基于高温区域损失模型的加力燃烧室出口温度场优化 作者:张磊,王强,李刚 《航空发动机》2023年第3期

《Energy》:Optimization of the afterburner outlet temperature field based on the high temperature area loss model

【字体: 大 中 小 】 时间:2026年08月28日 来源:Energy 10.1

编辑推荐:

   摘要 随着发动机性能的不断提升,加力燃烧室面临着更高的温升需求,如何解决加力燃烧室性能与服务寿命之间的矛盾已逐渐成为一个更为重要的问题。本研究提出了一种带有高温区域损失的温度场预测模型,并通过该模型优化了加力燃烧室隔热区域的温度场。与未引入高温区域损失的完全连接的神经网络模

  

摘要

随着发动机性能的不断提升,加力燃烧室面临着更高的温升需求,如何解决加力燃烧室性能与服务寿命之间的矛盾已逐渐成为一个更为重要的问题。本研究提出了一种带有高温区域损失的温度场预测模型,并通过该模型优化了加力燃烧室隔热区域的温度场。与未引入高温区域损失的完全连接的神经网络模型相比,权重为0.4的最优完全连接模型的相对误差平均值降低了14.9%,最大相对误差降低了12.1%。与原始卷积网络相比,最优卷积模型(高温区域损失权重为0.1)在训练范围内的平均相对误差降低了34.3%,最大相对误差降低了10.1%。凭借出口温度场更高的预测精度和更快的计算速度,带有高温区域损失的完全连接网络模型有效地帮助遗传算法优化了温度场。加力燃烧室的出口温度场不会发生原始网络模型带来的性能损失。CFD结果表明,借助最优高温区域损失权重预测模型,遗传算法优化后的加力燃烧室出口温度场在性能无损失的情况下,可使原始隔热区域的平均温度至少降低46.7K。

引言

随着航空器性能的不断进步,对发动机推力和推重比的要求日益严格。作为高性能航空发动机和大范围飞行器推进系统中的关键部件[1],加力燃烧室在发动机性能需求不断攀升的背景下,不可避免地面临着排气温度升高与材料使用寿命之间的矛盾[2]。解决这一问题关键在于对加力燃烧室工作状态进行精细调节的能力。对加力燃烧室温度场的快速预测和优化可以突破现有材料施加的性能限制,同时为加力燃烧室设计和热防护策略提供重要支撑[3]。

在加力燃烧室热防护研究中,目前研究主要集中于结构优化。Zhang的研究表明,径向火焰稳定器冷却孔角度可以提高温度损失[4]。Jia提出了一种可以提高火焰稳定器冷却效率的冷却结构[5]。然而,此类修改通常需要改变原始加力燃烧室构型,这些结构变化可能带来复杂性和使用寿命方面的新挑战。此外,它们对多种加力燃烧室构型的热防护方案适用性有限。要在现有加力燃烧室构型内实现复杂的燃烧控制,快速的温度场预测模型成为必要条件。与计算成本更高的数值模拟相比,具有强拟合能力的深度学习方法[6,7,8]为加力燃烧室流场预测提供了一种新方法。

深度学习凭借其强大的拟合能力和计算效率,增强了高保真模拟如大涡模拟(LES)[9]和直接数值模拟(DNS)[10],同时在快速流场预测方面表现出色[11,12],例如Han对圆柱流场的预测[13]和Fukami对湍流的预测[14]。在燃烧室流场研究中,Kong对速度场预测[15]和温度场预测[16]进行了广泛研究。Tian通过增强网络结构[17]和多尺度信息融合[18]提出了多种网络。Dai利用深度学习方法实现了加力燃烧室火焰温度的三维烟炱预测[19]。Feng提出了一种基于模型演绎学习的加力燃烧室优化方法[20,21]。现有研究表明,大多数当前的温度场预测模型研究仅依赖于数据驱动方法。这种做法损害了网络模型的可靠性,导致超出训练区间的预测精度大幅下降,这正是大多数现有温度场模型难以应用于温度分布优化的原因[22]。因此,将温度场特征信息融入网络训练,并尝试将所得模型应用于加力燃烧室出口温度分布的优化,以提升燃烧室性能或使用寿命。

为解决这一问题并进一步进行加力燃烧室出口温度场隔热区域低温优化,本研究开展两项主要任务。首先,构建以各区域燃油流量为输入、加力燃烧室出口温度场为输出的神经网络模型;引入基于高温区域偏差的高温区域损失函数,以增强网络模型在训练区间内和外的预测精度。在此基础上,基于高保真神经网络模型,针对加力燃烧室隔热区域的低温需求进行温度分布优化。通过遗传算法获得的优化燃油流量使加力燃烧室在保持整体平均出口温度的同时降低隔热区域的平均温度。这一改进有利于提升热防护性能,并有助于在现有材料约束下进一步开发性能潜力。

章节片段

高温区域损失模型

本研究建立了一种基于深度学习的预测模型,用于根据燃油输入参数快速确定加力燃烧室出口温度场,该过程正式表述如下:

??out=???(????,??)

????=(??A,??B,??C,??D,??E)

公式(1)中的FK代表加力燃烧室各扇区的燃油流量。如图1所示,加力燃烧室沿长短支架上共分布了32个燃油喷射点。为了便于后续数据集构建和燃油……

数值方法

为简化计算域,环形加力燃烧室被均匀划分为八个结构相同的小扇区。由于环形燃烧室的对称性,施加周期性边界条件,选择单个45°扇区进行计算,从而节省大量计算资源。加力燃烧室计算模型的总长度为1.6 m,外壁半径为580 mm。如图8和图9所示,内部结构包括支架……

模型训练

为解决加力燃烧室出口温度场优化中的计算限制问题,采用全连接网络和卷积网络作为预测模型,通过引入加权高温区域偏差的高温区域损失函数进行增强。与标准全连接网络和卷积网络的对比评估表明,该高温区域损失的有效性。

表5给出了测试集的损失值……

结论

针对加力燃烧室出口温度场隔热区域的优化问题,本工作开发了一种带有高温区域损失的训练框架,并借助优化后具有较高预测性能的完全连接网络模型对加力燃烧室出口温度场隔热区域的温度场进行了优化。研究得出以下结论:

关于预测性能方面,全连接网络……

CRediT作者贡献声明

Xuan Wang(王轩):写作——审阅与编辑,写作——初稿,方法论,形式化分析。
Chengkun Lv(吕承坤):监督,概念化。
Juntao Chang(常俊涛):资源,项目管理,资金获取。
Yanyan Liu(刘晏晏):软件。
Fanrui Meng(孟帆瑞):形式化分析。
Chen Kong(孔晨):监督,资源。
Ziao Wang(王钊):可视化,验证。

利益冲突声明

作者声明不存在已知的竞争性经济利益或可能影响本文所报告工作的个人关系。

致谢

本研究得到国家自然科学基金(编号52125603和U2341240)、中国博士后创新人才计划(资助编号BX20250489)以及中国空间基金航天推进专项资金(编号KDJJ2025010104)的支持。

Xuan Wang | Chengkun Lv | Juntao Chang | Yanyan Liu | Fanrui Meng | Chen Kong | Ziao Wang

哈尔滨工业大学能源科学与工程学院,哈尔滨,150001,中国
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号