22595

به‌كارگيري الگوريتم‌هاي بهينه‌سازي و آناليز حساسيت جهت طراحي بهينه يك محفظه احتراق مدل توربين گاز هوايي

كارشناسي ارشد

تبديل انرژي

1399/4/29

دكتر فرزاد بازديدي طهراني

مكانيك

در پايان‌نامه حاضر، به بهينه‌سازي و آناليز حساسيت يك محفظه احتراق مدل توربين گاز هوايي پرداخته مي‌شود. هدف از انجام اين پژوهش، كاهش هم‌زمان آلاينده NO_x و بهبود پروفيل دماي خروجي از محفظه احتراق مي‌باشد. براي مطالعه پاشش سوخت مايع و پديده¬هايي نظير توزيع، شكست و تبخير قطرات از ديدگاه اويلري-لاگرانژي استفاده مي‌شود. براي تحليل¬¬ مشخصه‌هاي جريان واكنشي-پاششي، رهيافت¬ RANS و مدل آشفتگي Realizable k-ε، مدل¬ انتقال حرارت تشعشعي جهات مجزاء(DO) و مدل¬¬ احتراقي فليملت پايا به همراه مكانيزم واكنش شيميايي سوخت ديزل(C_10 H_22) مورد استفاده قرار مي‌گيرد. مدل‌سازي NO_x به صورت پس‌پردازش و با مدل‌ نرخ محدود صورت مي‌پذيرد. مدل انتقال حرارت تشعشعي جهات مجزاء طيف وسيعي از ضخامت‌هاي تابشي را در بر گرفته و در مسائل احتراقي پركاربرد مي‌باشد. همچنين، با به‌كارگيري آناليز حساسيت به مطالعه تأثيرپذيري متغيرهاي خروجي از متغيرهاي ورودي پرداخته مي‌شود. به عبارت ديگر در اين روش با ايجاد تغيير در ورودي‌هاي مسئله به صورت سازمان‌يافته، تأثيرات اين تغييرها در خروجي مدل پيش‌بيني مي‌شود. متغيرهاي ورودي شامل قطر، زاويه، موقعيت و دماي جت‌هاي پايداركننده مي‌باشد. به وسيله بهينه‌سازي نتايج، بهترين عضو از مجموعه‌ داده‌هاي عددي انتخاب مي‌شود، عضوي كه هم‌زمان آلاينده NO_x و پروفيل دماي خروجي آن در بهترين حالت مي‌باشد. داده‌هاي عددي با استفاده از طراحي آزمايشات (DOE) و روش فاكتوريل كامل مدل‌سازي و توليد مي‌شوند. نتايج به دست آمده از آناليز حساسيت نشان مي‌دهد كه متغير دما بيشترين تغيير را بر روي متغيرهاي خروجي اعمال مي‌كند. پس از اين مرحله، با استفاده از شبكه عصبي مصنوعي تابعي براي داده‌هاي توليد شده، آموزش داده مي‌شود. سپس اين تابع با استفاده از الگوريتم ژنتيك بهينه‌سازي مي‌شود. نتايج حاصل از بهينه‌سازي، بهبود 14/5 درصدي پروفيل دماي خروجي و كاهش 7/38 درصدي آلاينده NO_x را نشان مي‌دهد.

1399/09/06

Application of optimization and sensitivity analysis algorithms for optimal design of an aero model gas turbine combustor

7/19/2020 12:00:00 AM

In the present dissertation, optimization and sensitivity analysis of an aviation model gas turbine has been done. The aim of this study is to simultaneously reduce NOx pollutant and improve the combustor pattern factor. For analyzing liquid fuel spray, including distribution, breakup, and evaporation of the droplets, Eulerian-Lagrangian method is used. To investigate the characteristics of the reactive spray flow, Reynolds Average Navier-Stokes (RANS) approach (Realizable k-ɛ model), discrete ordinates radiation heat transfer model (DO), and laminar flamelet combustion model with C10H22 chemical mechanism are used. NOx pollutant is modelled as a post-processing with a finite rate model. Discrete ordinates radiation heat transfer model is capable in a wide range of optical thicknesses and is frequently used in combustion modeling. Furthermore, by using sensitivity analysis, susceptibility of the output parameters to the input parameters are studied. In other words, in this method, the influence of the input parametrs on the output parametrs is investigated by making sensible changes in the input parameters. The input parameters include diameter, angle, location, and temperature of the stabilizer jets. By optimization of the results, the best member of the data set, which simultaneously minimizes NOx pollutant and pattern factor, is selected. The numerical data is produced by design of experiments (DOE) and full factorial method. The obtained results from sensitivity analysis show that temperature is the most influential variable on the output parameters. In the next step, the obtained results are trained by neural network and then these trained results are used in genetic algorithm. Moreover, optimization results show a reduction of 5.14% in pattern factor and 38.7% in NOx pollutant.