CN113297705B - 一种根据设计指标预测压气机特性的方法 - Google Patents
一种根据设计指标预测压气机特性的方法 Download PDFInfo
- Publication number
- CN113297705B CN113297705B CN202110679168.XA CN202110679168A CN113297705B CN 113297705 B CN113297705 B CN 113297705B CN 202110679168 A CN202110679168 A CN 202110679168A CN 113297705 B CN113297705 B CN 113297705B
- Authority
- CN
- China
- Prior art keywords
- compressor
- pressure ratio
- design
- total pressure
- efficiency
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Geometry (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Control Of Positive-Displacement Air Blowers (AREA)
Abstract
本发明涉及一种根据设计指标预测压气机特性的方法,属于压气机特性预测领域。包含各等转速线峰值效率点的特性参数的预测和各个等转速线向近喘振区和近堵塞区延拓的预测。预测过程的数据输入仅为压气机设计指标(设计点压比和效率),无需压气机叶型数据。根据设计点压比,构建三个系数,首先预测出各等转速线峰值效率点特性,然后分别向喘振边界和堵塞边界拓展特性线。本发明中使用的公式及参数均来源于对历史压气机特性数据的挖掘。本发明提出的预测方法可用于轴流压气机、离心压气机性能预测,特别适用于在燃气轮机、航空发动机总体设计初期尚无叶型数据时对压气机性能进行预测,计算简单便捷、精度较高。
Description
技术领域
本发明属于压气机特性预测领域,涉及一种压气机性能预测方法,尤其涉及在没有压气机叶型信息情况下仅依靠设计指标的情况下压气机特性预测方法。
背景技术
压气机是燃气轮机重要部件,用于压缩来流气体,广泛应用于航空动力、船舶动力和热力发电等领域。压气机特性图是压气机在全运行范围内气动性能的主要表示方式,是航空发动机以及燃气轮机实际运行的关键依据,特性图描述了压气机的效率和总压比与无量纲归一化转速、无量纲归一化流量之间关系,一般绘制成包含若干条等转速线的两幅线图,每条等转速线以折合流量为自变量,两幅图中效率和总压比为分别为因变量,每条等转速线上一般都有一个峰值效率点。燃气轮机、航空发动机工作时,压气机工作线一般接近峰值效率点连线,峰值效率点为该转速下压气机工作状态的最佳点。
一般情况为获取压气机特性图,多通过压气机试验测量和压气机流场数值计算的方法,该两种方法均需要已知压气机叶型数据。在工程实际中,在燃气涡轮发动机初步设计阶段,进行总体性能计算时,需要初步的压气机特性数据,而此时一般没有压气机叶型数据,故只能使用不依赖叶型数据的性能预测算法。
目前,压气机性能预测大多是基于已有特性图的内插值或外推到特性图没有包含的转速范围,或者基于根据设计指标对压气机叶型进行正反设计,再通过流场数值计算获得特性,计算量较大。
发明内容
要解决的技术问题
为了避免现有技术的不足之处,本发明提出一种无需叶形几何数据,仅需要设计指标的压气机特性预测方法。
技术方案
一种根据设计指标预测压气机特性的方法,所述的设计指标为:转速的效率最高点的总压比πD和效率ηD;预测过程分为峰值效率点预测、近堵塞区预测和近喘振区预测;
对于峰值效率点,以转速n为自变量,依下式计算相应归一化流量mp、总压比πp和效率ηp:
mp(n)=exp[Em ln(n)]
πp(n)=πDexp[Eπ ln(n)]
其中,三个系数Em、Eπ和Eh均为设计指标总压比πD的函数,关系如下所示:
Em=0.19πD+0.75
Eπ=0.65+1.22ln(πD+0.50)
Eh=2.29±1.12
优选地:所述的Em、Eπ可20%范围内浮动。
对于近堵塞区,以总压比π为自变量,对于指定的转速n,依下式计算流量和效率:
其中,kG-π和kT-π与转速和设计总压比相关,根据历史数据利用神经网络方法构建响应面求解;
对于近喘振区,以流量m为自变量,对于指定的转速n,依下式计算总压比和效率:
其中:
系数kh-m和kTmm与转速和设计总压比相关,根据历史数据利用神经网络方法构建响应面求解。
优选地:所述的Em、Eπ可20%范围内浮动。
一种计算机系统,包括:一个或多个处理器,计算机可读存储介质,用于存储一个或多个程序,其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现上述的方法。
一种计算机可读存储介质,存储有计算机可执行指令,所述指令在被执行时用于实现上述的方法。
一种计算机程序,包括计算机可执行指令,所述指令在被执行时用于实现上述的方法。
有益效果
本发明提出的根据设计指标的压气机特性预测方法,包含等转速线峰值效率点的特性参数预测和各个等转速线向近喘振区和近堵塞区延拓的预测。预测过程的数据输入仅为压气机设计指标(设计点总压比和效率),无需压气机叶型数据。根据设计点压比,首先构建三个系数,之后预测出各等转速线峰值效率点特性,然后分别向喘振边界和堵塞边界拓展特性线。本发明中使用的关联式及关联式中的参数数值为对众多压气机特性数据进行研究分析后提出。本发明提出的预测方法可用于轴流压气机、离心压气机性能预测,特别适用于在燃气轮机、航空发动机总体设计初期尚无叶型数据时对压气机性能进行预测,计算简单便捷、精度较高。有益效果如下:
1、本方法不需要压气机的几何参数,仅依靠设计指标进行预测。2、不需要流场数值计算,无需迭代,关联式计算量小,计算速度快。3、本方法适用于轴流压气机和离心压气机,也可用于对特性线进行加密和外推。
附图说明
附图仅用于示出具体实施例的目的,而并不认为是对本发明的限制,在整个附图中,相同的参考符号表示相同的部件。
图1为依赖设计指标的预测压气机特性的方法流程。
图2压气机特性预测效果图,三角形为预测的峰值效率点、虚线为特性曲线预测结果,圆圈和实线分别为真实峰值效率点和特性曲线。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图和实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。此外,下面描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
在对大量压气机特性图数据研究发现,在工作转速范围内,各转速的峰值效率点呈现一些规律:流量m、比功Δh*和总压比π的对数与转速n的对数呈线性相关的关系,将以上变量经设计点参数无量纲化后,表达式为:
ln[mp(n)]=Em ln(n)
ln[Δh* p(n)/Δh* d]=Eh ln(n)
ln[πp(n)/πd]=Eπ ln(n)
经进一步研究发现,Em和Eπ与设计总压比πD有关,Eh近似呈现一定分布,即步骤一使用的关系式,描述如下:
Em(πd)=0.19πd+0.75
Eπ(πd)=0.65+1.22ln(πd+0.50)
Eh=2.29±1.12
利用上述关系式,通过设计总压比πD计算得到Em、Eπ和Eh后,考虑到在设计点转速n=1、流量m=1,考虑到相对比功Δh*/Δh* d与压气机特性图中变量转速n、流量m、等熵效率η和总压比π之间的物理关系:
即可推导出各转速峰值效率点的流量mp、总压比πp和效率ηp,即步骤二中使用的表达式如下:
mp(n)=exp[Em ln(n)]
πp(n)=πDexp[Eπ ln(n)]
其中:
γ=1.4
在对特性图数据近堵塞区进行研究发现,可以利用特性线的规律从峰值效率外推,实现对近堵塞区特性线进行预测。近堵塞区特性线的规律为:在每条等转速线上,扭矩T和参数G与总压比π呈线性相关,比例系数kT-π、kG-π与设计压比πD、转速n相关,线性关系表达式和参数G的定义如下:
G=kG-π(π-πp)/πd
其中,cp为定压比热系数,此外的下角标p表示等转速线上的峰值效率点,T1 *为进口总温,Δhs *为等熵比功,比例系数可表示为:
kG-π=kG-π(πD,n)
kT-π=kT-π(πD,n)
利用已有压气机数据通过神经网络拟合构建系数表达式。在已知各转速线峰值效率点参数后,以总压比π为自变量,可推导得到流量和效率,即步骤三中关系式:
在对特性图数据近喘振区进行研究发现,可以利用特性线的规律从峰值效率外推,实现对近喘振区特性线进行预测。近喘振区特性线的规律的表达式如下:
比例系数可表示为:
kh-m=kh-m(n,πd)
kTmm=kTmm(n,πd)
利用已有压气机数据通过神经网络拟合构建系数表达式。在已知各转速线峰值效率点参数后,以流量m为自变量,可推导得到总压比和效率,即步骤四中关系式:
其中:
为了使本领域技术人员更好地理解本发明,下面结合具体实施例对本发明进行详细说明。
以某单级压气机为真值进行预测,其设计参数πD=1.9195,ηD=0.85123,步骤一具体包括:三个系数Em、Eπ和kh均为设计指标总压比πD的函数,关系如下所示:
Em=0.19πD+0.75
Eπ=0.65+1.22ln(πD-0.50)
Eh=2.29±1.12
该三参数体现了相同设计指标不同设计构型之间的差异,带入设计参数得:
Em=1.1147
Eπ=1.0774
Eh=2.29
其中,Em、Eπ可按上式结果20%范围内依据经验或历史压气机数据浮动,Eh浮动范围一般为±0.56,对于绝大多数压气机Eh浮动范围不超过±1.12,参照原型压气机进行浮动后,参数值为:
Em=1.089
Eπ=1.128
Eh=2.359
步骤三具体包括:各转速线峰值效率点的归一化流量mp、总压比πp和效率ηp与转速n、设计指标及步骤二中三个系数的关系为:
mp(n)=exp[Em ln(n)]
πp(n)=πDexp[Eπ ln(n)]
其中:
γ=1.4
计算结果图示见附图2三角形符号,可见预测结果与真值(圆圈)很接近;
步骤四具体包括:对于近堵塞区,以总压比π为自变量,对于指定的转速n,依下式计算流量和效率:
其中:
系数kG-π和kT-π与转速和设计总压比相关,根据历史数据利用BP神经网络方法构建响应面求解。
步骤五具体包括:对于近喘振区,以流量m为自变量,对于指定的转速n,依下式计算总压比和效率:
其中:
系数kh-m和kTmm与转速和设计总压比相关,根据历史数据利用BP神经网络方法构建响应面求解。
步骤四、五结果见附图2虚线,可见本预测方法基本能够捕捉到压气机特性图的主要特征。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明公开的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。
Claims (4)
1.一种根据设计指标预测压气机特性的方法,其特征在于:所述的设计指标为:转速的效率最高点的总压比πD和效率ηD;分为峰值效率点预测、近堵塞区预测和近喘振区预测;
对于峰值效率点,以转速为自变量,依下式计算流量mp、总压比πp和效率ηp:
mp(n)=exp[Em ln(n)]
πp(n)=πD exp[Eπln(n)]
其中,三个系数Em、Eπ和Eh均为设计指标总压比πD的函数,关系如下所示:
Em=0.19πD+0.75
Eπ=0.65+1.22ln(πD+0.50)
Eh=2.29±1.12
对于近堵塞区,以总压比π为自变量,对于指定的转速n,依下式计算流量m和效率η:
其中,kG-π和kT-π与转速和设计总压比相关,根据历史数据利用神经网络方法构建响应面求解;
对于近喘振区,以流量m为自变量,对于指定的转速n,依下式计算总压比和效率:
其中:
系数kh-m和kTmm与转速和设计总压比相关,根据历史数据利用神经网络方法构建响应面求解。
2.根据权利要求1所述的一种根据设计指标预测压气机特性的方法,其特征在于所述的Em、Eπ可20%范围内浮动。
3.一种计算机系统,其特征在于包括:一个或多个处理器,计算机可读存储介质,用于存储一个或多个程序,其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现权利要求1所述的方法。
4.一种计算机可读存储介质,其特征在于存储有计算机可执行指令,所述指令在被执行时用于实现权利要求1所述的方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2021104376019 | 2021-04-22 | ||
CN202110437601 | 2021-04-22 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113297705A CN113297705A (zh) | 2021-08-24 |
CN113297705B true CN113297705B (zh) | 2023-02-14 |
Family
ID=77328778
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110679168.XA Active CN113297705B (zh) | 2021-04-22 | 2021-06-18 | 一种根据设计指标预测压气机特性的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113297705B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113569363B (zh) * | 2021-09-22 | 2022-02-11 | 中国航发上海商用航空发动机制造有限责任公司 | 多级压气机特性线获取方法和装置 |
CN114491417B (zh) * | 2022-04-07 | 2022-07-26 | 中国航发四川燃气涡轮研究院 | 一种基于cdfs模态变化性能的一维输入修正方法 |
CN114611333B (zh) * | 2022-05-10 | 2022-08-09 | 中国航发上海商用航空发动机制造有限责任公司 | 压气机效率评估方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108108528A (zh) * | 2017-12-01 | 2018-06-01 | 中国科学院工程热物理研究所 | 一种分轴式航改燃机动力涡轮一维匹配设计方法 |
CN109684597A (zh) * | 2018-12-21 | 2019-04-26 | 哈尔滨工程大学 | 一种用于压气机全工况特性拓展的方法 |
CN110110428A (zh) * | 2019-04-30 | 2019-08-09 | 哈尔滨工程大学 | 一种基于克里金模型优选与神经网络的压气机特性预测方法 |
CN110701086A (zh) * | 2019-09-10 | 2020-01-17 | 天津大学 | 压气机全工况性能预测方法 |
CN111709194A (zh) * | 2020-04-29 | 2020-09-25 | 北京航空航天大学 | 特种介质压气机的特性预测方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105930662B (zh) * | 2016-04-26 | 2018-04-06 | 中国科学院工程热物理研究所 | 一种压气机低转速特性外推方法 |
DE102017104414B3 (de) * | 2017-03-02 | 2018-07-19 | Technische Universität Berlin | Verfahren und Vorrichtung zum Bestimmen eines Indikators für eine Vorhersage einer Instabilität in einem Verdichter sowie Verwendung |
CN107203364B (zh) * | 2017-05-26 | 2020-12-22 | 哈尔滨工程大学 | 一种用于压气机全工况特性的预测和辨识方法 |
CN110555217B (zh) * | 2018-05-31 | 2022-12-13 | 中国人民解放军陆军军事交通学院 | 离心压气机变海拔全工况通流设计优化方法 |
-
2021
- 2021-06-18 CN CN202110679168.XA patent/CN113297705B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108108528A (zh) * | 2017-12-01 | 2018-06-01 | 中国科学院工程热物理研究所 | 一种分轴式航改燃机动力涡轮一维匹配设计方法 |
CN109684597A (zh) * | 2018-12-21 | 2019-04-26 | 哈尔滨工程大学 | 一种用于压气机全工况特性拓展的方法 |
CN110110428A (zh) * | 2019-04-30 | 2019-08-09 | 哈尔滨工程大学 | 一种基于克里金模型优选与神经网络的压气机特性预测方法 |
CN110701086A (zh) * | 2019-09-10 | 2020-01-17 | 天津大学 | 压气机全工况性能预测方法 |
CN111709194A (zh) * | 2020-04-29 | 2020-09-25 | 北京航空航天大学 | 特种介质压气机的特性预测方法 |
Non-Patent Citations (5)
Title |
---|
Modeling and detection of rotating stall inception in an axial-flow compressor with inlet distortion;Wenjie Si等;《IEEE Xplore》;20160829;第3514-3519页 * |
两区模型离心压气机性能预测方法研究;李书奇等;《内燃机工程》;20090615;第30卷(第03期);全文 * |
基于MEA-BP神经网络的压气机特性曲线预测;黄伟等;《重庆理工大学学报》;20190228;第33卷(第2期);第67-74页 * |
流线曲率法在多级跨声速轴流压气机特性预测中的应用;巫骁雄等;《推进技术》;20171031;第38卷(第10期);第2235-2245页 * |
组合压气机性能和气动稳定性计算分析;陈靖华等;《航空计算技术》;20141125;第44卷(第06期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113297705A (zh) | 2021-08-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113297705B (zh) | 一种根据设计指标预测压气机特性的方法 | |
CN109684597B (zh) | 一种用于压气机全工况特性拓展的方法 | |
Jansen et al. | The off-design analysis of axial-flow compressors | |
Wang et al. | Prediction method for low speed characteristics of compressor based on modified similarity theory with genetic algorithm | |
Harley et al. | Assessing 1D loss models for the off-design performance prediction of automotive turbocharger compressors | |
Hazby et al. | A transonic mixed flow compressor for an extreme duty | |
Chen et al. | Influence of local surface roughness of rotor blade on performance of an axial compressor stage | |
CN110705079B (zh) | 一种基于模拟退火算法的离心式压缩机结构优化方法 | |
CN117077302A (zh) | 一种叶轮的参数化设计方法 | |
CN111832189A (zh) | 一种离心式蒸汽压缩机选型方法 | |
CN113297706B (zh) | 一种根据设计指标预测压气机各转速峰值效率点的方法 | |
Zagorowska et al. | Compressor map approximation using Chebyshev polynomials | |
Hazby et al. | Free-form versus ruled inducer design in a transonic centrifugal impeller | |
Noman Danish et al. | Performance evaluation of tandem bladed centrifugal compressor | |
Yanhui et al. | An introduction of aerodynamic shape optimization platform for compressor blade | |
Fei et al. | Application of new empirical models based on mathematical statistics in the through-flow analysis | |
Li et al. | Development and application of a throughflow method for high-loaded axial flow compressors | |
Wang et al. | Method of extrapolating low speed compressor curves based on improved similarity laws | |
Jouybari et al. | Analytical modeling of performance characteristics of axial flow two-stage turbine engine using pressure losses models and comparing with experimental results | |
Kim et al. | New profile loss model for improved prediction of transonic axial flow compressor performance in choking region | |
Xu et al. | Study of the flow in centrifugal compressor | |
Lejon et al. | Optimization of robust transonic compressor blades | |
Zhang et al. | Comparative Analysis of Diagonal and Centrifugal Compressors with Synergy Theory in Compressed Air Energy Storage System | |
Sawadi et al. | Optimize and Analysis Compressor Wheel of Turbo Charger | |
Yang et al. | Performance prediction of a centrifugal compressor with cooling structure |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |