Интеллектуальная экспертная система для аэродинамического проектирования и оптимизации компрессорных венцов газотурбинных двигателей
Проектирование компрессоров с высокими энергетическими характеристиками остается одной из важнейших задач для разработчиков газотурбинных двигателей. Традиционно, решение такой задачи основывается в первую очередь на конструкторском опыте проектировщика. Однако достигнутый в настоящее время уровень...
Збережено в:
| Опубліковано в: : | Техническая механика |
|---|---|
| Дата: | 2013 |
| Автор: | |
| Формат: | Стаття |
| Мова: | Russian |
| Опубліковано: |
Інститут технічної механіки НАН України і НКА України
2013
|
| Онлайн доступ: | https://nasplib.isofts.kiev.ua/handle/123456789/88392 |
| Теги: |
Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
|
| Назва журналу: | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| Цитувати: | Интеллектуальная экспертная система для аэродинамического проектирования и оптимизации компрессорных венцов газотурбинных двигателей / С.В. Мелашич // Техническая механика. — 2013. — № 2. — С. 72-79. — Бібліогр.: 17 назв. — рос. |
Репозитарії
Digital Library of Periodicals of National Academy of Sciences of Ukraine| id |
nasplib_isofts_kiev_ua-123456789-88392 |
|---|---|
| record_format |
dspace |
| spelling |
Мелашич, С.В. 2015-11-14T09:10:13Z 2015-11-14T09:10:13Z 2013 Интеллектуальная экспертная система для аэродинамического проектирования и оптимизации компрессорных венцов газотурбинных двигателей / С.В. Мелашич // Техническая механика. — 2013. — № 2. — С. 72-79. — Бібліогр.: 17 назв. — рос. 1561-9184 https://nasplib.isofts.kiev.ua/handle/123456789/88392 533.697:004.89 Проектирование компрессоров с высокими энергетическими характеристиками остается одной из важнейших задач для разработчиков газотурбинных двигателей. Традиционно, решение такой задачи основывается в первую очередь на конструкторском опыте проектировщика. Однако достигнутый в настоящее время уровень развития информационных технологий позволяет интенсивно использовать их в инженерной практике для автоматизации и ускорения процесса проектирования, а также повышения энергетических характеристик выпускаемой продукции. В связи с этим, актуальной является разработка соответствующего научно-методического обеспечения, которое позволило бы повысить эффективность процесса проектирования путем усиления возможностей проектировщика за счет применения методов искусственного интеллекта. В настоящей работе рассматривается концепция интеллектуальной экспертной системы, которая позволяет автоматизировать процесс проектирования компрессорных венцов газотурбинных двигателей за счет применения методов искусственного интеллекта. Проектування компресорів з високими енергетичними характеристиками залишається однією з найважливіших задач для розробників газотурбінних двигунів. Традиційно, розв’язання такої задачі грунтується в першу чергу на конструкторському досвіді проектувальника. Однак досягнутий у теперішній час рівень розвитку інформаційних технологій дозволяє інтенсивно використовувати їх в інженерній практиці для автоматизації та прискорення процесу проектування, а також підвищення енергетичних характеристик продукції, що випускається. У зв'язку з цим, актуальною є розробка відповідного науково-методичного забезпечення, яке дозволило б підвищити ефективність процесу проектування шляхом посилення можливостей проектувальника за рахунок застосування методів штучного інтелекту. У даній роботі розглядається концепція інтелектуальної експертної системи, яка дозволяє автоматизувати процес проектування компресорних вінців газотурбінних двигунів за рахунок застосування методів штучного інтелекту. The design of high-power compressors remains one of the most important challenges for developers of gas-turbine engines. Traditionally, the solution of this problem is based primarily on the design experience of the designer. However, the currently achieved level of information technologies allows their application to the engineering practice for automatizing and promoting the design as well as improving the power performance of products. According to this, the development of appropriate academic support that would increase the efficiency of the design by enhancing the capabilities of the designer through artificial intelligence methods, is an actual problem. This paper examines the concept of the intellectual expert system that automatizes the design of gas-turbine engine compressor blade rows through artificial intelligence methods. ru Інститут технічної механіки НАН України і НКА України Техническая механика Интеллектуальная экспертная система для аэродинамического проектирования и оптимизации компрессорных венцов газотурбинных двигателей Article published earlier |
| institution |
Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| collection |
DSpace DC |
| title |
Интеллектуальная экспертная система для аэродинамического проектирования и оптимизации компрессорных венцов газотурбинных двигателей |
| spellingShingle |
Интеллектуальная экспертная система для аэродинамического проектирования и оптимизации компрессорных венцов газотурбинных двигателей Мелашич, С.В. |
| title_short |
Интеллектуальная экспертная система для аэродинамического проектирования и оптимизации компрессорных венцов газотурбинных двигателей |
| title_full |
Интеллектуальная экспертная система для аэродинамического проектирования и оптимизации компрессорных венцов газотурбинных двигателей |
| title_fullStr |
Интеллектуальная экспертная система для аэродинамического проектирования и оптимизации компрессорных венцов газотурбинных двигателей |
| title_full_unstemmed |
Интеллектуальная экспертная система для аэродинамического проектирования и оптимизации компрессорных венцов газотурбинных двигателей |
| title_sort |
интеллектуальная экспертная система для аэродинамического проектирования и оптимизации компрессорных венцов газотурбинных двигателей |
| author |
Мелашич, С.В. |
| author_facet |
Мелашич, С.В. |
| publishDate |
2013 |
| language |
Russian |
| container_title |
Техническая механика |
| publisher |
Інститут технічної механіки НАН України і НКА України |
| format |
Article |
| description |
Проектирование компрессоров с высокими энергетическими характеристиками остается одной из важнейших задач для разработчиков газотурбинных двигателей. Традиционно, решение такой задачи основывается в первую очередь на конструкторском опыте проектировщика. Однако достигнутый в настоящее время уровень развития информационных технологий позволяет интенсивно использовать их в инженерной практике для автоматизации и ускорения процесса проектирования, а также повышения энергетических характеристик выпускаемой продукции. В связи с этим, актуальной является разработка соответствующего научно-методического обеспечения, которое позволило бы повысить эффективность процесса проектирования путем усиления возможностей проектировщика за счет применения методов искусственного интеллекта. В настоящей работе рассматривается концепция интеллектуальной экспертной системы, которая позволяет автоматизировать процесс проектирования компрессорных венцов газотурбинных двигателей за счет применения методов искусственного интеллекта.
Проектування компресорів з високими енергетичними характеристиками залишається однією з найважливіших задач для розробників газотурбінних двигунів. Традиційно, розв’язання такої задачі грунтується в першу чергу на конструкторському досвіді проектувальника. Однак досягнутий у теперішній час рівень розвитку інформаційних технологій дозволяє інтенсивно використовувати їх в інженерній практиці для автоматизації та прискорення процесу проектування, а також підвищення енергетичних характеристик продукції, що випускається. У зв'язку з цим, актуальною є розробка відповідного науково-методичного забезпечення, яке дозволило б підвищити ефективність процесу проектування шляхом посилення можливостей проектувальника за рахунок застосування методів штучного інтелекту. У даній роботі розглядається концепція інтелектуальної експертної системи, яка дозволяє автоматизувати процес проектування компресорних вінців газотурбінних двигунів за рахунок застосування методів штучного інтелекту.
The design of high-power compressors remains one of the most important challenges for developers of gas-turbine engines. Traditionally, the solution of this problem is based primarily on the design experience of the designer. However, the currently achieved level of information technologies allows their application to the engineering practice for automatizing and promoting the design as well as improving the power performance of products. According to this, the development of appropriate academic support that would increase the efficiency of the design by enhancing the capabilities of the designer through artificial intelligence methods, is an actual problem. This paper examines the concept of the intellectual expert system that automatizes the design of gas-turbine engine compressor blade rows through artificial intelligence methods.
|
| issn |
1561-9184 |
| url |
https://nasplib.isofts.kiev.ua/handle/123456789/88392 |
| citation_txt |
Интеллектуальная экспертная система для аэродинамического проектирования и оптимизации компрессорных венцов газотурбинных двигателей / С.В. Мелашич // Техническая механика. — 2013. — № 2. — С. 72-79. — Бібліогр.: 17 назв. — рос. |
| work_keys_str_mv |
AT melašičsv intellektualʹnaâékspertnaâsistemadlâaérodinamičeskogoproektirovaniâioptimizaciikompressornyhvencovgazoturbinnyhdvigatelei |
| first_indexed |
2025-11-24T05:57:12Z |
| last_indexed |
2025-11-24T05:57:12Z |
| _version_ |
1850841228694781952 |
| fulltext |
УДК 533.697:004.89
С.В. МЕЛАШИЧ
ИНТЕЛЛЕКТУАЛЬНАЯ ЭКСПЕРТНАЯ СИСТЕМА ДЛЯ
АЭРОДИНАМИЧЕСКОГО ПРОЕКТИРОВАНИЯ И ОПТИМИЗАЦИИ
КОМПРЕССОРНЫХ ВЕНЦОВ ГАЗОТУРБИННЫХ ДВИГАТЕЛЕЙ
Проектирование компрессоров с высокими энергетическими характеристиками остается одной из
важнейших задач для разработчиков газотурбинных двигателей. Традиционно, решение такой задачи ос-
новывается в первую очередь на конструкторском опыте проектировщика. Однако достигнутый в настоя-
щее время уровень развития информационных технологий позволяет интенсивно использовать их в инже-
нерной практике для автоматизации и ускорения процесса проектирования, а также повышения энергети-
ческих характеристик выпускаемой продукции. В связи с этим, актуальной является разработка соответст-
вующего научно-методического обеспечения, которое позволило бы повысить эффективность процесса
проектирования путем усиления возможностей проектировщика за счет применения методов искусствен-
ного интеллекта.
В настоящей работе рассматривается концепция интеллектуальной экспертной системы, которая по-
зволяет автоматизировать процесс проектирования компрессорных венцов газотурбинных двигателей за
счет применения методов искусственного интеллекта.
Рассмотрены отдельные элементы данной интеллектуальной системы, а именно, единая база данных,
включающая в себя результаты натурных и численных экспериментов; искусственная нейронная сеть,
которая позволяет получить геометрические параметры компрессорного венца на основе закладываемых
проектировщиком аэродинамических характеристик; генетический алгоритм, который позволяет оптими-
зировать геометрические параметры компрессорного венца с целью повышения его аэродинамических
характеристик; модуль численного моделирования газового течения в компрессорном венце на основе
высокоуровневых математических моделей турбулентных течений газа в областях сложной геометрии.
Элементы системы апробированы на решении задач, связанных с проектированием плоских компрессор-
ных решеток. Установлено, что они обладают приемлемой степенью точности получаемых результатов и
могут эффективно применяться в рассмотренной интеллектуальной экспертной системе для повышения
эффективности процесса проектирования компрессорных венцов газотурбинных двигателей.
Проектування компресорів з високими енергетичними характеристиками залишається однією з най-
важливіших задач для розробників газотурбінних двигунів. Традиційно, розв’язання такої задачі грунту-
ється в першу чергу на конструкторському досвіді проектувальника. Однак досягнутий у теперішній час
рівень розвитку інформаційних технологій дозволяє інтенсивно використовувати їх в інженерній практиці
для автоматизації та прискорення процесу проектування, а також підвищення енергетичних характеристик
продукції, що випускається. У зв'язку з цим, актуальною є розробка відповідного науково-методичного
забезпечення, яке дозволило б підвищити ефективність процесу проектування шляхом посилення можли-
востей проектувальника за рахунок застосування методів штучного інтелекту.
У даній роботі розглядається концепція інтелектуальної експертної системи, яка дозволяє автомати-
зувати процес проектування компресорних вінців газотурбінних двигунів за рахунок застосування методів
штучного інтелекту.
Розглянуто окремі елементи даної інтелектуальної системи, а саме, єдина база даних, що включає в
себе результати натурних і числових експериментів; штучна нейронна мережа, яка дозволяє отримати
геометричні параметри компресорного вінця на основі заданих проектувальником аеродинамічних харак-
теристик; генетичний алгоритм, який дозволяє оптимізувати геометричні параметри компресорного вінця з
метою підвищення його аеродинамічних характеристик; модуль числового моделювання газового течії в
компресорному вінці на основі високорівневих математичних моделей турбулентних течій газу в областях
складної геометрії. Елементи системи апробовані на розв’язанні задач, пов'язаних з проектуванням плос-
ких компресорних решіток. Встановлено, що вони мають прийнятний ступінь точності одержуваних ре-
зультатів і можуть ефективно застосовуватися в розглянутій інтелектуальній експертній системі для під-
вищення ефективності процесу проектування компресорних вінців газотурбінних двигунів.
The design of high-power compressors remains one of the most important challenges for developers of gas-
turbine engines. Traditionally, the solution of this problem is based primarily on the design experience of the
designer. However, the currently achieved level of information technologies allows their application to the
engineering practice for automatizing and promoting the design as well as improving the power performance of
products. According to this, the development of appropriate academic support that would increase the efficiency of
the design by enhancing the capabilities of the designer through artificial intelligence methods, is an actual
problem.
This paper examines the concept of the intellectual expert system that automatizes the design of gas-turbine
engine compressor blade rows through artificial intelligence methods.
The individual elements of the intelligent system are considered, namely: the unified database that includes
the results of natural and numerical experiments; the artificial neural network that determines the geometric
parameters of a compressor blade row due to the aerodynamic characteristics, which were set by the designer; the
С.В. Мелашич, 2013
Техн. механика. – 2013. – № 2.
72
genetic algorithm for the geometric parameters of the compressor blade row optimization to improve its
aerodynamic characteristics; the module of a numerical simulation of the gas flow in the compressor blade row
due to the high-level mathematical models of turbulent gas flows through the areas of a complex geometry.
Elements of the system are tested by solving the problems related to the design of compressor profile cascades. It
is found that they possess an acceptable degree of the accuracy of the results and can be effectively used for the
considered intellectual expert system to improve the design efficiency of gas-turbine engine compressor rims.
Введение. Газотурбинные двигатели (ГТД) широко используются в раз-
личных отраслях современной промышленности, таких как морская, энерге-
тическая, авиационная и другие. На сегодняшний день в условиях жесткой
рыночной конкуренции для стран-разработчиков авиационных двигателей
необычайно остро стоит проблема повышения их качества и энергоэффек-
тивности. Решение этой проблемы неразрывно связано с разработкой ком-
прессоров ГТД с высокими энергетическими показателями, что в свою оче-
редь ставит задачу проектирования проточной части компрессорных венцов с
высокими аэродинамическими характеристиками. Традиционно, решение та-
кой задачи основывается в первую очередь на конструкторском опыте проек-
тировщика. Однако достигнутый в настоящее время уровень развития ин-
формационных технологий и специализированных интеллектуальных систем
позволяет интенсивно использовать их в инженерной практике для автомати-
зации и ускорения процесса проектирования, а также повышения энергетиче-
ских характеристик выпускаемой продукции. Следует отметить, что хотя
уровень существующих на сегодняшний день численных методов позволяет
использовать их в инженерной практике наряду с натурным экспериментом,
все же эксперимент играет основную роль в процессе определения характе-
ристик проектируемых образцов. Для существенного упрощения процесса
проектирования различных образцов техники, когда количество переменных
проектирования и связей между ними, устанавливаемых с помощью экспери-
ментальных исследований, достаточно велико, перспективным является ис-
пользование искусственных нейронных сетей (ИНС) для обобщения экспе-
риментальных данных и оценки характеристик объекта проектирования.
Учитывая вышесказанное, актуальной задачей является разработка нового
соответствующего научно-методического обеспечения, которое позволило бы
повысить эффективность процесса проектирования путем усиления возмож-
ностей проектировщика за счет применения методов искусственного интел-
лекта.
Постановка задачи. В настоящей работе рассматривается концепция
интеллектуальной экспертной системы, которая позволяет автоматизировать
процесс проектирования компрессорных венцов газотурбинных двигателей за
счет применения методов искусственного интеллекта. Основная концепция
такой системы, представленная в работе [1], приведена на рис. 1.
73
Рис. 1
Как видно из рис. 1, ключевыми элементами системы являются:
– единая база данных, включающая в себя результаты натурных экспе-
риментов, а также результаты численного моделирования газовых течений в
компрессорных венцах. База данных формирует обучающее и контрольное
множества для тренировки нейронных сетей, включенных в экспертную сис-
тему;
– искусственная нейронная сеть (ИНС-1), которая позволяет получить
геометрические параметры компрессорного венца на основе закладываемых
проектировщиком аэродинамических характеристик;
– генетический алгоритм, который позволяет оптимизировать геомет-
рические параметры компрессорного венца с целью повышения его аэроди-
намических характеристик. Для быстрого расчета функции цели применяется
обученная искусственная нейронная сеть (ИНС-2), которая позволяет полу-
чить аэродинамические характеристики компрессорного венца на основе его
известных геометрических параметров.
– модуль численного моделирования газового течения в компрессорном
венце на основе высокоуровневых математических моделей турбулентных
течений газа в областях сложной геометрии.
Целью настоящей работы является разработка и описание отдельных
элементов представленной интеллектуальной экспертной системы проекти-
рования компрессорных венцов.
Разработка базы данных. С использованием семейства графических но-
таций унифицированного языка моделирования UML [2] структура базы дан-
ных для хранения результатов натурных и численных экспериментов с целью
их использования для тренировки нейронных сетей может быть представлена
в следующем виде.
74
+Профиль
X-координата: Массив значений
Y-координата: Массив значений
+Решетка профилей
Угол установки
Период решетки
+Режим течения
Параметры режима: Массив значений
+Способ параметрического описания
Геометрические параметры: Массив значений
1
1
*1
1 *
Рис. 2
Разработка такой базы данных в целом не представляет принципиальных
сложностей, однако ключевым элементом является разработка способа пара-
метрического описания профиля лопатки компрессорного венца, т. е. введе-
ние единого пространства параметров, которое позволяет описать произволь-
ную решетку профилей с достаточной степенью точности. На сегодняшний
день существует ряд подходов к параметрическому описанию аэродинамиче-
ских форм, обзор которых можно найти, например, в [3 – 5].
В рамках настоящей работы рассмотрены следующие способы парамет-
рического описания и варьирования плоских профилей: покоординатное
варьирование формы профиля; применение аппроксимации на основе базо-
вых сплайнов; применение линейной комбинации выпуклых функций Хикса
– Хенне. В результате предложен способ параметрического описания профи-
лей компрессорных решеток [6] и межлопаточных каналов [7]. Данный спо-
соб основан на описании формы профиля с помощью его средней линии и
функции, характеризующей толщину профиля посредством вписанных в
профиль окружностей (рис. 3). При этом параметризация средней линии про-
филя выполняется с применением кривых Безье, а толщина профиля – с по-
мощью системы гладких выпуклых функций Хикса – Хенне, что в совокуп-
ности представляет собой основную отличительную особенность предлагае-
мого способа. Его преимущество заключается в том, что варьирование сред-
ней линии и толщины профиля может осуществляться независимо друг от
друга и при этом обеспечивается построение физически реализуемого конту-
ра профиля.
LEr
TEr
c
i
c
i yx ,
c
ir
y
x
us
i
us
i yx ,
ls
j
ls
j yx ,
Рис. 3
Выполненный анализ результатов параметрического описания различ-
ных до- и трансзвуковых профилей позволил сделать оценки для количества
параметров, необходимых для параметрического описания произвольного
профиля с точностью, соответствующей точности изготовления лопаток ком-
прессорных венцов на станках с числовым программным управлением. В ре-
75
зультате установлено, что для аппроксимации достаточно широкого спектра
профилей различных классов в рамках предложенного способа требуется 12
варьируемых параметров. Из них 4 используются для описания средней ли-
нии и 8 – толщины профиля.
Разработка генетического алгоритма. Развитие эволюционных подхо-
дов к решению оптимизационных задач в значительной мере определяется
работами многих авторов [8 – 11]. Генетические алгоритмы (ГА), являющие-
ся частным случаем эволюционных подходов, оперируют совокупностью
особей (популяцией), которые представляют собой строки, кодирующие одно
из решений задачи. Этим ГА отличается от большинства других алгоритмов
оптимизации, которые оперируют лишь с одним решением, улучшая его. Ра-
бота генетического алгоритма применительно к задаче аэродинамической оп-
тимизации формы компрессорного венца состоит из следующих шагов:
1. Генерация начальной популяции. В качестве хромосомы используется
битовая строка из m10 элементов, которая логично разбивается на рав-
ных частей по 10 бит, каждая из которых отвечает за свой варьируемый гео-
метрический параметр венца. Таким образом, интервал возможных значений
параметров разбивается на 1024 промежутка. Начальная популяция состоит
из n особей, генотипы которых генерируются случайным образом.
m
2. Вычисляется значение фитнес-функции каждой особи, по которому
проводится сортировка. Фитнес-функция рассчитывается с использованием
функции цели, которая строится на основе заданных проектировщиком аэро-
динамических характеристик и ограничений. Расчет функции цели произво-
дится с помощью искусственной нейронной сети ИНС-2.
3. Выбор пары особей для размножения происходит с помощью рангово-
го метода. Использование рангового метода, в отличие от, к примеру, отбора
по «методу рулетки», позволяет воспрепятствовать преждевременной сходи-
мости алгоритма к локальному минимуму.
4. К выбранной на предыдущем шаге паре особей применяется оператор
однородного кроссовера с образованием двух потомков. Выбор однородного
кроссовера обоснован тем, что использование однородного кроссовера по-
зволяет обеспечить стабильно высокую эффективность генетического алго-
ритма, в то время как использование одно- или двухточечного кроссовера
может существенно ее снизить.
5. Повторение пп. 2 – 3 заданное число раз. В результате на этом этапе
получаем новую популяцию из особей. n
6. Этап мутации. Каждая особь из новой популяции мутирует с вероят-
ностью 1%. Оператор мутации заключается в инвертировании случайно вы-
бранного гена в генотипе особи.
Разработка искусственной нейронной сети. Ключевым элементом раз-
работки ИНС как для определения геометрических параметров венца, так и
для определения его аэродинамических характеристик является выбор ее ар-
хитектуры и подстройка под решаемые задачи. В работе [12] рассмотрен спо-
соб проектирования ИНС для решения задачи определения аэродинамиче-
ских характеристик компрессорных решеток путем обобщения эксперимен-
тальных данных, в качестве которых используются результаты продувок пло-
ских решеток. Разработана соответствующая методика проектирования ИНС
для определения аэродинамических характеристик решетки. В качестве архи-
тектуры ИНС использован многослойный персептрон (рис. 4).
76
В
ек
то
р
в
хо
д
н
ы
х
п
е
р
ем
ен
н
ы
х
В
е
кт
о
р
в
ы
хо
д
н
ы
х
п
ер
ем
ен
н
ы
х
Рис. 4
Применяемый метод проектирования ИНС основан на модифицирован-
ной модели классического генетического алгоритма с обучением сети мето-
дом обратного распространения ошибки. Выполнена верификация разрабо-
танной методики с использованием имеющихся экспериментальных данных.
Так, на рис. 5 представлена полученная с помощью ИНС зависимость коэф-
фициента потерь полного давления от числа Маха набегающего потока в ре-
шетке, полученная с использованием экспериментальных данных [13].
Рис. 5
Разработка модуля численного моделирования. В рамках данного мо-
дуля турбулентное течение газа в компрессорной решетке профилей описы-
вается системой осредненных уравнений Навье–Стокса, записанных в обоб-
щенных криволинейных координатах [14]. Замыкание системы уравнений
осуществляется с помощью однопараметрической модели турбулентности
SALSA.
77
Отличительными особенностями методики численного интегрирования
системы исходных уравнений являются: использование схемы аппроксима-
ции конвективных членов основных уравнений, разрешающей скачки уплот-
нения с единственной внутренней точкой; применение линеаризации диффу-
зионных членов основных уравнений по схеме типа Бима–Уорминга, запи-
санной в криволинейных координатах; реализация граничных условий на
твердых поверхностях, состоящая в решении уравнения неразрывности с ис-
пользованием прилежащего к поверхности «половинного» контрольного объ-
ема [15].
Тестирование модуля численного моделирования выполнено путем ре-
шения задач о взаимодействии косого скачка уплотнения с ламинарным по-
граничным слоем [15] и турбулентном газовом течении в сверхзвуковом
диффузоре Сейбена [16], а также путем численного моделирования различ-
ных режимов течения в плоских компрессорных решетках профилей. На
рис. 6,а представлено поле температуры в компрессорной решетке для режи-
ма с образованием -образного запирающего скачка, а на рис. 6,б – зависи-
мости коэффициента потерь от числа Маха для различных углов входа потока
в решетку [17].
а) б)
Рис. 6
Эффективность численного моделирования подтверждается возможно-
стью выбора больших (свыше тысячи) чисел Куранта при проведении расче-
тов и приемлемым согласованием результатов расчета с имеющимися экспе-
риментальными данными.
Выводы. В настоящей работе приведена концепция интеллектуальной
экспертной системы проектирования компрессорных венцов. Рассмотрены
отдельные элементы данной интеллектуальной системы, а именно, единая
база данных, включающая в себя результаты натурных и численных экспери-
ментов; искусственная нейронная сеть, которая позволяет получить геомет-
рические параметры компрессорного венца на основе закладываемых проек-
тировщиком аэродинамических характеристик; генетический алгоритм, кото-
рый позволяет оптимизировать геометрические параметры компрессорного
венца с целью повышения его аэродинамических характеристик; модуль чис-
ленного моделирования газового течения в компрессорном венце на основе
высокоуровневых математических моделей турбулентных течений газа в об-
ластях сложной геометрии. Элементы системы апробированы на решении
78
79
задач, связанных с проектированием плоских компрессорных решеток. Уста-
новлено, что они обладают приемлемой степенью точности получаемых ре-
зультатов и могут эффективно применяться в рассмотренной интеллектуаль-
ной экспертной системе для повышения эффективности процесса проектиро-
вания компрессорных венцов газотурбинных двигателей.
1. Kallianteris С. А self-enhanced system for turbomachinery blading design and optimisation based on artificial
neural networks and genetic algorithms / C. Kallianteris, I. Bakogiannis, A. I. Kalfas // ISABE-2009. – N 1232.
– 9 p.
2. Фаулер М. UML. Основы : пер. с англ. / М. Фаулер. – 3-е издание. – СПб : Символ-Плюс, 2004. – 192 с.
3. Jameson A. Optimum Aerodynamic Design Using CFD and Control Theory / A. Jameson // AIAA Paper 95-
1729. – 1995. – 24 p.
4. Samareh J. A. Survey of Shape Parameterization Techniques for High-Fidelity Multidisciplinary Shape
Optimization / J. A. Samaresh // AIAA Journal. – 2001. – Vol. 39, N. 5. – P. 877 – 884.
5. Song W. A Study of Shape Parameterisation Methods for Airfoil Optimization / W. Song, A. J. Keane // AIAA
Paper 2004-4482. – 2004. – 8 p.
6. Мелашич С. В. Способ параметрического описания профилей компрессорных решеток / С. В. Мелашич //
Техническая механика. – 2012. – № 2. – С. 77 – 82.
7. Болотова Н. В. Формирование подхода к математическому описанию лопаток компрессорных венцов /
Н. В. Болотова, С. В. Мелашич // Сборник научных трудов SWorld. Материалы международной научно-
практической конференции «Современные проблемы и пути их решения в науке, транспорте, производ-
стве и образовании 2011». – Выпуск 4., Т. 7. – Одесса : Черноморье, 2011. – ЦИТ: 411-0406. – С. 78 – 81.
8. Holland J. H. Adaptation in natural and artificial systems / J. H. Holland. – Ann Arbor : University of Michigan
Press, 1975. – 183 р.
9. Ершов С. В. Аэродинамическая оптимизация пространственной формы лопаток паровых и газовых тур-
бин / С. В. Ершов, В. А. Яковлев // Авиационная космическая техника и технология. – 2008. – № 7. – С. 66
– 70.
10. Меняйлов А. В. Применение эволюционных методов для решения задач оптимизации компрессоров
газотурбинных двигателей / А. В. Меняйлов, А. А. Трончук, Е. М. Угрюмова // Авиационно-космическая
техника и технология. – 2008. –№ 5. – С. 59 – 65.
11. Kallianteris C. A self-enhanced system for turbomachinery blading design and optimisation based on artificial
neural networks and genetic algorithms // C. Kallianteris, I. Bakogiannis, A. I. Kalfas // ISABE. – 2009. – N
1232. – 10 p.
12. Мелашич С. В. Определение аэродинамических характеристик компрессорных решеток путем обобще-
ния экспериментальных данных с применением искусственной нейронной сети / С. В. Мелашич // Тех-
ническая механика. – 2012. – № 3. – C. 14 – 22.
13. Бунимович А. И. Сборник аэродинамических характеристик плоских компрессорных решеток /
А. И. Бунимович, Г. С. Орлова. – М. : ЦИАМ, 1955. – Выпуск 1. – 98 с.
14. Tannehill J. C. Computational fluid dynamics and heat transfer (Second edition) / J. C. Tannehill,
D. A. Anderson, R. H. Pletcher. – New York : Taylor & Francis, 1997. – 785 p.
15. Мелашич С. В. Особенности построения эффективной разностной схемы для численного моделирова-
ния трансзвуковых течений вязкого газа в компрессорных решетках / С. В. Мелашич // Вісник
Дніпропетровського університету. Серія ракетно-космічна техніка. – 2007. – Випуск 11, Т. 2, № 9/2. –
С. 78 – 86.
16. Пилипенко В. В. Методика численного моделирования внутренних турбулентных течений газа /
В. В. Пилипенко, Ю. А. Кваша, С. В. Мелашич // Техническая механика. – 2010. – № 4. – С. 22 – 33.
17. Кваша Ю. А. Численное моделирование плоского турбулентного течения газа в компрессорных решёт-
ках / Ю. А. Кваша, С. В. Мелашич // Техническая механика. – 2007. – № 2. – С. 67 – 73.
Институт технической механики Получено 25.06.13,
НАН Украины и ГКА Украины, в окончательном варианте 25.06.13
Днепропетровск
|