Что представляет из себя мотогондола двигателя? Мотогондола — это не просто отсек для двигателя, а хитроумная деталь, изменение формы которой может существенно повлиять на аэродинамические характеристики летательного аппарата. Совершенствование ее конструкции приводит к созданию более равномерного потока, поступающего на диск вентилятора турбореактивного двигателя, а также к снижению лобового сопротивления всей компоновки самолета. Кроме того, мотогондола защищает двигатель от пыли, грязи и дождя, предотвращая механические повреждения. Таким образом, важно еще на этапе проектирования и многочисленных инженерных расчетов получить оптимальную форму этого важнейшего элемента планера.
Сегодня инженерам уже доступны самые передовые программы для моделирования как конструктивных элементов, так и физических процессов. Эти инструменты экономят время и снижают стоимость разработки новых изделий. Однако, существует подход, позволяющий в несколько раз сократить трудоемкость и быстро получать наилучшие аэродинамические формы. Это оптимизация. Причем не простая, а трехмерная и автоматизированная, в которой все процессы – от подготовки 3D-модели, до выгрузки результатов полностью отлажены.
В этой статье мы расскажем о том, как с помощью наших программных продуктов Flypoint Parametrica и LS-TECH Framework провести автоматизированную трехмерную оптимизацию и получить оптимальную конфигурацию мотогондолы бизнес-джета Gulfstream G600.
Начнем с параметризации
При подходе к оптимизации важно работать с настоящей трехмерной геометрией, а не просто с набором плоских сечений. При таком «трехмерном» подходе появляется возможность учесть все особенности сложной криволинейной поверхности, а также применить самые точные методы в моделировании физических процессов. Кроме того, очень важно получить результат в кратчайшие сроки и без потери качества. Сложная задача. Посмотрим, как мы предлагаем ее решить.
Первом делом необходимо создать параметрическую 3D-модель. Это можно осуществить с помощью программы Flypoint Parametrica. Модель мотогондолы представляет собой совокупность NURBS-поверхностей с гладкой стыковкой, построенных по четырем взаимно перпендикулярным осевым сечениям. Такой подход позволяет управлять формой объекта в любом, даже в самом широком диапазоне, задействуя минимальное число параметров. В нашем примере – их всего 11. При этом мы одновременно воздействуем и на воздухозаборник, и на сопло смешения.
Благодаря Flypoint Parametrica модель мотогондолы моментально перестраивается и никаких проблем в виде осцилляций и зазоров на поверхностях не возникает.
Проведем математическое моделирование
Следующим шагом нашего исследования является настройка решателя. Кратко рассмотрим постановку задачи численного моделирования мотогондолы ТРДД. В качестве прототипа самолета, как упоминалось ранее, выбрана геометрия Gulfstream G600, а в качестве двигателя – модель Pratt & Whitney Canada PW815GA.
Режим полета – крейсерский, на границах расчетной области задавались атмосферные условия для высоты 10 километров, которые были взяты из таблицы стандартной международной атмосферы. Задача решалась в симметричной постановке, что позволило упростить вычисления и сосредоточиться на ключевых аспектах модели.
Важно, что в рамках данной задачи учитывалась работа двигателя без моделирования его проточной части. Какие же условия были заданы в двигателе? На диске вентилятора и кольцевых сечениях на входе в сопло смешения задавались расходы и температуры потоков – отдельно для горячей и холодной части, характерные для рассматриваемого режима работы двигателя.
Для того чтобы провести оптимизацию в максимально короткие сроки, была выбрана сетка размерностью в 1 миллион ячеек — оптимальный компромисс между вычислительными затратами и необходимой точностью.
Мы разработали параметрическую модель, построили расчетную сетку и настроили расчет. Однако перед тем, как переходить к оптимизации, важно определиться с характеристиками, которые мы будем совершенствовать.
Распишем условия оптимизации мотогондолы
Главная цель – это, конечно же, повысить эффективность работы двигателя. Чтобы это сделать, были заданы две целевые функции:
- Показатель окружной и радиальной неравномерности потока на входе в двигатель;
- Коэффициент потерь эффективной тяги двигателя.
К их минимизации мы и будем стремиться. Также, сразу сформулируем ограничения. В первую очередь, конструктивные: мидель мотогондолы и длина сопловой части неизменны из-за необходимости сохранения сопряжения с неизменяемой геометрией пилона. Что касается аэродинамических ограничений, то в задаче было установлено требование, чтобы эффективная тяга двигателя оставалась неотрицательной.
Перейдем к самой оптимизации
Поясним смысл нашей технологии оптимизации, схематично изображенной на картинке выше.
- Параметрическая 3D-модель мотогондолы создается и подготавливается в программе Flypoint Parametrica;
- Затем в автоматическом режиме эта модель отправляется в решатель Ansys Fluent, где строится расчетная сетка и выполняется расчет обтекания самолета;
- Далее полученные аэродинамические характеристики направляются в оптимизатор Ansys optiSLang, где и осуществляется поиск оптимума целевых функций с учетом ограничений.*
*На эту тему у нас есть отдельное видео, где мы подробно рассказали про все этапы оптимизации мотогондолы.
Важно добавить, что результат гарантирован вне зависимости от того какой решатель (будь то Fluent, Star-CCM+ или FlowVision), а также оптимизатор (Ansys optiSLang, pSeven или IOSO).
При этом каждый этап: параметризация, моделирование и сама оптимизация, уже настроен и автоматизирован в программе LS-TECH Framework. Что значительно облегчает порог входа в оптимизационные задачи и экономит время инженера.
Поговорим немного о методах оптимизации
В этом разделе расскажем нашим читателям простыми словами о разных подходах к оптимизации: прямом и по метамодели.
- В прямом методе на каждой оптимизационной итерации идет обращение к решателю, то есть, каждый шаг предполагает ожидание результатов CFD-расчетов. Это гарантирует точность, но и требует немалых затрат времени и ресурсов. Чем сложнее задача, тем больше вычислений, а значит, и больше ее трудоемкость.
- В оптимизации по метамодели мы проводим серию экспериментов, собираем данные и аппроксимируем, а затем на основе полученных результатов создаём упрощённую модель. Такой подход позволяет существенно сократить время вычислений, однако приходится мириться с некоторыми погрешностями.
В целях сокращения времени оптимизация проводилась по метамодели. И первым шагом стал анализ чувствительности, в ходе которого были выявлены зависимости между входными и выходными параметрами.
Эти зависимости отображены в процентах в ячейках матрицы чувствительности (рис. 9).
Теперь обратим внимание на результаты, полученные в матрице для ключевых параметров. Показатель окружной и радиальной неравномерности потока (Delta_sigma_0) на 30% зависит от осевого положения горла воздухозаборника (ВЗ) и на 8,7% — от радиуса носика воздухозаборника. Что касается коэффициента потерь эффективной тяги двигателя (dP_dv_ef ), то на 88,4% его значение определяется радиусом среза сопла и на 8,5% — радиусом носика воздухозаборника.
И по результатам анализа уже были построены поверхности отклика, которые представляют собой метамодели, описывающие аналитические зависимости выходных параметров от входных.
В первую очередь, обратим внимание на поверхность отклика для коэффициента потерь эффективной тяги двигателя (рис. 10). Точность прогноза для этого параметра составляет 95%, что свидетельствует о высоком результате и минимальной зашумленности численных экспериментов. Что касается показателя неравномерности потока, то результат менее точен – 45%. Это связано с тем, то численные эксперименты здесь более подвержены «шуму», что затрудняет построение качественной поверхности отклика (рис. 11).
Результаты оптимизации
Следующий шаг — это сравнение характеристик, которые мы отслеживали в процессе оптимизации. Давайте внимательно рассмотрим, как изменились ключевые показатели: окружная и радиальная неравномерность потока и коэффициент потерь эффективной тяги (таблица 1).
- В результате оптимизации показатель окружной и радиальной неравномерности потока уменьшился на 26,8%! А снижение коэффициента потерь эффективной тяги составило 1,6%.
Мотогондола до и после оптимизации
При совмещении исходной и оптимизированной геометрии хорошо видно, что модель мотогондолы претерпела значительные изменения. Обечайка мотогондолы приобрела более квадратный вид и изменился угол наклона входной кромки.
Далее сравним модель до и после оптимизации в плоскости симметрии мотогондолы.
На данном рисунке отметим, что горло воздухозаборника сместилось вперед по потоку, незначительно уменьшился диаметр носика ВЗ, а также увеличился радиус среза сопла.
Подробнее про аэродинамику
Приступим к заключительному этапу — анализу аэродинамических характеристик до и после оптимизации.
Оценка окружной и радиальной неравномерности потока на диске вентилятора без учета нестационарных пульсаций полного давления проводилась по методике ЦАГИ. На кольце, ограниченном периферийным радиусом и радиусом кока, на 6 лучах, равномерно расположенных на диске вентилятора, было установлено 36 точек мониторинга полного давления. Показатель окружной и радиальной неравномерности определялся через коэффициент восстановления полного давления путем последовательных осреднений, выгруженных из решателя значений по радиусу на каждом луче, а затем по угловым координатам по всей окружности диска вентилятора.
На рисунке 14 показаны распределения полного давления на диске вентилятора до и после оптимизации, полученные путем интерполяции, выгруженных из решателя значений полного давлений. Хорошо заметно, что амплитуды пониженного и повышенного давления, характерные для исходного варианта, в результате оптимизации стали значительно меньше. Интегральный показатель окружной и радиальной неравномерности, как было отмечено выше, снизился на 26,8%.
Перейдем к результатам для второй целевой функции. Как говорилось ранее, коэффициент потерь эффективной тяги снизился на 1,6%. В основном это произошло из-за уменьшения на 4,9% аэродинамического сопротивления внешних поверхностей мотогондолы.
Что касается составляющих лобового сопротивления, то влияние сил давления на исходную форму на 20% выше, чем у оптимизированной геометрии. Это видно по распределению статического давления (рис. 15).
Подведем итоги
На примере мотогондолы турбореактивного двигателя самолета мы продемонстрировали, как наша авторская технология трехмерной параметрической оптимизации с легкостью справляется с оптимизацией любых сложных форм.
В Flypoint Parametrica создана параметрическая 3D-модель мотогондолы с минимальным числом управляемых параметров при этом без каких-либо упрощений ее исходного математического описания. Управляя всего 11-ю параметрами, мы получили полную свободу при перестроении геометрии и гарантировано добились результатов оптимизации.
Все процессы оптимизации полностью автоматизированы благодаря нашему флагманскому программному продукту LS-TECH Framework, который обеспечил бесшовную передачу данных между Flypoint Parametrica, Ansys Fluent и Ansys OptisLang. Цикл оптимизации не требует участия инженера внутри каждой оптимизационной итерации. Никакой ручной доработки геометрии и настройки расчетной сетки!
Если вас заинтересовал наш программный продукт, напишите нам на почту info@ls-technologies.ru — будем рады сотрудничеству!
Итогом параметрической 3D-оптимизации мотогондолы стало уменьшение показателя окружной и радиальной неравномерности потока на входе в двигатель на 26,8%, а также коэффициента потерь эффективной тяги двигателя на 1,6%, при сохранении всех заданных ограничений.
Спасибо, что дочитали до конца! Если статья вам понравилась, поставьте лайк и подпишитесь на наш Дзен-канал, чтобы всегда быть в курсе новых публикаций. Есть вопросы? Пишите в комментариях — мы с удовольствием ответим!
Возможно вам будет интересно изучить другие наши статьи:
- Трехмерная параметрическая оптимизация крыла сверхзвукового пассажирского самолёта
- Параметрическая оптимизация фюзеляжа сверхзвукового пассажирского самолёта