CN115828456A - 一种涡轮叶片外部全气膜冷却参数化优化设计方法 - Google Patents
一种涡轮叶片外部全气膜冷却参数化优化设计方法 Download PDFInfo
- Publication number
- CN115828456A CN115828456A CN202211491849.4A CN202211491849A CN115828456A CN 115828456 A CN115828456 A CN 115828456A CN 202211491849 A CN202211491849 A CN 202211491849A CN 115828456 A CN115828456 A CN 115828456A
- Authority
- CN
- China
- Prior art keywords
- film cooling
- air film
- optimization
- cooling structure
- blade
- 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.)
- Pending
Links
Images
Landscapes
- Turbine Rotor Nozzle Sealing (AREA)
Abstract
Description
技术领域
本发明涉及叶轮机械领域,具体涉及一种涡轮叶片外部全气膜冷却参数化优化设计方法。
背景技术
燃气机被誉为“工业皇冠上的明珠”,燃气涡轮作为燃气轮机“三大部件”之一,不仅承担了对外输出功率的作用,同时还兼具带动压气机的重要责任,其重要性不言而喻。其处于燃烧室之后,直接面临着燃烧室出口高温、高压燃气的冲击,因此它的工作环境尤为恶劣且复杂。
目前燃气涡轮第一级导叶的工作温度已经远远超出了其材料的耐热极限,为了使燃气轮机能够正常工作,对高温涡轮叶片进行冷却是必须采取的手段。
气膜冷却是一种有效的冷却方式。通常是通过叶片表面的气膜孔喷射出冷气,在高温主流压力和摩擦力等作用下,与主流燃气进行掺混,并在叶片表面形成一层冷气膜,将叶片表面与主流燃气隔离开来,阻隔主流燃气与叶片表面的直接对流换热。冷气膜的形成阻止了主流燃气与叶片表面的直接接触,能够达到隔热降温的作用。
气膜冷却效率是衡量气膜冷却有效性的重要指标,影响气膜冷却效率的因素可以大致划分为两大类,其一是气膜孔的几何参数(如孔倾角、孔型、长径比、孔间距、孔排数等);其二是气动参数(如吹风比、主流湍流度、温比等)。
发明内容
本发明的目的在于提供一种涡轮叶片外部全气膜冷却参数化优化设计方法,解决传统人工优化涡轮冷却结构耗时耗力、气膜冷却效率低、涡轮叶片表面的整体温度高、涡轮叶片的冷却效果不理想、由于不可逆换热导致的损失以及燃气轮机整体效率低的问题。
一种涡轮叶片外部全气膜冷却参数化优化设计方法,所述方法包括:
将待优化的涡轮叶片分为三个部分,所述三个部分分别为:前缘气膜冷却结构、吸力面气膜冷却结构和压力面气膜冷却结构;
对所述前缘气膜冷却结构进行优化:
S1:建立所述三个部分优化的目标函数,确定优化设计变量;
S2:对所述优化设计变量进行参数敏感性分析,得到优化设计参数;
S3:采用涡轮叶片冷却结构参数化建模方法对涡轮叶片进行建模;
S4:调用ICEM脚本文件,对参数化模型进行自动网格划分,得到所需的计算域;
S5:利用CFX中的CCL语言对所述计算域进行前处理,调用CFX求解器,对所述计算域进行后台求解计算,得到求解结果;
S6:编写CCL语言,对所述求解结果进行后处理,得到优化所需的目标函数值对所述目标函数值进行判断,若已达最优,则输出气膜冷却优化结果,完成本阶段的优化,否则,进行步骤S7;
S7:采用优化算法对所述优化设计变量进行优化寻优,得到优化后各个设计参数的取值,重复步骤S3到S6,直到优化完成;
完成所述对前缘气膜冷却结构进行优化,得到所述前缘气膜冷却结构优化的最优结果;
重复S1-S7,依次对所述吸力面气膜冷却结构和压力面气膜冷却结构进行寻优,得到所述吸力面气膜冷却结构优化的最优结果和压力面气膜冷却结构优化的最优结果;
将所述前缘气膜冷却结构优化的最优结果、吸力面气膜冷却结构优化的最优结果和压力面气膜冷却结构优化的最优结果进行整合,得到高温涡轮外部气膜冷却全叶片的最优设计方案,完成所述涡轮叶片外部全气膜冷却参数化优化设计方法。
进一步地,所述目标函数为叶片表面的全叶片平均气膜冷却效率。
进一步地,所述叶片表面的全叶片平均气膜冷却效率的定义式为:
η=0.61+0.2η2+0.2η3
其中,η为全叶片表面的平均气膜冷却效率,η1为叶片前缘的平均气膜冷却效率,η2为叶片压力面的平均气膜冷却效率,η3为叶片吸力面的平均气膜冷却效率。
进一步地,所述优化设计参数包括:所述前缘气膜冷却结构的优化设计参数、所述吸力面气膜冷却结构的优化设计参数和所述压力面气膜冷却结构的优化设计参数。
进一步地,所述前缘气膜冷却结构的优化设计参数包括:第一孔排(1)的复合角、第二孔排(2)的复合角、第一孔排(1)的相对位置m1、第二孔排(2)的相对位置m2和第三孔排(3)的相对位置m3。
进一步地,所述吸力面气膜冷却结构的优化设计参数包括:吸力面孔排(7)的入射角、吸力面孔排(7)的相对位置和吸力面孔排(7)距离叶根位置的距离。
进一步地,所述压力面气膜冷却结构的优化设计参数包括:压力面孔排(6)的入射角、压力面孔排(6)的相对位置和压力面孔排(6)距离叶根位置的距离。
进一步地,所述优化算法选用ISIGHT软件中内置的多岛遗传算法。
本发明还提供一种计算机设备,所述计算机设备包括存储器和处理器,所述存储器中存储有计算机程序,当所述处理器运行所述存储器存储的计算机程序时,所述处理器执行上述任意一项中所述的一种涡轮叶片外部全气膜冷却参数化优化设计方法。
本发明还提供一种计算机可读存储介质,所述计算机可读存储介质用于储存计算机程序,所述计算机程序执行上述任意一项中所述的一种涡轮叶片外部全气膜冷却参数化优化设计方法。
本发明有益效果:
对涡轮叶片气膜冷却结构进行优化,传统的人工优化方式费时费力,优化路径无法保证为最优路径。本发明提出了一种涡轮叶片外部全气膜冷却参数化优化设计方法,通过搭建的涡轮冷却结构优化设计平台,能够实现涡轮冷却结构的全自动化优化过程,稳定快速地获得涡轮叶片气膜冷却结构的最优或者次优方案,产生经济高效的有益效果。
本发明可用于燃气轮机涡轮叶片外部气膜冷却结构的优化设计。
附图说明
图1为实施方式一、实施方式九所述的一种涡轮叶片外部全气膜冷却参数化优化设计方法的流程图;
图2为实施方式一、实施方式九所述的待优化的涡轮叶片气膜冷却结构示意图,其中包括:前缘气膜孔:第一孔排1,第二孔排2,第三孔排3;腮孔:第四孔排4,第五孔排5,压力面孔排6,吸力面孔排7;
图3为部分冷却结构参数化图,其中包括:第一孔排1的基准点位置m1、第二孔排2的基准点位置m2、第三孔排3的基准点位置m3,腮孔基准点位置sk1,压力面基准点位置p1,吸力面基准点位置s1;
图4为气膜孔倾角位置关系图,其中α为入射角,β为复合角,xc轴方向为叶片曲面法向方向,yc轴方向为叶片曲面切线方向,zc轴方向为叶高方向;
图5为实施方式九所述的气膜冷却分区示意图,其中包括:前缘气膜分区8、腮孔气膜分区9、压力面气膜分区10、吸力面气膜分区11;
图6为实施方式九所述的优化路线图,首先对前缘气膜孔结构进行优化,之后在前缘气膜孔结构已经最优的前提下对吸力面气膜冷却结构进行优化,最后在前缘气膜孔结构以及吸力面气膜孔结构均已最优的前提下对压力面气膜孔结构进行优化,最终得到涡轮叶片全气膜冷却优化结果;
图7为实施方式九所述的前缘气膜孔优化计算域网格示意图,图中包含部分局部的放大图;
图8为实施方式九所述的吸力面气膜孔优化计算域网格示意图,图中包含部分局部的放大图;
图9为实施方式九所述的压力面气膜孔优化计算域网格示意图,图中包含部分局部的放大图。
图10为实施方式九所述的多岛遗传算法流程图。
具体实施方式
实施方式一:参照图1说明本实施方式。
本实施方式所述的一种涡轮叶片外部全气膜冷却参数化优化设计方法,所述方法包括:
将待优化的涡轮叶片分为三个部分,所述三个部分分别为:前缘气膜冷却结构、吸力面气膜冷却结构和压力面气膜冷却结构;
对所述前缘气膜冷却结构进行优化:
S1:建立所述三个部分优化的目标函数,确定优化设计变量;
S2:对所述优化设计变量进行参数敏感性分析,得到优化设计参数;
S3:采用涡轮叶片冷却结构参数化建模方法对涡轮叶片进行建模;
S4:调用ICEM脚本文件,对参数化模型进行自动网格划分,得到所需的计算域;
S5:利用CFX中的CCL语言对所述计算域进行前处理,调用CFX求解器,对所述计算域进行后台求解计算,得到求解结果;
S6:编写CCL语言,对所述求解结果进行后处理,得到优化所需的目标函数值;对所述目标函数值进行判断,若已达最优,则输出气膜冷却优化结果,完成本阶段的优化,否则,转入步骤S7;
S7:采用优化算法对所述优化设计变量进行优化寻优,得到优化后各个设计参数的取值,重复步骤S3到S6,直到优化完成;
完成所述对前缘气膜冷却结构进行优化,得到所述前缘气膜冷却结构优化的最优结果;
重复S1-S7,分别对所述吸力面气膜冷却结构和压力面气膜冷却结构进行寻优,得到所述吸力面气膜冷却结构优化的最优结果和压力面气膜冷却结构优化的最优结果;
将所述前缘气膜冷却结构优化的最优结果、吸力面气膜冷却结构优化的最优结果和压力面气膜冷却结构优化的最优结果进行整合,得到高温涡轮外部气膜冷却全叶片的最优设计方案,完成所述涡轮叶片外部全气膜冷却参数化优化设计方法。
具体地:
所述三个部分的优化方法及过程均相同,上述对叶片的优化,只需优化所述三个部分中的一个部分,就能使叶片的性能有所提升。
参照图1:图1为一种涡轮叶片外部全气膜冷却参数化优化设计方法的流程图。
本实施方式首先使用UG参数化建模功能对寻优得到的气膜冷却结构参数进行建模得到计算域的几何结构;
其次利用ICEM中的脚本功能,通过调用脚本文件实现对参数化模型的自动网格划分;
然后利用CFX的CCL语言完成计算域的数值求解及对求解结果进行后处理,并输出优化所需的目标函数;
最后判断目标函数是否满足设计要求,若满足,则输出优化结果,得到优化后的气膜冷却结构参数,否则使用多岛遗传算法进行寻优操作,得到另一组优化后的结构参数,并重复上述步骤。
本实施方式采用“从前到后,优势互补,内外分开,绝热优化,耦合验证”的设计思路对整个叶片表面的气膜孔进行优化设计。即先对上游气膜孔的布局结构进行优化(不考虑下游气膜孔的影响),在得到上游气膜孔优化结构以后,再叠加下游气膜孔继续进行优化设计。
本实施方式所述的一种涡轮叶片外部全气膜冷却参数化优化设计方法通过搭建的涡轮叶片气膜冷却结构优化设计平台,实现涡轮冷却结构模型的参数化建模并自动输出,网格的自动生成,自动CFD计算及后处理,一定优化策略下的自动寻优过程。
实施方式二:
本实施方式是对实施方式一所述的一种涡轮叶片外部全气膜冷却参数化优化设计方法中所述的目标函数的进一步举例说明。
本实施方式所述的目标函数为叶片表面的全叶片平均气膜冷却效率,其定义式为:
η=0.61+0.2η2+0.2η3
具体地:
本实施方式所述的叶片表面的全叶片平均气膜冷却效率,由叶片不同位置区域的冷却效率加权平均的方式构造得到,其中所述前缘气膜冷却结构冷却效率加权为60%,所述压力面气膜冷却结构和所述吸力面气膜冷却结构各加权20%。
实施方式三:
本实施方式是对实施方式一所述的一种涡轮叶片外部全气膜冷却参数化优化设计方法中所述的优化设计参数的进一步举例说明。
本实施方式所述的优化设计参数包括:所述前缘气膜冷却结构的优化设计参数、所述吸力面气膜冷却结构的优化设计参数和所述压力面气膜冷却结构的优化设计参数。
实施方式四:
本实施方式是对实施方式三所述的一种涡轮叶片外部全气膜冷却参数化优化设计方法中所述的前缘气膜冷却结构的优化设计参数的进一步举例说明。
本实施方式所述的前缘气膜冷却结构的优化设计参数包括:第一孔排1的复合角、第二孔排2的复合角、第一孔排1的相对位置m1、第二孔排2的相对位置m2和第三孔排3的相对位置m3。
实施方式五:
本实施方式是对实施方式三所述的一种涡轮叶片外部全气膜冷却参数化优化设计方法中所述的吸力面气膜冷却结构的优化设计参数的进一步举例说明。
本实施方式所述的吸力面气膜冷却结构的优化设计参数包括:吸力面孔排7的入射角、吸力面孔排7的相对位置和吸力面孔排7距离叶根位置的距离。
实施方式六:
本实施方式是对实施方式三所述的一种涡轮叶片外部全气膜冷却参数化优化设计方法中所述的压力面气膜冷却结构的优化设计参数的进一步举例说明。
本实施方式所述的压力面气膜冷却结构的优化设计参数包括:压力面孔排6的入射角、压力面孔排6的相对位置和压力面孔排6距离叶根位置的距离。
实施方式七:
本实施方式是对实施方式一所述的一种涡轮叶片外部全气膜冷却参数化优化设计方法中所述的涡轮叶片冷却结构参数化建模方法的进一步举例说明。
本实施方式所述的涡轮叶片冷却结构参数化建模方法实施方式为:首先需对模型进行相应的参数化定义,并通过UG输出相对应的参数关系,实现模型参数变量与用户自定义变量间的相对应结合,其次通过自编程序将变量写入模型,最后利用自编程序搜索自定义变量所对应的模型参数变量,实现模型的参数化改变。
实施方式八:
本实施方式是对实施方式一所述的一种涡轮叶片外部全气膜冷却参数化优化设计方法中所述的优化算法的进一步举例说明。
本实施方式所述的优化算法选用ISIGHT软件中内置的多岛遗传算法。
具体地:对于前缘气膜冷却结构优化设计,多岛遗传算法的子群规模为5,岛数为5,一共进化6代,交叉率为0.9,变异率为0.01,每代精英数为1,共计150个设计方案;对于吸力面气膜冷却结构优化设计,多岛遗传算法的子群规模为3,岛数为3,一共进化10代,交叉率为0.9,变异率为0.01,每代精英个体为1,共计90个设计方案;对于压力面气膜冷却结构优化设计,其子群规模为3,岛数为3,一共进化9代,交叉率为0.9,变异率为0.01,每代精英个数为1,共计81个设计方案。
实施方式九:参照图1至图10说明本实施方式。
本实施方式是对实施方式一所述的一种涡轮叶片外部全气膜冷却参数化优化设计方法的进一步举例说明。
参照图1,本实施方式所述的方法包括以下步骤:
步骤1:建立涡轮叶片全气膜冷却结构的目标函数,并提取影响目标函数的相关几何参数,所述的目标函数为:
η=0.61+0.2η2+0.2η3
其叶片不同位置定义如图5所示。
如图2所示,对于前缘位置,提取的待优化设计变量为第一孔排1、第二孔排2、第三孔排、的相对位置和复合角,气膜孔基元距离叶根位置的距离;对于吸力面位置,优化设计变量为吸力面孔排7的入射角、相对位置、距离叶根位置的距离;对于压力面位置,优化设计变量为压力面孔排6的入射角、相对位置、距离叶根位置的距离,各气膜孔的相对位置见图2。
步骤2:由于前缘位置待优化设计变量过多,若对所有的设计变量同时进行优化,则会导致整个设计空间过大,计算耗时过多,不利于工程实际要求,因此必须找出对目标函数影响最大的设计变量,即进行参数敏感性分析,以减少优化所需时间。前缘位置的参数敏感性分析采用最优拉丁超立方的试验设计方案,对上述提到的设计变量进行敏感性分析,挑选出对目标函数影响最大的几个设计变量作为优化变量。试验设计方案共生成90个试验点,对前缘9个参数进行敏感性分析。通过敏感性分析最终确定的前缘优化设计变量为第一孔排1、第二孔排2的复合角和第一孔排1、第二孔排2、第三孔排的相对位置。对于压力面以及吸力面,其待优化设计变量较少,不需要进行试验设计。
步骤3:采用多岛遗传算法生成优化设计变量的初值,按照此优化设计变量的取值对涡轮叶片及其冷却结构进行参数化建模。对于前缘位置,多岛遗传算法的子群规模为5,岛数为5,一共进化6代,交叉率为0.9,变异率为0.01,每代精英数为1,共计150个设计方案,多岛遗传算法的流程如图10所示;对于吸力面气膜冷却结构,子群规模为3,岛数为3,一共进化10代,交叉率为0.9,变异率为0.01,每代精英个体为1,共计90个设计方案;对于压力面气膜冷却结构,子群规模为3,岛数为3,一共进化9代,交叉率为0.9,变异率为0.01,每代精英个数为1,共计81个设计方案。
涡轮叶片冷却结构的参数化建模利用UG二次开发编写与UG相结合的自编(C++)程序实现。该自编程序能够实现冷却结构模型的自动读取、参数自定义改变、一定格式下的新模型自动输出。当模型的设计参数发生改变时,该程序能够实现对原始模型结构对应参数的改变,实现模型的参数化设计。
步骤4:在进行数值计算时,首先需要对计算域进行离散化处理。对于涡轮叶片冷却结构而言,其模型结构往往较为复杂,对其进行优化时,优化参数的变化范围较大,故采用非结构化网格是一种较为折中的选择。本发明利用ICEM来实现网格的自动生成,利用ICEM中的脚本功能,通过调用脚本文件实现对参数化模型的自动网格划分。图4气膜孔倾角位置关系图,图8所示为吸力面气膜孔优化计算域网格,图9所示为压力面气膜孔优化计算域网格。
步骤5:对划分的计算域进行数值求解。进行数值求解时,利用CFX中的CCL语言来完成计算域边界条件的自动设置、湍流模型选取等前处理,通过调用CFX求解器,实现计算域的后台求解计算,通过编写CCL语言,实现对求解结果的后处理,并输出优化所需的目标函数。
步骤6:根据数值求解器提取的目标函数判断目标函数是否满足设计要求,若满足,则输出优化结果,否则使用多岛遗传优化算法继续寻优,并重复上述步骤,直到目标函数满足设计要求。经过大约56个个体后,优化结果逐渐稳定波动。前缘气膜冷却结构优化之后,全叶片表面的平均气膜冷却效率提高了18.8%左右,前缘冷却效率提高了25.5%,压力面冷却效率提高了0.92%,吸力面冷却效率提高了2.74%。
步骤7:对前缘气膜冷却结构优化完成后,在前缘气膜孔的几何参数为已经优化后的参数的前提下,继续对吸力面气膜孔结构进行优化,直到目标函数满足设计要求。
吸力面气膜孔排优化后的全叶片平均气膜冷却效率提高了0.15%左右,相较于前缘优化,吸力面气膜冷却结构优化后的提升效果并不是很明显。
步骤8:在前缘气膜孔以及吸力面气膜孔结构参数均为最优的前提下,继续对压力面气膜孔结构进行优化设计,直到目标函数满足设计要求。优化后的平均气膜冷却效率提高了2.89%左右。由此,便完成了对整个涡轮叶片气膜冷却结构的优化。整个涡轮叶片气膜冷却结构的优化过程如图6所示。
综上所述,本实施方式实现了一种涡轮叶片外部全气膜冷却参数化优化设计方法。本实施方式搭建的涡轮冷却结构优化设计平台,能够实现涡轮冷却结构的全自动化优化过程,稳定快速地获得涡轮叶片气膜冷却结构的最优或者次优方案,产生经济高效的有益效果。
Claims (10)
1.一种涡轮叶片外部全气膜冷却参数化优化设计方法,其特征在于,所述方法包括:
将待优化的涡轮叶片分为三个部分,所述三个部分分别为:前缘气膜冷却结构、吸力面气膜冷却结构和压力面气膜冷却结构;
对所述前缘气膜冷却结构进行优化:
S1:建立所述三个部分优化的目标函数,确定优化设计变量;
S2:对所述优化设计变量进行参数敏感性分析,得到优化设计参数;
S3:采用涡轮叶片冷却结构参数化建模方法对涡轮叶片进行建模;
S4:调用ICEM脚本文件,对参数化模型进行自动网格划分,得到所需的计算域;
S5:利用CFX中的CCL语言对所述计算域进行前处理,调用CFX求解器,对所述计算域进行后台求解计算,得到求解结果;
S6:编写CCL语言,对所述求解结果进行后处理,得到优化所需的目标函数值对所述目标函数值进行判断,若已达最优,则输出气膜冷却优化结果,完成本阶段的优化,否则,进行步骤S7;
S7:采用优化算法对所述优化设计变量进行优化寻优,得到优化后各个设计参数的取值,重复步骤S3到S6,直到优化完成;
完成所述对前缘气膜冷却结构进行优化,得到所述前缘气膜冷却结构优化的最优结果;
重复S1-S7,依次对所述吸力面气膜冷却结构和压力面气膜冷却结构进行寻优,得到所述吸力面气膜冷却结构优化的最优结果和压力面气膜冷却结构优化的最优结果;
将所述前缘气膜冷却结构优化的最优结果、吸力面气膜冷却结构优化的最优结果和压力面气膜冷却结构优化的最优结果进行整合,得到高温涡轮外部气膜冷却全叶片的最优设计方案,完成所述涡轮叶片外部全气膜冷却参数化优化设计方法。
2.根据权利要求1所述的一种涡轮叶片外部全气膜冷却参数化优化设计方法,其特征在于,所述目标函数为叶片表面的全叶片平均气膜冷却效率。
3.根据权利要求2所述的一种涡轮叶片外部全气膜冷却参数化优化设计方法,其特征在于,所述叶片表面的全叶片平均气膜冷却效率的定义式为:
η=0.61+0.2η2+0.2η3
其中,η为全叶片表面的平均气膜冷却效率,η1为叶片前缘的平均气膜冷却效率,η2为叶片压力面的平均气膜冷却效率,η3为叶片吸力面的平均气膜冷却效率。
4.根据权利要求1所述的一种涡轮叶片外部全气膜冷却参数化优化设计方法,其特征在于,所述优化设计参数包括:所述前缘气膜冷却结构的优化设计参数、所述吸力面气膜冷却结构的优化设计参数和所述压力面气膜冷却结构的优化设计参数。
5.根据权利要求4所述的一种涡轮叶片外部全气膜冷却参数化优化设计方法,其特征在于,所述前缘气膜冷却结构的优化设计参数包括:第一孔排(1)的复合角、第二孔排(2)的复合角、第一孔排(1)的相对位置m1、第二孔排(2)的相对位置m2和第三孔排(3)的相对位置m3。
6.根据权利要求4所述的一种涡轮叶片外部全气膜冷却参数化优化设计方法,其特征在于,所述吸力面气膜冷却结构的优化设计参数包括:吸力面孔排(7)的入射角、吸力面孔排(7)的相对位置和吸力面孔排(7)距离叶根位置的距离。
7.根据权利要求4所述的一种涡轮叶片外部全气膜冷却参数化优化设计方法,其特征在于,所述压力面气膜冷却结构的优化设计参数包括:压力面孔排(6)的入射角、压力面孔排(6)的相对位置和压力面孔排(6)距离叶根位置的距离。
8.根据权利要求1所述的一种涡轮叶片外部全气膜冷却参数化优化设计方法,其特征在于,所述优化算法选用ISIGHT软件中内置的多岛遗传算法。
9.一种计算机设备,其特征在于,所述计算机设备包括存储器和处理器,所述存储器中存储有计算机程序,当所述处理器运行所述存储器存储的计算机程序时,所述处理器执行权利要求1-8中任意一项中所述的一种涡轮叶片外部全气膜冷却参数化优化设计方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质用于储存计算机程序,所述计算机程序执行权利要求1-8中任意一项所述的一种涡轮叶片外部全气膜冷却参数化优化设计方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211491849.4A CN115828456A (zh) | 2022-11-25 | 2022-11-25 | 一种涡轮叶片外部全气膜冷却参数化优化设计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211491849.4A CN115828456A (zh) | 2022-11-25 | 2022-11-25 | 一种涡轮叶片外部全气膜冷却参数化优化设计方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115828456A true CN115828456A (zh) | 2023-03-21 |
Family
ID=85531652
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211491849.4A Pending CN115828456A (zh) | 2022-11-25 | 2022-11-25 | 一种涡轮叶片外部全气膜冷却参数化优化设计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115828456A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116756882A (zh) * | 2023-08-23 | 2023-09-15 | 中国航发四川燃气涡轮研究院 | 基于几何参数敏感性分析的涡轮叶片冷却结构设计方法 |
CN116976201A (zh) * | 2023-07-10 | 2023-10-31 | 哈尔滨工业大学 | 呼吸机微涡轮叶片自编程参数化建模方法及其建模系统、计算机可读存储介质和电子设备 |
-
2022
- 2022-11-25 CN CN202211491849.4A patent/CN115828456A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116976201A (zh) * | 2023-07-10 | 2023-10-31 | 哈尔滨工业大学 | 呼吸机微涡轮叶片自编程参数化建模方法及其建模系统、计算机可读存储介质和电子设备 |
CN116756882A (zh) * | 2023-08-23 | 2023-09-15 | 中国航发四川燃气涡轮研究院 | 基于几何参数敏感性分析的涡轮叶片冷却结构设计方法 |
CN116756882B (zh) * | 2023-08-23 | 2023-10-31 | 中国航发四川燃气涡轮研究院 | 基于几何参数敏感性分析的涡轮叶片冷却结构设计方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115828456A (zh) | 一种涡轮叶片外部全气膜冷却参数化优化设计方法 | |
Aulich et al. | High-dimensional constrained multiobjective optimization of a fan stage | |
Dorfner et al. | Axis-asymmetric profiled endwall design by using multiobjective optimisation linked with 3D RANS-flow-simulations | |
Tüchler et al. | Multipoint shape optimisation of an automotive radial compressor using a coupled computational fluid dynamics and genetic algorithm approach | |
Sultanian et al. | Experimental and three-dimensional CFD investigation in a gas turbine exhaust system | |
CN106934074A (zh) | 全局最优涡扇发动机进气道减噪设计方法 | |
Shahpar et al. | Aerodynamic optimisation of high pressure turbines for lean-burn combustion system | |
Cheng et al. | Uncertainty quantification and sensitivity analysis on the aerodynamic performance of a micro transonic compressor | |
Verstraete et al. | Design and off-design optimization of a low pressure steam turbine radial diffuser using an evolutionary algorithm and 3d cfd | |
Aghaei-Togh et al. | Effects of nozzle arrangement angle on the performance of partially admitted turbines | |
Wagner et al. | Multi-objective optimization of the cooling configuration of a high pressure turbine blade | |
Boselli et al. | An inverse design based methodology for rapid 3D multi-objective/multidisciplinary optimization of axial turbines | |
CN115935808A (zh) | 一种涡轮叶片交叉肋冷却结构参数化优化设计方法及系统 | |
Zheng et al. | Optimization and experimental study of stationary endwall of stator labyrinth cavity in a low-speed research compressor | |
Juangphanich et al. | From Conceptual 1D Design Towards Full 3D Optimization of a Highly Loaded Turbine Stage | |
Lee et al. | Optimization framework using surrogate model for aerodynamically improved 3D turbine blade design | |
Guo et al. | An efficient surrogate-assisted differential evolution algorithm for turbomachinery cascades optimization with more than 100 variables | |
Teng et al. | The influence of geometry deformation on a multistage compressor | |
Luo et al. | Multiobjective optimization approach to multidisciplinary design of a three-dimensional transonic compressor blade | |
Reising | Steady and unsteady performance of a transonic compressor stage with non-axisymmetric end walls | |
Leylek et al. | Global Three-Dimensional Surrogate Modeling of Gas Turbine Aerodynamic Performance | |
Becker et al. | Multi-objective optimization in axial compressor design using a linked cfd-solver | |
Song et al. | Multi-objective and multi-disciplinary optimization of gas turbine blade profile and cooling system using conjugate heat transfer analysis | |
Cuciumita et al. | Genetic algorithm for gas turbine blading design | |
Lu et al. | Aerodynamic and heat transfer optimization of one stage air-cooled turbine |
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 |