡轮3维优化设计软件。利用3维优化设 计软件开展了某单级跨声速高压涡轮和高低压涡轮过渡段优化设计,使单级高压涡轮效率提高0.62个百分点、过渡段分离流动区 域大幅度减小。结果表明：涡轮自动优化技术能够满足工程应用需求,显著地提升了涡轮气动设计水平。     

基于双向流固耦合的长叶片气动和强度性能的数值研究

为了研究流固耦合对长叶片气动及强度性能的影响,采用双向流固耦合技术对一典型长叶片进行了详细的数值分析。采用动网格技术和数值求解Reynolds-Averaged Navier-Stokes(RANS)方程的方法进行长叶片气动性能分析,耦合长叶片气动性能分析得到的叶片表面压力分布,采用商用软件ANSYS研究了考虑阻尼围带和拉金结构的长叶片的应力和变形特性,利用叶片表面节点位移和气动压力在流固耦合面上保证能量守恒的条件下采用插值传递方法,经过迭代得到稳定的长叶片气动及强度性能。结果表明:耦合前后长叶片表面的静压分布的差异主要集中在上部区域。基于双向流固耦合作用得到的长叶片绝对出口气流角在40%~95%叶高范围内相比于没有考虑流固耦合作用时减小。耦合前长叶片最大位移位置出现在85%叶高处靠近前缘位置。耦合后长叶片的最大位移位置由前缘移向尾缘,最大位移值由3.471mm减小到3.082mm。长叶片最大等效应力出现在叶片压力面侧第一级榫齿上表面靠近前缘处。耦合前后应力分布趋势基本不变,最大应力的位置不变。耦合后最大应力值提高0.4%。     

涡轮动叶凹槽状叶顶传热特性和气动性能的不确定性量化研究

基于非嵌入式多项式混沌展开方法,结合Smolyak稀疏网格技术与Sobol Indic方法构建了涡轮动叶凹槽状叶顶传热特性和气动性能不确定性量化分析系统。研究并量化了几何参数叶顶间隙和运行工况参数主流进口总温与气膜冷却吹风比不确定性对涡轮动叶凹槽状叶顶气热特性的影响。不确定性分析结果表明：在考虑叶顶间隙与主流进口总温和吹风比不确定性的情况下,叶顶换热量 基本符合正态分布。 的统计均值相对于设计值增加13.56%并且其偏离设计值10%的概率高达65.68%。相比叶顶尾缘区域,叶顶前缘部分的换热量对不确定性输入更加敏感。前缘区域的叶片壁面换热量 的不确定性明显大于尾缘部分。在叶顶间隙与主流进口总温和吹风比不确定性的影响下,0-80%轴向弦长区域内叶顶总压损失系数存在微小偏差,但在80%轴向弦长以后区域总压损失系数的不确定性偏差会达到约50%。敏感度分析的结果表明主流进口总温是叶片换热性能不确定性的主导变量,其对 与 不确定性的贡献分别为93.87%和98.32%。叶顶气动性能的不确定性则完全由叶顶间隙控制,其对叶顶总压损失系数不确定性的方差占比高达86.44%。与主效应相比,各变量间的二阶交互效应对叶顶气热性能的影响几乎可以忽略不计。     

基于非平稳高斯过程的叶栅加工误差不确定性量化

基于非平稳高斯过程描述叶片加工误差,结合Karhunen-Loeve展开方法,建立了由于加工误差导致的叶片型线几何不确定性表征模型。耦合非嵌入式多项式混沌展开、稀疏网格技术与Reynolds-Averaged Navier-Stokes (RANS)方程求解技术,提出了叶栅加工误差不确定性量化方法,研究量化了加工误差所导致的叶型几何不确定性对典型高负荷Pak-B叶栅气动性能的影响。结果表明,在加工误差影响下,叶片负荷相对于设计值变化[±1%]以上的概率为0.56,总压恢复系数相对于设计值降低1%以上的概率为0.12。详细气动分析表明,斜切部分和尾缘的加工制造精度对Pak-B叶栅气动性能影响显著,相应位置的加工误差应严格控制。     

基于全局气动优化方法的跨声速叶栅气动优化

提出了适用于叶栅三维气动设计优化的全局自动气动优化方法.对NASA Rotor 37转子叶栅进行了气动优化设计.利用该叶栅的试验数据校核了计算流体(CFD)程序的可靠性.以等熵效率最高为目标函数,在满足流量约束和总压比约束的条件下,完成了跨声速叶栅的气动优化设计.优化叶栅的等熵效率提高了1.66%,具有优秀的气动性能和变工况性能.优化结果表明,通过优化三维跨声速叶栅的型线和径向基迭方式,可以有效的减小跨声速叶栅的激波损失.      

凹槽状叶顶气膜孔优化设计与知识挖掘

为改善叶顶气膜冷却效果,基于全局优化算法,引入数据挖掘技术,建立了凹槽状叶顶气膜孔优化设计与数据挖掘框架。以叶顶的平均气膜有效度为优化目标和以冷气流量为约束条件,对GE_E3动叶叶顶的气膜孔进行优化设计。优化后叶顶的平均气膜有效度提高了3.7倍。流动结构与冷却分析表明,优化后气膜孔的分布得到了改善,孔径的改变使得冷气流量分布更为合理,从而增加了叶顶前缘的气膜覆盖面积,增强了主流对冷气的压制效应,喷射冷气更加贴近壁面,叶顶的平均气膜有效度显著提高。同时通过对设计空间进行知识挖掘,探究设计空间信息,结果表明叶顶前缘气膜孔对叶顶气膜冷却影响显著,增大叶顶前缘气膜孔孔径,将前缘气膜孔向前缘移动,减小中部气膜孔间距,可有效改善叶顶气膜冷却效果。     

基于子元模型的全局优化与设计空间知识挖掘方法

为有效求解大资源黑盒子问题如叶轮机械设计优化等,提出了基于子元模型的全局优化与设计空间知识挖掘方法MBOE。该方法包括全局优化算法MBGO与数据挖掘两部分,其中MBGO算法需要极少的函数估值即可获得全局最优解;数据挖掘技术能有效分析变量间的相关关系,揭示最优设计性能提高的本质原因。利用MBOE,完成NASA Rotor37转子叶栅三维气动设计优化与知识挖掘,最优设计等熵效率相对参考设计提高1.74%。同时,利用MBGO算法所需要的计算量仅为进化算法的1/5。数据挖掘结果表明叶栅前缘及三维积叠参数对叶栅气动性能影响较大,最优设计由于上述叶型参数的改善有效减弱了叶栅进口激波损失,使得最优设计气动性能明显提高。由此,MBOE方法的正确性和有效性得到了验证。