-
题名考虑燃烧室出口温度分布的航空发动机部件级模型
被引量：2
- 1
-
-
作者
郑前钢
张宏维
张海波
-
机构
南京航空航天大学能源与动力学院
-
出处
《推进技术》
EI
CAS
CSCD
北大核心
2024年第6期240-257,共18页
-
基金
国家科技重大专项(J2019-II-0009-0053,J2019-I-0020-0019,J2019-III-0014-0058)
先进航空动力创新工作站项目(HKCX2022-01-026-03,HKCX2022-01-026-03,HKCX2020-02-027)
南京航空航天大学前瞻布局科研专项资金(ILA220341A22,ILA220371A22)。
-
文摘
燃烧室出口温度分布不均匀会使涡轮叶片受到不均匀的热载荷,严重影响涡轮叶片的工作寿命。本文提出一种具有燃烧室出口温度分布预测功能的部件级模型建模方法,为燃烧室出口温度分布控制研究提供了仿真平台。以变循环发动机为研究对象,根据其设计点参数设计燃烧室三维模型,通过CFD数值模拟的方法,计算得到该燃烧室三维模型在地面不同工作状态下的燃烧室出口温度分布场,组成温度分布场训练数据集。提出基于Inception-反卷积网络的燃烧室出口温度分布场重建方法,基于该方法构建了燃烧室出口温度分布场预测模型。建立了适用于全包线、全状态,可以预测燃烧室出口温度分布场的部件级模型,与传统的部件级模型相比,该模型能够预测发动机在不同工作状态、不同包线点下的燃烧室出口温度分布场。结果表明:Inception-反卷积网络在训练集和测试集上的均方误差比常规反卷积降低11.83%和5.6%,比WGAN-GP降低87%和90%;部件级模型预测温度分布场和CFD仿真温度分布场的温度分布趋势基本一致;所提出的Inception-反卷积网络预测精度高于常规反卷积网络和WGAN-GP网络预测精度,在热斑处温度点误差更小,在亚声速巡航点(H=8 km,Ma=0.7),(H=8 km,Ma=0.9)和超声速巡航点(H=10 km,Ma=1.4),(H=10 km,Ma=1.6)时,Inception-反卷积网络预测温度分布场的平均温度误差分别为0.05 K,-1.38 K,-1.54 K和4.44 K,均方误差分别为6.7×10^(-4),1.9×10^(-4),3.0×10^(-4)和1.4×10-3,热斑温度误差分别为-3.91 K,-3.67 K,-5.34 K和0.85 K。
-
关键词
发动机部件级模型
燃烧室出口温度分布
深度学习
全包线
预测模型
-
Keywords
Engine component level model
Combustion chamber outlet temperature distribution
Deep learning
Entire envelope
Prediction model
-
分类号
V231.1
[航空宇航科学与技术—航空宇航推进理论与工程]
-
