Un método rápido para modelar un motor de ciclo variable
13 de agosto de 2019
Aquí, presentamos un protocolo para construir un modelo matemático de nivel de componente para un motor de ciclo variable.
Este método ayuda a los investigadores a construir rápidamente un modelo de un motor de avión con los datos del motor existente. Esta principal ventaja de este método es que no tiene altos requisitos para la tecnología de programación que han ocurrido para el modelado tradicional. Antes de comenzar el modelado, abra GasTurb13 y haga clic en Termodinámica básica.
Seleccione Diseño de ciclo y abra el ciclo de variable de demostración. Se mostrarán los parámetros de rendimiento del punto de diseño del motor. Para obtener los mapas de componentes, en la ventana principal, haga clic en Desactivado diseño, Más y mapas estándar.
Abra el ciclo de variable de demostración y seleccione LPC, IPC, HPC, HPT y LPT. Para modelar un único componente de un motor de ciclo variable, abra un programa de análisis de datos y haga clic en Simulink. Haga doble clic en el modelo en blanco y haga clic en la biblioteca para colocar una función en el modelo.
Función de doble clic. La ecuación termodinámica del compresor se describirá de acuerdo con el principio de funcionamiento del compresor. Haga clic en la ecuación y pegue para obtener la entrada y salida del compresor.
Cambie el nombre del compresor de funciones. En la ventana de funciones del compresor, haga clic con el botón derecho en el nombre de la función y seleccione la referencia del subsistema y del modelo y cree un subsistema a partir de la selección para enmascarar el módulo. Una vez modelados todos los componentes, combine la salida de cada componente con la entrada del siguiente componente.
Aquí se muestran los resultados de la comparación en el punto de diseño bajo un modo de funcionamiento de doble derivación que indica que el error máximo de los parámetros de rendimiento entre el modelo y el GasTurb es una relación de presión del motor por debajo del 2% Aquí, se muestra el resultado de la comparación en el punto de diseño de apagado, bajo un solo modo de operación de derivación. En estas condiciones, el error máximo es una velocidad de rotación del eje de baja presión justo por debajo del 4%En esta aceleración representativa, simulación de desaceleración procesada bajo un modo de doble derivación se muestra la entrada del flujo de combustible. Estas velocidades de rotación, el flujo de aire y la temperatura antes de los datos de la turbina demuestran que el modelo es capaz de realizar una simulación de aceleración y desaceleración.
En este experimento representativo, el modo de funcionamiento del motor de ciclo variable se cambió del modo de derivación única al modo de doble derivación en cinco segundos para evitar que el motor superara la velocidad limitada durante el proceso de conmutación, se aplicó un control de bucle cerrado variable único a la velocidad de rotación del eje de alta presión. En este ensayo, la velocidad de rotación del eje de alta presión se mantuvo casi sin cambios durante la conmutación. Del mismo modo, se puede observar la respuesta del flujo de combustible, la velocidad de rotación, el flujo de aire y la temperatura antes de la turbina.
Los resultados de la simulación de aceleración, desaceleración y conmutación de modo confirman que dos simulaciones dinámicas, el modelo se puede ejecutar correctamente. Aprender a seleccionar una ecuación de trabajo específica o común es importante, porque la ecuación de trabajo común ayuda a configurar el modelo correctamente. Siguiendo este procedimiento, se pueden construir otros tipos de motores de aeronaves o motores de turbinas de gas.
Vea la transcripción completa y acceda a miles de videos científicos
Descripción general
Este artículo presenta un protocolo para construir un modelo matemático a nivel de componentes para un motor de ciclo variable. El método permite a los investigadores crear modelos eficientemente utilizando datos existentes del motor, sin los elevados requisitos de programación que implican los métodos tradicionales de modelado.
Componentes Clave del Estudio
Área de la Ciencia
- Modelado matemático
- Diseño de motores
- Ingeniería aeroespacial
Antecedentes
- Los métodos tradicionales de modelado requieren amplios conocimientos de programación.
- Se pueden aprovechar los datos existentes del motor para la creación del modelo.
- Los motores de ciclo variable tienen parámetros de rendimiento complejos.
- El software GasTurb13 se utiliza para el modelado.
Objetivo del estudio
- Para simplificar el proceso de modelado de motores de aeronaves.
- Para reducir las barreras técnicas para los investigadores.
- Para proporcionar un protocolo claro para el análisis del rendimiento del motor.
Métodos Utilizados
- Abrir el software GasTurb13.
- Seleccionar Termodinámica Básica y Diseño de Ciclos.
- Acceder al motor de ciclo variable de demostración.
- Obtener los mapas de componentes mediante la configuración de Funcionamiento Fuera del Punto Nominal.
Resultados Principales
- El protocolo permite la creación rápida de modelos.
- Se muestran los parámetros de rendimiento en el punto de diseño del motor.
- Se puede acceder fácilmente a los mapas estándar para los componentes.
- Los investigadores pueden utilizar eficazmente los datos existentes.
Conclusiones
- El método agiliza el proceso de modelado para motores de ciclo variable.
- Reduce la barrera de entrada para investigadores en ingeniería aeroespacial.
- Trabajos futuros pueden basarse en este protocolo para modelado avanzado.
Preguntas frecuentes
Relevancia Ejecutiva para la Industria
Este método permite la modelización rápida y con bajos requisitos de sistemas aeroespaciales complejos utilizando datos de rendimiento existentes, reduciendo la dependencia de una amplia experiencia en programación. Brinda confianza predictiva en el análisis del comportamiento del motor, facilitando la validación del diseño en etapas tempranas y la reducción de riesgos en arquitecturas de ciclo variable. El enfoque se alinea con los flujos de trabajo en fase de descubrimiento, donde la comprensión mecanicista y la preparación para simulación informan las decisiones de continuar o descartar en el desarrollo de propulsión avanzada.
Aplicaciones Estratégicas en I+D de Biotecnología Farmacéutica
Descubrimiento Temprano y Validación de Blancos
- Valor científico: Permite investigar las relaciones termodinámicas y las interacciones entre componentes dentro de un sistema.
- Valor operativo: Utiliza datos existentes del motor para construir modelos mecanicistas sin necesidad de desarrollar código personalizado.
- Valor predictivo: Facilita la simulación de comportamientos en estado estacionario y transitorios para evaluar el rendimiento del diseño bajo condiciones variables.
Desarrollo de Cribado y Ensayos
- Valor científico: Genera modelos de componentes estandarizados y reutilizables que garantizan la coherencia entre diferentes ejecuciones de simulación.
- Valor operativo: Facilita la disponibilidad tipo ensayo al proporcionar salidas cuantificables, como relaciones de presión y velocidades de rotación.
- Escalabilidad: Permite la reutilización de componentes modelados (por ejemplo, compresores, turbinas) en distintas configuraciones de motores.
Investigación Traductacional y Preclínica
- Continuidad Translacional: Conecta el diseño conceptual con la validación de rendimiento mediante simulaciones dinámicas de aceleración, desaceleración y cambio de modos.
- Reducción de Riesgos Mecanicistas: Permite observar las respuestas del sistema a entradas de control (por ejemplo, flujo de combustible) para evaluar la estabilidad y la fidelidad de respuesta.
- Apoio para la Toma de Decisiones: Proporciona comparaciones con errores acotados (por ejemplo, desviación del cociente de presión <2%) para generar confianza en la capacidad predictiva del modelo.
Integración de la canalización y flujo de trabajo
El método se integra en la continuidad desde el descubrimiento hasta la etapa preclínica al permitir la elaboración de modelos basados en hipótesis, la generación de resultados cuantitativos y la validación basada en simulaciones antes del prototipado físico.
- Biología del Descubrimiento: Apoya la comprobación de hipótesis mecanicistas mediante modelado termodinámico de componentes individuales e integración a nivel de sistema.
- Selección: Proporciona resultados cuantitativos reproducibles (por ejemplo, velocidades del eje, temperaturas) que permiten la comparación entre modos de operación.
- Análisis: Permite la evaluación estadística de la fidelidad del modelo mediante márgenes de error frente a datos de referencia (GasTurb13) en condiciones de diseño y fuera de diseño.
- Investigación Traducional: Facilita la continuidad desde simulaciones en estado estacionario hasta simulaciones dinámicas, imitando la validación preclínica del comportamiento del sistema bajo estrés.
- Reutilización Empresarial: Los modelos construidos mediante una arquitectura modular y orientada a objetos pueden adaptarse para otros tipos de turbinas de gas o motores de aeronave.
Impacto Operativo y Empresarial
- Valor científico: Reduce la ambigüedad mecanicista al vincular ecuaciones de primeros principios con salidas observables del sistema.
- Valor operativo: Disminuye las barreras técnicas para la creación de modelos, permitiendo una participación más amplia del equipo en los flujos de trabajo de simulación.
- Valor estratégico: Mejora la eficiencia del capital al minimizar la dependencia de campañas de pruebas físicas mediante validación virtual.
- Impacto en la cartera: Permite decisiones de avance ajustadas al riesgo al proporcionar una confianza cuantificable en las predicciones del modelo antes de la inversión en hardware.
Consideraciones de Implementación
- Requiere conocimientos sobre principios termodinámicos y comportamiento de motores a nivel de componentes.
- Depende del acceso a GasTurb13 o un entorno de simulación equivalente para obtener datos de referencia y validación.
- Necesita estandarización en la forma en que se enmascaran e integran los modelos de componentes para garantizar la consistencia de las interfaces.
- La adaptación a otros tipos de motores requiere el reajuste de las ecuaciones termodinámicas y de la lógica de control.
- Limitación práctica: la precisión del modelo depende de la fidelidad de los mapas de entrada y de la correcta implementación de las ecuaciones termodinámicas.
