Идентификация математической модели газотурбинного двигателя с учетом неопределенности исходных данных

DOI: 10.34759/vst-2021-3-171-185

Авторы

Батурин О. В.^*, Николалдэ П. ..^**, Попов Г. М.^***, Корнеева А. И.^****, Кудряшов И. А.^*****

Самарский национальный исследовательский университет им. академика С.П. Королева, Московское шоссе, 34, Самара, 443086, Россия

*e-mail: oleg.v.baturin@gmail.com
**e-mail: nikopaul_15@hotmail.com
***e-mail: popov@ssau.ru
****e-mail: akorneeva94@mail.ru
*****e-mail: ivan.kudryash1337@gmail.com

Аннотация

Приводится описание разработанного авторами метода, который позволяет по известным вероятностным распределениям неопределенных исходных данных с помощью математической модели двигателя определять стохастическое распределение выходных параметров. Было установлено, что количество обращений к математической модели таково, что расчет с учетом семи-восьми неопределенных переменных даже при использовании простых математических моделей занимает огромное время. По этой причине был разработан способ получения достоверных стохастических результатов с уменьшенным числом учитываемых неопределенных исходных данных на основе анализа чувствительности. Полученные в расчете стохастические результаты были сопоставлены с данными эксперимента. Было показано, что разница между стохастическими результатами расчета и эксперимента представляет собой колокол рассеивания (бивариантное распределение) и может быть описан четырьмя числовыми критериями.

Ключевые слова:

неопределенность вычислений, неопределенность исходных данных, погрешность расчета, валидация, термодинамический расчет, погрешность эксперимента, анализ чувствительности, газотурбинный двигатель

Библиографический список

1. Montomoli F., Carnevale M., D’Ammaro A., Massini M., Salvadori S. Uncertainty Quantification in Computational Fluid Dynamics and Aircraft Engines. – SpringersBriefs in Applied Sciences and Technology, 2015. – 208 p. DOI: 10.1007/978-3-319-92943-9

2. Khustochka O., Сhernysh S., Yepifanov S., Ugryumov M., Przysowa R. Estimation of performance parameters of turbine engine components using experimental data in parametric uncertainty conditions // 9^th EASN International Conference «Innovation in Aviation & Space». 2019. Vol. 304. Article Number 03003. DOI: 10.1051/matecconf/201930403003

3. Bai J., Liu S., Wang W., Chen Y. WITHDRAWN: Study on identification method for parameter uncertain model of aero gas turbine // Propulsion and Power Research. 2019. DOI: 10.1016/j.jppr.2019.11.004

4. Helton J.C., Johnson J.D., Sallaberry C.J., Storlie C.B. Survey of sampling-based methods for uncertainty and sensitivity analysis // Reliability Engineering and System Safety. 2006. Vol. 91. No. 10-11, pp. 1175-1209. DOI: 10.1016/j.ress.2005.11.017

5. Nazareth J.L. Conjugate gradient method. – Wiley Interdisciplinary Reviews: Computational Statistics. 2009. Vol. 1. No. 3, pp. 348-353. DOI: 10.1002/wics.13

6. Lange A., Voigt M., Vogeler K., Johann E. Principal component analysis on 3D scanned compressor blades for probabilistic CFD simulation // 53rd AIAA/ASME/ASCE/AHS/ASC Structures, Structural Dynamics and Materials Conference (23-26 April 2012; Honolulu, Hawaii). Vol. 53. DOI: 10.2514/6.2012-1762

7. Ghisu T., Parks G.T., Jarrett J.P., Clarkson P.J. Adaptive polynomial chaos for gas turbine compression systems performance analysis // AIAA Journal. 2010. Vol. 48. No. 6, pp. 1156-1170. DOI: 10.2514/1.J050012

8. Кулагин В.В. Теория, расчет и проектирование авиационных двигателей и энергетических установок: Учебник в 2 кн. – М.: Машиностроение, 2003. – 616 с.

9. Григорьев В.А. Экспериментальное определение дроссельной характеристики и нормальных значений параметров ТРДД: Методические указания. – Самара: Изд-во Самарского государственного аэрокосмического университета им. С.П. Королева, 2003. – 35 с.

10. JSC Motor Sich, http://www.motorsich.com/eng/

11. Ivchenko AI-25. From Wikipedia, the free encyclopedia. URL: https://en.wikipedia.org/wiki/Ivchenko_AI-25

12. Kuz’michev V.S., Ostapyuk Y.A., Tkachenko A.Y. et al. Comparative Analysis of the Computer-Aided Systems of Gas Turbine Engine Designing // International Journal of Mechanical Engineering and Robotics Research. 2017. Vol. 6. No. 1, pp. 28-35. DOI: 10.18178/ijmerr.6.1.28-35

13. Маленков А.А. Выбор проектных решений при проектировании системы беспилотных летательных аппаратов в условиях многоцелевой неопределенности // Вестник Московского авиационного института. 2018. Т. 25. № 2. С. 7-15.

14. Ламзин В.В. Исследование влияния неопределенностей условий реализации проекта космической системы на разброс показателей эффективности // Вестник Московского авиационного института. 2013. Т. 20. № 5. С. 53-65.

15. Балык В.М., Кулакова Р.Д., Хесин Л.Б. Модификация проектных решений при статистическом синтезе обликовых характеристик беспилотного летательного аппарата // Вестник Московского авиационного института. 2011. Т. 18. № 2. С. 31-40.

16. Wheeler A.P.S., Sofia A., Miller R.J. The effect of leading-edge geometry on wake interactions in compressors // Journal of Turbomachinery. 2009. Vol. 131. No. 4. DOI: 10.1115/1.3104617

17. Curlett B.P. The aerodynamic effect of fillet radius in a low speed compressor cascade. NASA Technical Memorandum TM –105347, 1991. – 48 p.

18. Bunker R.S. The effects of manufacturing tolerances on gas turbine cooling // Journal of Turbomachinery. 2009. Vol. 131. No. 4. DOI: 10.1115/1.3072494

19. Goodhand M.N., Miller R.J., Lung H.W. The sensitivity of 2D compressor incidence range to in-service geometric variation // ASME Turbo Expo: Turbine Technical Conference and Exposition (11–15 June 2012; Copenhagen, Denmark). 2012. Vol. 8, pp. 159–170. DOI: 10.1115/GT2012-68633

20. Elmstrom M.E., Millsaps K.T., Hobson G.V., Patterson J.S. Impact of nonuniform leading edge coatings on the aerodynamic performance of compressor airfoils // Journal of Turbomachinery. 2011. Vol. 133. No. 4. DOI: 10.1115/1.3213550