《Combustion and Flame》:A new mesoscale aluminum agglomeration model calibrated with deep learning-based experimental data
编辑推荐:
固体火箭发动机(Solid Rocket Motors,SRMs)在军事和民用领域均有广泛应用,其通常由高氯酸铵(Ammonium Perchlorate,AP)/端羟基聚丁二烯(Hydroxyl-Terminated PolyButadiene,HTPB)混
固体火箭发动机(Solid Rocket Motors,SRMs)在军事和民用领域均有广泛应用,其通常由高氯酸铵(Ammonium Perchlorate,AP)/端羟基聚丁二烯(Hydroxyl-Terminated PolyButadiene,HTPB)混合物构成,并添加质量分数18%–20%的铝以提升推进性能达10%。铝颗粒在推进剂燃烧表面发生团聚,形成可达数百微米的大液滴,显著影响发动机性能与稳定性。传统实验测定方法包括淬熄弹测量与多种摄影测量技术,如可见光采集、阴影摄影法(shadowgraphy)、数字同轴全息(Digital In-line Holography,DIH)及同步辐射X射线等。现有数值模型普遍缺乏关键物理机制,如拖曳力抛射、铝颗粒聚集机制、依赖推进剂燃烧的点火过程以及燃烧表面上的团聚现象。研究人员提出一种新的介观尺度铝团聚模型,该模型通过堆积分布表征推进剂颗粒,自动考虑铝在凹槽(pockets)中的累积效应;采用全局动力学的直接数值模拟(direct numerical simulation)实现推进剂燃烧计算,构成模型的主要创新点。燃烧表面位置用于铝团聚体的形成与拖曳力抛射,气体流动温度场用于确定团聚体点火,并引入特定的二次合并机制以增强实验保真度。该模型能够复现所有实验观测趋势,包括微观结构与压力效应,且对不同推进剂具有鲁棒性,无需调整参数。
论文解读文章
一、研究背景与问题
固体火箭发动机(Solid Rocket Motors,SRMs)凭借其相对于其他发动机类型的显著优势,在军事与民用领域获得广泛应用。其典型配方为高氯酸铵(Ammonium Perchlorate,AP)与端羟基聚丁二烯(Hydroxyl-Terminated PolyButadiene,HTPB)的混合物,并添加质量分数18%–20%的铝颗粒以提升推进性能最高达10%。铝颗粒在加入推进剂时尺寸为数十微米,但在推进剂燃烧表面发生团聚现象,可形成数百微米的大液滴。团聚后铝液滴尺寸的增大直接影响发动机性能与燃烧不稳定性,因此准确预测铝团聚液滴尺寸对发动机设计至关重要。
历史上,铝液滴尺寸的测定主要依赖淬熄弹测量等实验收集技术,随后发展了多种摄影测量方法,包括可见光范围采集、阴影摄影法(shadowgraphy)、数字同轴全息(Digital In-line Holography,DIH)以及同步辐射X射线技术。实验数据支撑了经验关联式的建立,部分关联式同时考虑了压力与固体推进剂粒度分布对团聚的影响。与此同时,理论模型经历了从纯理论模型到基于"凹槽"(pockets)概念模型的演进,凹槽指较大氧化剂颗粒之间的区域,铝颗粒在此自然累积。后续发展出基于铝聚集体点火的模型,铝在固体推进剂燃烧表面逐步形成聚集体直至达到特定温度后点火。数值模型方面,研究者利用堆积成形的推进剂,通过迭代算法将氧化剂与铝颗粒随机布置于有限体积的固体推进剂中。然而,现有数值模型普遍缺乏铝团聚的关键特征,物理机制涵盖有限,部分模型未包含拖曳力抛射、铝聚集机制、依赖推进剂燃烧的点火过程或燃烧表面上的团聚现象。燃烧表面上的团聚常被描述为第二合并机制,即点火中的聚集体与邻近铝颗粒可能发生的聚结,类似于Babuk定义的凹槽间机制。
二、研究内容与意义
研究人员提出一种新的介观尺度铝团聚模型,纳入近期实验中观测到的机制。模型采用介观尺度方法建模铝团聚相关物理现象,避免不必要的复杂性。推进剂颗粒通过堆积分布表示,自动考虑铝在凹槽中的累积效应。推进剂燃烧通过全局动力学的直接数值模拟实现,构成模型的主要创新点。燃烧表面位置用于铝团聚体的形成与拖曳力抛射,气体流动温度场用于确定团聚体点火,并加入特定的第二合并机制以增强实验保真度。该模型具有鲁棒性,压力和推进剂粒度分布的影响被内在地包含其中。
研究的意义在于:该模型是目前文献中物理机制最全面的铝团聚模型之一,能够复现所有实验观测趋势,包括微观结构与压力效应,且对差异显著的推进剂无需调整参数。模型与推进剂燃烧的直接数值模拟耦合,代表了铝团聚数值模拟领域的重要进展,为固体火箭发动机设计中铝液滴尺寸预测提供了可靠工具。
三、关键技术与方法
研究采用的主要技术方法包括:其一,阴影摄影法(shadowgraphy)实验测试平台,在ONERA搭建,使用CO2激光点燃质量低于一克的推进剂样品,以7500 Hz帧率高速相机拍摄,空间分辨率2.1–3.3 μm/px,在2.5–25 bar初始氮气压力条件下研究四种推进剂在不同压力下的燃烧过程;其二,基于Mask-R-CNN神经网络的深度学习图像检测算法,在269张标注图像(超过2000个液滴)上训练,检测召回率(Rec)为0.9、精确率(Pr)为0.85,结合Kalman滤波器实现铝液滴的时序跟踪,液滴尺寸沿整个轨迹平均以降低检测不确定性;其三,介观尺度铝团聚数值模型,通过堆积分布表征推进剂颗粒,与直接数值模拟耦合实现推进剂燃烧计算,利用燃烧表面位置确定团聚体形成与拖曳力抛射,气体温度场确定点火条件。
四、研究结果
四种推进剂在ONERA阴影摄影法测试平台上于不同压力下进行研究,推进剂在铝与AP颗粒粒度分布及铝质量分数上存在差异。推进剂2508包含双峰分布AP颗粒,粗AP占比较大,铝颗粒尺寸约为较大氧化剂颗粒的一个数量级以下,预期铝颗粒在凹槽中大量累积并聚结成大团聚体/液滴。推进剂1209包含三峰分布氧化剂颗粒及较大初始铝颗粒,由于三峰AP分布,预期团聚程度降低。推进剂193和194铝含量较低,预期团聚体尺寸显著减小,其中推进剂194以中AP替代粗AP,因MAP形成的小凹槽及更多MAP促进点火和拖曳力抛射,预期团聚程度极低。
图像处理方面,Mask-R-CNN神经网络在多种推进剂配方(包括2508)及12.5–21.2 bar压力范围的燃烧图像上训练,单液滴检测原始F1分数为0.78,在当前图像上评估的检测性能为召回率0.9、精确率0.85。Kalman滤波器用于铝液滴的时序跟踪检测,液滴尺寸沿整个轨迹平均。检测阈值经敏感性研究后设为0.5。形状良好且足够大的液滴被算法有效检测,仍处于聚结中尚未球化的团聚体得分较低而被丢弃。小液滴因速度更大、对比度更低而检测效率较低,该偏差取决于空间分辨率,在数值与实验分布比较时予以考虑。团聚停留期间发生的初始氧化形成的氧化帽对检测液滴尺寸的干扰相对误差小于1%,对分布比较的影响有限。
尺寸分布方面,单次测试中检测并跟踪的液滴数量取决于铝质量分数、检测期间推进剂燃烧高度、图像宽度与推进剂厚度,并随液滴质量平均直径变化,团聚程度越低数量越多。
五、讨论与结论
模型能够复现所有实验观测趋势,包括微观结构与压力效应,且对差异显著的推进剂无需调整参数,体现了模型的鲁棒性。研究结论表明,该介观尺度铝团聚模型是目前文献中最全面的模型之一,其与直接数值模拟的耦合代表了铝团聚建模的重要创新,为固体推进剂铝团聚液滴尺寸预测提供了可靠的数值工具,对固体火箭发动机性能预测与设计优化具有重要工程应用价值。