Une méthode rapide pour modéliser un moteur à cycle variable
13 août 2019
Ici, nous présentons un protocole pour construire un modèle mathématique au niveau des composants pour un moteur à cycle variable.
Cette méthode aide les chercheurs à construire rapidement un modèle de moteur d’avion avec les données existantes du moteur. Ce principal avantage de cette méthode est que n’a pas d’exigences élevées pour la technologie de programmation qui se sont produites pour la modélisation traditionnelle. Avant de commencer la modélisation, ouvrez GasTurb13 et cliquez sur Thermodynamique de base.
Sélectionnez Cycle Design et cycle variable de démonstration ouvert. Les paramètres de performance du point de conception du moteur seront affichés. Pour obtenir les cartes des composants, dans la fenêtre principale cliquez sur Off Design, Plus, et les cartes standard.
Ouvrez le cycle variable de démonstration et sélectionnez LPC, IPC, HPC, HPT et LPT. Pour modéliser un seul composant d’un moteur à cycle variable, ouvrez un programme d’analyse de données et cliquez sur Simulink. Double clic sur le modèle vierge et cliquez sur bibliothèque pour placer une fonction au modèle.
Fonction double clic. L’équation thermodynamique du compresseur sera décrite selon le principe de fonctionnement du compresseur. Cliquez sur l’équation et coller pour obtenir l’entrée et la sortie du compresseur.
Renommez le compresseur de fonction. Dans la fenêtre de fonction compresseur, cliquez à droite sur le nom de la fonction et sélectionnez le sous-système et la référence du modèle et créez un sous-système à partir de la sélection pour masquer le module. Lorsque tous les composants ont été modélisés, combinez la sortie de chaque composant avec l’entrée du composant suivant.
Ici, les résultats de la comparaison au point de conception sous un mode de fonctionnement double de dérivation sont montrés indiquant que l’erreur maximale des paramètres de performance entre le modèle et le GasTurb est un rapport de pression du moteur inférieur à 2%Ici, un résultat de la comparaison au point de conception off, sous un mode de fonctionnement de dérivation unique sont affichés. Dans ces conditions, l’erreur maximale est une vitesse de rotation de l’arbre basse pression juste en dessous de 4% Dans cette accélération représentative, la simulation de décélération traitée sous un double mode de dérivation l’entrée du flux de carburant est affichée. Ces vitesses de rotation, le débit d’air et la température avant les données de la turbine démontrent que le modèle est capable d’effectuer une simulation d’accélération et de décélération.
Dans cette expérience représentative, le mode de fonctionnement du moteur à cycle variable est passé du mode de dérivation unique au mode double dérivation à cinq secondes pour empêcher le moteur de dépasser la vitesse limitée pendant le processus de commutation, un seul contrôle variable en boucle fermée a été appliqué à la vitesse de rotation de l’arbre à haute pression. Dans cet essai, la vitesse de rotation de l’arbre à haute pression est restée presque inchangée pendant la commutation. De même, la réponse du flux de carburant, de la vitesse de rotation, du débit d’air et de la température avant que la turbine puisse être observée.
Les résultats de simulation d’accélération, de décélération et de changement de mode confirment que deux simulations dynamiques, le modèle peut fonctionner correctement. Apprendre à sélectionner une équation de travail spécifique ou commune est important, car l’équation de travail commune aide à configurer le modèle correctement. Suivant cette procédure, d’autres types de moteurs d’avion ou de moteurs à turbine à gaz peuvent être construits.
Consultez la transcription complète et accédez à des milliers de vidéos scientifiques
Aperçu
Cet article présente un protocole pour élaborer un modèle mathématique au niveau des composants d'un moteur à cycle variable. Cette méthode permet aux chercheurs de créer efficacement des modèles en utilisant des données moteur existantes, sans les exigences élevées en programmation associées aux méthodes de modélisation traditionnelles.
Composantes clés de l'étude
Domaine scientifique
- Modélisation mathématique
- Conception de moteurs
- Génie aérospatial
Contexte
- Les méthodes de modélisation traditionnelles nécessitent des connaissances approfondies en programmation.
- Les données existantes sur les moteurs peuvent être exploitées pour la création de modèles.
- Les moteurs à cycle variable possèdent des paramètres de performance complexes.
- Le logiciel GasTurb13 est utilisé pour la modélisation.
Objectif de l'étude
- Faciliter le processus de modélisation des moteurs d'avion.
- Réduire les obstacles techniques pour les chercheurs.
- Fournir un protocole clair pour l'analyse des performances des moteurs.
Méthodes utilisées
- Ouvrir le logiciel GasTurb13.
- Sélectionner la thermodynamique de base et la conception de cycle.
- Accéder au moteur à cycle variable de démonstration.
- Obtenir les cartes des composants via les paramètres de fonctionnement hors conception.
Résultats principaux
- Le protocole permet une construction rapide du modèle.
- Les paramètres de performance au point de conception du moteur sont affichés.
- Les cartes standard des composants peuvent être consultées facilement.
- Les chercheurs peuvent exploiter efficacement les données existantes.
Conclusions
- La méthode simplifie le processus de modélisation des moteurs à cycle variable.
- Elle réduit le seuil d'entrée pour les chercheurs en génie aérospatial.
- Les travaux futurs pourront s'appuyer sur ce protocole pour une modélisation avancée.
Questions fréquemment posées
Pertinence sectorielle pour les cadres
Cette méthode permet une modélisation rapide et peu contraignante de systèmes aérospatiaux complexes à l’aide de données de performance existantes, réduisant ainsi la dépendance à une expertise étendue en programmation. Elle soutient la confiance prédictive dans l’analyse du comportement des moteurs, facilitant la validation en phase précoce et la réduction des risques associés aux architectures à cycle variable. L’approche s’inscrit dans les flux de travail en phase de découverte, où la compréhension mécanistique et la préparation à la simulation orientent les décisions d’avancement ou d’abandon dans le développement de systèmes de propulsion avancés.
Applications stratégiques en recherche et développement biopharmaceutique
Début de la Découverte et Validation de Cibles
- Valeur scientifique : Permet d'interroger les relations thermodynamiques et les interactions entre composants au sein d'un système.
- Valeur opérationnelle : Utilise les données existantes du moteur pour construire des modèles mécanistiques sans nécessiter de développement de code personnalisé.
- Valeur prédictive : Permet la simulation de comportements en régime permanent et transitoires afin d'évaluer les performances de conception dans différentes conditions.
Développement de criblages et de tests
- Valeur scientifique : Génère des modèles de composants standardisés et réutilisables qui garantissent une cohérence entre les différentes exécutions de simulation.
- Valeur opérationnelle : Facilite une préparation similaire à un test en fournissant des sorties quantifiables telles que les rapports de pression et les vitesses de rotation.
- Extensibilité : Permet la réutilisation de composants modélisés (par exemple, compresseurs, turbines) dans différentes configurations de moteur.
Recherche translationnelle et préclinique
- Continuité translationnelle : Relie la conception conceptuelle et la validation des performances par le biais de simulations dynamiques d'accélération, de décélération et de changement de mode.
- Réduction des risques mécanistiques : Permet d'observer les réponses du système aux entrées de commande (par exemple, débit de carburant) afin d'évaluer la stabilité et la fidélité de la réponse.
- Aide à la décision : Fournit des comparaisons encadrées par des marges d'erreur (par exemple, écart de rapport de pression <2 %) pour renforcer la confiance dans la capacité prédictive du modèle.
Intégration des pipelines et des flux de travail
La méthode s'inscrit dans la continuité découverte-préclinique en permettant une modélisation fondée sur des hypothèses, la génération de résultats quantitatifs et une validation par simulation avant la création de prototypes physiques.
- Biologie de la découverte : Permet de tester des hypothèses mécanistiques grâce à la modélisation thermodynamique de composants individuels et à l'intégration au niveau du système.
- Essais : Fournit des résultats reproductibles et quantitatifs (par exemple, vitesses de l'arbre, températures) permettant de comparer différents modes de fonctionnement.
- Analyse : Permet une évaluation statistique de la fidélité du modèle à l’aide de marges d’erreur par rapport à des données de référence (GasTurb13) dans des conditions nominales et hors-nominales.
- Recherche translationnelle : Assure une continuité allant des simulations en régime permanent aux simulations dynamiques, reflétant ainsi la validation préclinique du comportement du système sous contrainte.
- Réutilisation en entreprise : Les modèles construits selon une architecture modulaire et orientée objet peuvent être adaptés à d'autres types de turbines à gaz ou de moteurs d'aéronef.
Impact opérationnel et organisationnel
- Valeur scientifique : Réduit l'ambiguïté mécanistique en reliant des équations fondamentales aux sorties observables du système.
- Valeur opérationnelle : Abaisse les barrières techniques à la création de modèles, permettant une participation plus large des équipes aux flux de travail de simulation.
- Valeur stratégique : Améliore l'efficacité du capital en réduisant la dépendance aux campagnes d'essais physiques grâce à la validation virtuelle.
- Impact sur le portefeuille : Permet des décisions d'avancement ajustées au risque en fournissant une confiance quantifiable dans les prévisions des modèles avant l'investissement matériel.
Considérations relatives à la mise en œuvre
- Nécessite une bonne connaissance des principes thermodynamiques et du comportement des composants moteur.
- Dépend de l'accès à GasTurb13 ou à un environnement de simulation équivalent pour obtenir les données de référence et effectuer la validation.
- Exige une standardisation de la manière dont les modèles de composants sont masqués et intégrés afin d'assurer une cohérence des interfaces.
- L'adaptation à d'autres types de moteurs nécessite une reformulation des équations thermodynamiques et de la logique de commande.
- Limite pratique : la précision du modèle dépend de la fidélité des cartes d'entrée et de l'exactitude de la mise en œuvre des équations thermodynamiques.
