文摘

一般来说,超燃冲压发动机燃烧室的整体性能大大影响了燃料分配方案。当前主要的影响进行了一个全面的参数研究燃料分布的总体性能能超燃冲压发动机燃烧室。,一个3 d超音速燃烧室暗藏着腔和四个喷射孔被考虑。分析了燃烧室的性能3 d模型了。每个注射口的燃料当量比为设计变量。和燃烧效率,总压恢复系数和阻力系数被选为目标函数。一些新颖的数据挖掘方法包括DOE技术,克里格近似模型,交互分析,主要影响分析方法被用来进行参数研究。分布式燃油喷射方案被nondominated排序遗传算法优化。结果表明,三个目标函数非常受总燃料当量比和燃料分配方案。目标函数不能同时达到最优解,并必须有一个目标函数之间的权衡。

1。介绍

由于较高的燃烧效率和特定的脉冲相对于其它推进系统如火箭发动机和涡轮发动机在超音速条件下,超燃冲压发动机引擎将是未来的一个主要引擎高超音速飞行器(1]。因为它的体积能量密度高,液体燃料(如煤油)有很大潜力优势气体燃料(如氢气)。因此,liquid-fuel-based,尤其是能,超燃冲压发动机引擎有越来越多的景点(2]。超燃冲压发动机的关键组成部分,对超燃冲压发动机燃烧室有非常重要的影响和整个高超音速飞行器。超音速燃烧技术是一个关键使能技术持续高超音速飞行(3]。本文参数的研究能超燃冲压发动机燃烧室考虑仔细探索燃烧室的整体性能。

超音速燃烧室的长度应该是有限的小于1米增加推力重量比。然后,空气在超燃冲压发动机燃烧室的停留时间通常是在一毫秒当马6 < < 8 [3]。因此,液体燃料应该通过注入的过程中,蒸发、燃烧与空气混合,在这样短的停留时间。到目前为止,仍有许多困难需要解决提高超音速燃烧室性能由于缺少理论知识和实验方法(4]。

许多的努力,这两个实验(4- - - - - -8和数值9- - - - - -16),自1960年代以来针对超燃冲压发动机燃烧室研究探索超音速燃烧室的性能。CFD技术的巨大发展,数值模拟方法已成为一个非常重要的工具,研究超燃冲压发动机燃烧室(13,15]。Ebrahimi et al。12超燃冲压发动机燃烧室)进行了全面的数值研究基于乙烯气体,以及不同的燃油喷射方案的影响对整个超燃冲压发动机燃烧效率。基于公共超音速燃烧室,et al。14)做了深度对比模型和DES模型。你等。14)表示,跑模型不能精确捕捉湍流结构的动态特性,但它可以预测超燃冲压发动机燃烧室的总体性能没有太多富达损失相比,DES模型。

当前的研究提出了一个全面的参数能超音速燃烧室使用3 d数值模拟方法。一个3 d能超燃冲压发动机燃烧室采用暗藏着腔。燃料分布的影响特别考虑。图1显示了整个参数研究过程的流程图。在这里,三维n - s方程和SSTRANS-based湍流模型与离散相模型被用来预测流场。它是一个有效的方法模型液体燃油喷射作为离散相模型已被证明是在9]。一养分代理模型(C₁₂H₂₄)和四个步骤的化学动力学模型被用来代表典型的化学性质的煤油。此外,采用DOE(试验设计)方法更好的探索设计空间。流利的使用软件进行三维数值模拟来预测流场,然后训练样本点。基于采样点,克里格近似模型,该模型可用于快速评价建立了超音速燃烧室的性能。克里格模型的运行时间小于1秒,这是远远低于直接CFD计算所需的时间。这可以使多目标优化研究更实用。分布式燃油喷射方案被nondominated优化排序遗传algorithm-II (NSGA-II),这是一个高效的算法优化多目标/多变量问题[10]。最后,综合参数研究的结果包括主要影响分析、帕累托前分析和多目标优化。这里有三个目标函数用于评估燃烧室性能,即总压恢复系数、阻力系数,分别和燃烧效率。四参数选为设计变量,即燃料当量比注射了四端口在四个不同的地点,分别。

2。物理模型

这里使用的超燃冲压发动机燃烧室模型,如图2(一个),类似于模型采用Yu et al。5]。这是一个平面对称燃烧室。有完全燃烧室中包含三个部分。第一部分是一个几乎恒定区(半伸缩0.5°)角长度为0.266米,与膨胀节长度为0.3米,半伸缩1.5°角,第三部分也是扩张段长度为0.336米,半伸缩角2.0°。燃烧室入口身高0.0305米和0.03米宽。腔是位于0.115下游的燃烧室入口。腔是0.008米高,0.045米长,分别在aft-wall 45°角。

燃油喷射方案设计如图2 (b)。燃料注入从孔直径0.4毫米在四个不同的地点。每个孔的燃油喷射方向垂直于墙上。每一种燃料喷射孔的中心线位于顶部和底部墙。燃烧室入口的距离0.035米,0.115米,0.155米,0.240米,分别为第一、第二、第三、第四燃油喷射孔。在当前的研究中,几何简化为5毫米长知识部分,等于内部燃油喷射孔的距离(5]。由于其对水平中心平面对称的特点,该模型又简化为上半部分模型如图2 (c)。在这里,half-symmetry模型的使用可以节省大量的计算时间。

目前的超燃冲压发动机燃烧室的操作条件如下。在燃烧室入口,马赫数马= 2.5,总压强MPa,总的温度K。20%的空气流入由O₂,13.4% H₂O, 66.6% N₂在质量分数。在室温下煤油注入一起K为2.5 MPa的静压注入端口。

3所示。方法

3.1。数值模拟方法

商业软件,策略,采用生成高质量结构化网格。为了避免不适当的网格结构复杂的配置,计算域,如图2 (c)分为6块,都是三维的。所有的块都是补丁在一起形成整个网格。附近的墙上和燃油喷射孔,网格是精制,第一层网格墙附近的空间(包括顶壁和空心墙)m。这可以使,已被证明是能够解决3 d超音速燃烧室的问题好(11]。因此,网格具有很高的分辨能力在湍流问题的能力。网格也精致的位置与大梯度流场增强捕捉激波的能力。整个网格由大约573000个细胞。右手笛卡尔坐标网格生成,在其中设在随着燃烧室长度方向,设在和设在随高度和宽度方向的燃烧室,分别。坐标系统的原点是放置在中央线之间的交点的下盘和燃烧室进口的飞机。

在这里,3 d隐Reynolds-averaged n - s方程加上two-equation SST(跑)湍流模型和多步化学组用于预测三维超音速燃烧室的流场。Two-equation SST治疗低雷诺数湍流模型计算壁面数量(11]。因为液体燃料的体积分数远低于10%的条件下被认为是在当前纸,采用离散相模型(DPM)。在离散相模型,液体燃料被认为是由液体滴。在数值计算过程中,水滴的动态特性包括液滴轨迹和质量/换热计算与连续相。这个模型可以大大降低计算成本。液体燃料注入主要流模拟离散相,而主要作为连续相流模型。离散与连续相阶段高度耦合,和稳定的粒子跟踪模型和分散的液滴由于动荡都考虑在内。Rosin-Rammler直径分布方法预测燃料液滴的直径分布,其中假定平均直径值等于0.025毫米(数据选自[5])。类似的证明了数值方法(3),它可以预测能超音速燃烧室的流场。

3.2。化学动力学的煤油

然而,由于原料的不确定性的煤油(煤油的物种是批次不同)和煤油燃烧过程的复杂性,有一个很大的困难获取详细化学动力学机理。同时,模拟煤油燃烧过程是不现实的详细化学动力学机理。幸运的是,有越来越多的作品致力于寻找代理模型和减少化学动力学模型代表了典型的物理和化学性质的煤油。这可以大大有助于准确模拟煤油燃烧过程与时间消耗少得多(17- - - - - -20.]。Dagaut [17,20.)进行了全面调查煤油和他的代理模型表明,一些代理模型与1 - 3组件可以代表煤油的主要属性。库玛和先生3)使用了方法加上离散相模型来模拟一个能超音速燃烧室。采用一步反应机理,证明了能够预测流场的压力分布特征。在这种情况下,煤油是表示为C₁₂H₂₄。Zhang et al。21)进行了数值研究,能超燃冲压发动机燃烧室与一养分代理模型(C₁₁H₂₃)和四个步骤的化学动力学机制。张表明,这种化学物质模型可以预测燃烧过程。

多步反应机理用于当前纸如表所示1。在此,煤油化学动力学在阿伦尼乌斯的形式,C,煤油是模仿₁₂H₂₄(22]。机制进行了大量的实验和数值结果和已被证明合理的准确性在相对广泛21,23- - - - - -25]。

3.3。边界条件

燃烧室入口,压力入口边界条件用于静压、总压、总温度和物种指定质量分数。入口处的流入被认为是均匀的。至于燃油喷射,建模为离散相模型,质量流率、燃油喷射孔的大小和位置,燃料温度、燃料的速度,和指定燃料液滴的平均直径。在这里,燃料从燃料当量比质量流量计算。在燃烧室出口压力出口边界条件,从室内流场变量确定外推。此外,无滑动墙边界条件应用于所有墙壁。所有墙壁都认为是绝热要求温度的法向导数消失。沿着水平燃烧室的中心平面,平面对称边界条件。

3.4。数值模拟方法的验证

为了验证数值模拟方法的准确性和可靠性,预测流场与实验数据相比,首先。在这里,实验数据是选自5]。然后,网格独立性也进行了研究。图3显示了对比实验数据和预测数据基于不同网格大小的水平。在图3,压力曲线代表静态压力分布沿中心线的墙。,粗网格的单元数量大约是573000和细化网格的细胞数量约为825000。

从图可以看出3本文中采用的数值方法可以预测压力分布的总体趋势,但在一些地方仍有显著的差别。最大的区别是在13.7%左右m。预测数据和实验数据之间的差异可能是由于数值错误。从图3之间的预测数据,我们也可以发现两种不同网格大小的水平有细微差别。因此,我们可以得出结论,预测数据是独立于网格大小级别当网格大小的范围内放置573000年,825000年。在巨大的困难在超音速燃烧的数值模拟考虑,本文采用的数值模拟方法是可以接受的。最后,网状细胞数量是固定的约为573000(900×91×7)以节省计算成本没有太多精度损失。

3.5。DOE(试验设计)和克里格近似模型

近年来,使用高保真的CFD分析方法在超音速燃烧室流场产生了戏剧性的增长。此外,各种优化技术开发了获得最优解(16]。然而,前至少成千上万的迭代优化过程将迭代收敛。因此,它是非常困难的,一些高保真CFD直接与优化算法进行优化研究由于巨大的CFD计算成本。DOE技术和近似模型能够提供一种更容易的方式来缓解这样的困难。

DOE技术可以用来帮助更好的探索设计空间。在当前的研究中,最优拉丁超立方体DOE方法(26是用来进行能源部的研究。最优拉丁超立方体的方法是生成一个样本的统计方法从多维分布合理的参数值的集合26]。它允许更多的点和更多的组合为每个因素,研究和实验点分布均匀,让高阶效应被捕获。设计师有完全的自由选择设计运行的数量,只要大于数量的因素。表2能源部的研究显示了基本的输入条件。在这里,燃料等价比率四个不同燃油喷射孔被选为设计变量,和每个设计变量有五个设计水平是0.0,0.15,0.30,0.45,和0.60,分别。的变量,,,代表的燃料当量比第一,第二,第三,第四注射口,分别。为了避免热壅塞,约束的也是指定的。通过能源部的研究中,我们得到了完全30个采样点。

克里格近似是一个类型的降阶模型,已被证明能够做好与复杂性等问题多目标/多变量问题和multipeaks问题[16,27,28]。它可以节省大量的计算时间,最终使优化过程可用。在当前,克里格近似模型用于重建设计变量和目标函数之间的关系。

4所示。结果与讨论

三个目标函数被认为是在当前的研究中,也就是说,燃烧效率、总压恢复系数和阻力系数。燃烧效率的计算方法是基于燃料消耗在燃烧室出口平面。因此,它给的燃烧过程的完整性。在出口平面的燃烧效率是作为29日] 在哪里是公司的质量分数₂和乘法的分子占12 kmoles(12×44千克)的有限公司₂产生的燃烧1 kmole(168千克)的煤油。

总压强系数被定义为 在那里,,,是mass-averaged燃烧室入口总压,在燃烧室出口mass-averaged总压强,分别和总压恢复系数。

阻力系数被定义为 在哪里燃烧器内的粘性阻力。在这里,总阻力计算X方向粘滞阻力。和定义的动态压力在燃烧室入口。

4.1。流场特征

数据4- - - - - -7显示不同燃油喷射条件下的流场。仅仅在每种情况下,燃料注入不同燃油喷射孔而燃料等价比率都保持常数为0.45了解燃油喷射位置对总体性能的影响。所示的箭头人物4- - - - - -7指出了燃油喷射位置和所有的轮廓飞机位于飞机的燃烧室。四个病例的燃油喷射条件如表所示3。

图4显示了案例1的详细流场。从图可以看出4(一)形成一个明显的斜冲在第一燃料喷射孔,然后随后长冲击火车。主要流程是超音速除了腔内的流场和一些激波/边界层相互作用的区域。腔的逆流,描绘在图4 (b)能使火焰稳定。在米,一个强大的斜激波形成训练,这可能是由于大量的热释放在这个位置和斜激波/边界层相互作用。很明显,有一个峰值静压约有185 kPa的位置m。

图5显示了第二种情况的详细流场。在这种情况下,燃料注入腔的主要墙。和注入方向平行于主流方向。因此,由于没有放置在流场扰动前的空腔,燃烧室的流场部分的空腔是很简单的,几乎往往是统一的,可以看到在图5(一个)。还有一个斜激波,从空腔的前缘。案例1相比,例2的最大静态压力小一点(约180 kPa)。腔中存在着显著的再循环流速度很低。这有助于保持火焰。

图6显示了详细的流场情况3。对于这种情况,燃料注入从底部壁腔和注入方向垂直于主流方向。类似案例2,燃烧室的流场部分的空腔还简单,往往是一致的。显著的冲击训练形成的前缘腔后,可以看到在图6(一)。从图6 (b),我们可以发现主要的流超音速。然而,仍然有一个显著的低速度附近区域的位置m。因此,的位置m对应的位置强烈斜激波与边界层相互作用,可以看到在图6(一)。案例3中的最大压力(210 kPa)远远高于这两种情况下的1和2。

图74显示了详细的流场情况。在这种情况下,燃料是垂直注入上墙。从图7(一),我们可以发现主要流超音速除了腔区域。从图可以看出7 (b)的低速度面积情况下1 - 3相比要小得多。这表明热释放水平低和燃料注入燃烧室没有太多的时间去完全蒸发的过程,与空气混合燃烧燃料之前逃离燃烧室出口。因此,本例中的最大静态压力相对较低,其最大值约为140 kPa由于热释放水平要低得多。

图8显示的影响燃油喷射位置对整个燃烧室的性能。从图8,我们可以发现,当保持燃料当量比不变时,燃油喷射位置的地方在三个目标函数的影响是巨大的。随着喷射孔的距离的增加燃烧室入口,总压恢复系数和阻力系数增加不同增量而燃烧效率逐渐降低。仿真结果还表明,可以实现更好的整体性能的燃烧效率和阻力系数作为燃料注入上游喷油器,而燃烧室会恶化性能的总压恢复系数作为燃料注入在上游喷油器。当比较例4例1中,燃烧效率降低约77.3%,总压恢复系数增加约46.9%,阻力系数增加了0.2。

4.2。交互效应分析和主要影响分析

在本节中,我们提出一个综合研究交互设计变量对目标函数的影响。交互效果显示了所选的主要影响因素在每个反应程度的另一个因素。

交互图,线是平行的表明两个因素没有交互影响的响应(平行线条越少,互动就越大)。在此,我们检查每两个设计变量之间的相互影响,可以看到数据9- - - - - -11。交互效应分析是基于回归分析方法(30.]。

针对不同的目标函数有不同的交互作用。两条线在图10 (c)几乎是相互平行的,这表明有轻微的相互影响的和阻力系数。除了和,其他设计变量之间存在着显著的交互作用的阻力系数,可以看到在图10。这种显著的交互效应表明,合理的燃油喷射方案可以减少阻力系数。

当与阻力系数相比,数字9和11现在很多模糊的设计变量的相互影响燃烧的反应效率和总压恢复系数。至于反应燃烧效率和总压恢复系数,没有显著的交互效应的设计变量除外和。

值得注意的是,之间的相互影响和三个目标函数考虑本文是微不足道的。这表明和几乎是相互独立的。这可能是由于第一和第四燃油喷射孔之间的距离。

由于没有显著的交互效应的设计变量的反应燃烧效率和总压恢复系数,我们给出进一步的调查主要设计变量对目标函数的影响,可以看到在图12。这里,主要的效果的影响的一个独立设计变量对目标函数,忽略所有其他独立变量的影响。

由于设计变量的强相互作用效应的反应阻力系数、阻力系数的主要影响没有意义,没有给出分析结果。从图12(一个),我们可以发现,,有很强的对燃烧效率的影响,而有相对较少的影响。至于总压恢复系数,它是影响很大。然而,和少得多对总压恢复系数的影响。

4.3。帕累托图

帕累托图是一种图形显示的相对影响因素对响应由数据集的回归分析。这是有序条形图显示每个因素在选择响应的影响(30.]。从帕累托图,我们可以发现每个设计变量对目标函数的贡献,可以看到在图13。

在进行回归分析之前,首先输入数据是按比例缩小的范围从−1到1和最小二乘法在数据上执行。比例执行,这样可以比较的贡献相当。

从图可以得出结论(13日)那,,投入超过20% -对燃烧效率的贡献。这意味着燃烧效率总是随增加而减小,,,分别。然而,交互的影响近10%的积极影响燃烧效率,和二阶的大约有7%的积极影响。从图13 (b),我们可以发现最消极影响阻力系数(−30%)和交互影响的和有最积极的对阻力系数的影响(约12%和11%,分别地。),而相互影响的至少对阻力系数的影响。从图13 (c),我们可以发现,,,最负面的影响对总压恢复系数(−−31% 21%,−16%,10−职责)。剩下的相互影响方面所占比重不到5%影响总压恢复系数,这是与相互影响分析的结果一致。

4.4。多目标优化和帕累托分析前面

为了全面了解目标函数之间的关系,多目标优化进行了在当前的纸。和帕累托面前也从多目标优化过程,图中所示14。一起,DOE技术和克里格近似模型nondominated排序遗传algorithm-II (NSGA-II)是用来进行多目标优化研究。

图(14日)说明了燃烧效率之间的关系和总压恢复系数。最优燃烧效率随总压恢复系数的增加最初,然后随总压恢复系数的增加而减小。这可以得出结论,燃烧效率和总压恢复系数有自己的最优值,但他们不能同时达到最优解。然而,从图14 (b),很明显观察到最佳的阻力系数随总压恢复系数的降低。还有两个最优值的阻力系数和总压恢复系数,分别。

从燃烧效率和阻力系数之间的关系,我们可以发现,也有两个最优值的燃烧效率和阻力系数,分别。因此,他们也不能同时达到最优值(见图14 (c))。

最后,帕累托前三目标绘制在图14 (d)。它可以很容易地发现潜在的三个目标函数最优值相互冲突。这意味着任何目标函数达到最优值将导致的性能损失其他两个目标。因此,必须有一个三个目标函数之间的权衡。

5。结论

协议的基础上,计算结果和实验数据,综合参数研究燃料分布对整体性能的影响的一个3 d能超音速燃烧室进行了。一些数据挖掘方法包括实验设计、回归分析,克里格近似模型,和多变量、多目标优化方法用于定量检查相互影响,主要影响,帕累托。

两个燃油喷射位置和燃料当量比有很大的影响在三个目标函数考虑。通过仔细地调优燃料分布,超燃冲压发动机燃烧室的性能可以灵活调整。然而,由于设计变量之间的交互作用显著,这种性能调整过程是非常复杂的。此外,三个目标函数总是相互冲突,所以必须有三个目标函数之间的权衡。本文的结果可以给一些指导超燃冲压发动机引擎设计或超燃冲压发动机控制系统的设计。

命名法

:	化学反应的速率常数
:	阿仑尼乌斯方程Preexponential因素
:	活化能
:	通用气体常数
:	燃料当量比第一燃料喷射孔
:	燃料当量比第二燃料喷射孔
:	燃料当量比第三燃油喷射孔
:	燃料当量比第四燃油喷射孔
:
:	燃烧效率
:	总压恢复系数
:	阻力系数。

相互竞争的利益

作者宣称没有利益冲突。

确认

本研究工作是由中国国家自然科学基金(没有。11272344)。