黃磊，余華蔚

（中國燃?xì)鉁u輪研究院，成都610500）

單級(jí)跨聲速風(fēng)扇轉(zhuǎn)子葉片多目標(biāo)優(yōu)化設(shè)計(jì)

黃磊，余華蔚

（中國燃?xì)鉁u輪研究院，成都610500）

以單級(jí)跨聲速風(fēng)扇為研究對(duì)象，采用葉片參數(shù)化造型、人工神經(jīng)網(wǎng)絡(luò)構(gòu)建近似函數(shù)及遺傳算法尋優(yōu)相結(jié)合的方法，在級(jí)環(huán)境下對(duì)轉(zhuǎn)子葉片進(jìn)行周向積疊的多目標(biāo)三維氣動(dòng)優(yōu)化設(shè)計(jì)。結(jié)果表明，該單級(jí)風(fēng)扇在保持質(zhì)量流量和總壓比基本不變的前提下，優(yōu)化后設(shè)計(jì)點(diǎn)絕熱效率提高了0.88%，優(yōu)化后所獲得的根部反彎、頂部正彎葉片，可有效改善葉根和葉片中上部的流動(dòng)損失。

航空發(fā)動(dòng)機(jī)；跨聲速風(fēng)扇；彎葉片；優(yōu)化設(shè)計(jì)；遺傳算法；人工神經(jīng)網(wǎng)絡(luò)

1　引言

風(fēng)扇/壓氣機(jī)是航空發(fā)動(dòng)機(jī)最重要的部件之一，其性能好壞直接影響發(fā)動(dòng)機(jī)的耗油率、渦輪前溫度等參數(shù)。因此，風(fēng)扇/壓氣機(jī)初始設(shè)計(jì)完成后，對(duì)其性能進(jìn)行優(yōu)化十分重要。

隨著計(jì)算機(jī)技術(shù)和各種尋優(yōu)算法的不斷發(fā)展，在葉輪機(jī)械領(lǐng)域利用某些算法進(jìn)行葉片優(yōu)化設(shè)計(jì)來提高風(fēng)扇/壓氣機(jī)性能已成為可能。在此之前，有學(xué)者利用遺傳算法、模擬退火法、梯度法、響應(yīng)面法等，對(duì)各種葉輪的靜子和轉(zhuǎn)子葉型進(jìn)行優(yōu)化設(shè)計(jì)。結(jié)果顯示，通過一些優(yōu)化方法，可以提高葉輪效率，改善葉片表面的壓力分布和速度分布，降低邊界層流動(dòng)損失，同時(shí)也縮短了設(shè)計(jì)周期［1-3］。

已有研究表明，采用周向彎曲葉片可有效改善風(fēng)扇/壓氣機(jī)的性能，但改善程度取決于原型葉片設(shè)計(jì)水平和三維優(yōu)化水平［4］。過去主要是對(duì)軸流壓氣機(jī)的單轉(zhuǎn)子進(jìn)行優(yōu)化，無法得知優(yōu)化后各排葉片的匹配情況。鑒于此，本文嘗試在級(jí)環(huán)境下對(duì)某單級(jí)跨聲速風(fēng)扇轉(zhuǎn)子進(jìn)行周向積疊規(guī)律的全三維優(yōu)化，采用葉輪機(jī)械全三維優(yōu)化設(shè)計(jì)平臺(tái)Design3D中的CFD與人工神經(jīng)網(wǎng)絡(luò)、遺傳算法相結(jié)合的方法，以單級(jí)風(fēng)扇跨聲速轉(zhuǎn)子葉片為研究對(duì)象，在級(jí)環(huán)境下通過改變整個(gè)葉高的周向積疊全部參數(shù)的方法對(duì)其進(jìn)行三維優(yōu)化設(shè)計(jì)，以達(dá)到改善風(fēng)扇氣動(dòng)性能的目的。

2　轉(zhuǎn)子葉片參數(shù)化設(shè)計(jì)

轉(zhuǎn)子葉片參數(shù)化設(shè)計(jì)是為了讓轉(zhuǎn)子葉片幾何的壓力面和吸力面離散成多個(gè)控制點(diǎn)，以便給定優(yōu)化過程中的變量。然后為保證參數(shù)化后的葉片與原型葉片保持一致，需對(duì)其進(jìn)行擬合，擬合得越精確，參數(shù)化葉片計(jì)算結(jié)果與原型葉片計(jì)算結(jié)果越接近。將13個(gè)不同葉展處的葉型徑向積疊生成三維葉片，二維葉型的中弧線用Bezier曲線表示，壓力面和吸力面分別用構(gòu)造線定義模式，選用中弧線的高階的Bezier曲線。圖1分別給出了葉片子午面和葉中截面擬合圖，可見擬合精度非常高。

圖1　葉片子午面和葉中截面擬合圖Fig.1 Meridian plane and middle section fitting of blade

3　原型風(fēng)扇性能計(jì)算

3.1計(jì)算網(wǎng)格及邊界條件

采用IGG/AutoGrid5模塊生成默認(rèn)C型網(wǎng)格，整個(gè)單級(jí)風(fēng)扇計(jì)算區(qū)域網(wǎng)格數(shù)約為134萬，網(wǎng)格質(zhì)量各項(xiàng)指標(biāo)都能很好地滿足軟件的各項(xiàng)要求。

根據(jù)設(shè)計(jì)要求，進(jìn)口軸向給定絕對(duì)總溫、絕對(duì)總壓，出口給定平均靜壓。轉(zhuǎn)靜交接面采用質(zhì)量守恒，在輪轂、機(jī)匣及葉片等固壁上給定絕熱無滑移條件，計(jì)算使用的湍流模型為S-A模型。

3.2FINE/Turbo計(jì)算精度考核及優(yōu)化工況點(diǎn)選擇

研究載體為某單級(jí)風(fēng)扇，由1排導(dǎo)葉、1排轉(zhuǎn)子和1排靜子組成。優(yōu)化設(shè)計(jì)前，首先用全三維粘性流場計(jì)算程序FINE/Turbo對(duì)風(fēng)扇100%相對(duì)換算轉(zhuǎn)速下的內(nèi)部流場進(jìn)行數(shù)值模擬，然后以此為基礎(chǔ)，對(duì)轉(zhuǎn)子葉片在級(jí)環(huán)境下進(jìn)行周向彎曲規(guī)律優(yōu)化。本文選擇風(fēng)扇100%相對(duì)換算轉(zhuǎn)速下的設(shè)計(jì)點(diǎn)作為優(yōu)化工況點(diǎn)。

4　優(yōu)化方法及過程

4.1優(yōu)化方法

采用人工神經(jīng)網(wǎng)絡(luò)構(gòu)建近似函數(shù)及遺傳算法尋優(yōu)相結(jié)合的方法［5-6］，在級(jí)環(huán)境下對(duì)轉(zhuǎn)子葉片進(jìn)行周向積疊的多目標(biāo)三維氣動(dòng)優(yōu)化設(shè)計(jì)。

4.2優(yōu)化過程

4.2.1數(shù)據(jù)庫樣本說明

對(duì)單級(jí)風(fēng)扇跨聲速轉(zhuǎn)子葉片的周向積疊規(guī)律進(jìn)行優(yōu)化。葉片周向積疊線控制參數(shù)如圖2所示，采用5個(gè)等距控制點(diǎn)的B樣條曲線的控制形式。本文將全部5個(gè)控制參數(shù)（H1～H5）都作為可變參數(shù)，且各參數(shù)均在-0.02～0.02之間變化。通過隨機(jī)改變這5個(gè)參數(shù)的值生成新的葉型，然后再對(duì)不同葉型分別進(jìn)行三維正問題計(jì)算，生成不同的數(shù)據(jù)庫樣本。

圖2　葉片周向積疊示意圖Fig.2 Circumferential stacking of blade

4.2.2優(yōu)化目標(biāo)說明

選取總壓比、質(zhì)量流量和等熵效率為優(yōu)化目標(biāo)函數(shù)，將這些總體性能指標(biāo)作為優(yōu)化目標(biāo)函數(shù)可保證獲得最佳的氣動(dòng)性能。

設(shè)計(jì)目標(biāo)為：在保持質(zhì)量流量和總壓比基本不變的前提下，盡可能提高單級(jí)風(fēng)扇的等熵效率。這是因?yàn)槿绻蛔非笮实奶岣?，而忽略了流量和壓比等性能參?shù)，很可能會(huì)導(dǎo)致單級(jí)風(fēng)扇與前后部件不匹配。

5　優(yōu)化結(jié)果及分析

表1給出了100%設(shè)計(jì)轉(zhuǎn)速下優(yōu)化前后性能參數(shù)的改變量，可見優(yōu)化前后該單級(jí)風(fēng)扇在流量和壓比基本不變的前提下，等熵效率提高了0.88%，穩(wěn)定裕度略有提升。這樣的優(yōu)化結(jié)果滿足發(fā)動(dòng)機(jī)前后匹配要求，符合工程實(shí)際需要。

表1　100%設(shè)計(jì)轉(zhuǎn)速下優(yōu)化前后性能改變量Table 1 Performance changes of the optimized blade at 100%design speed

表2為優(yōu)化前后各優(yōu)化參數(shù)值，圖3為優(yōu)化前后轉(zhuǎn)子葉片形狀比較圖。從表2和圖3可以看出，優(yōu)化后葉片中下部和頂部的彎曲程度都有增大，且是根部反彎、頂部正彎。優(yōu)化后葉片中下部的彎曲程度最大，且其曲率最大位置也最靠近葉根處。圖4為優(yōu)化前后轉(zhuǎn)子葉片周向彎曲積疊線比較圖，與圖3中葉片彎曲規(guī)律一致。

表2　優(yōu)化前后各優(yōu)化參數(shù)值Table 2 The parameters of original blade and optimized blade

圖3　優(yōu)化前后轉(zhuǎn)子葉片形狀比較Fig.3 Comparison of rotor blade figure before and after optimization

圖4優(yōu)化前后轉(zhuǎn)子葉片周向彎曲積疊線比較Fig.4 Comparison of circumferential stacking of rotor blade before and after optimization

圖5為優(yōu)化前后葉片擬S2流面的相對(duì)馬赫數(shù)云圖?？梢?，優(yōu)化葉片A區(qū)域的二次流損失有所增強(qiáng)，而B、C區(qū)域葉片表面的分離損失降低較明顯。

圖5優(yōu)化前后葉片擬S2流面的相對(duì)馬赫數(shù)云圖Fig.5 The comparison of relative Mach numbers on S2 stream face before and after optimization

圖6為優(yōu)化前后葉根處相對(duì)速度矢量對(duì)比圖?？梢?，原型葉片葉根處葉片尾部以后部分的逆流和二次流很強(qiáng)勁，而優(yōu)化葉片逆流和二次流已基本消失，流動(dòng)控制較好，這與圖5中B區(qū)域流動(dòng)相互吻合。

圖6優(yōu)化前后葉根處相對(duì)速度矢量對(duì)比Fig.6 The comparison of relative velocity vector at the hub before and after optimization

圖7為優(yōu)化前后轉(zhuǎn)子絕熱效率沿展向分布對(duì)比圖?？梢姡撧D(zhuǎn)子優(yōu)化后只在中下部局部區(qū)域效率略低于優(yōu)化前，而在整個(gè)葉高大部分區(qū)域效率都高于優(yōu)化前。這說明葉片中上部的分離損失得到了很好控制，而中下部局部區(qū)域的分離損失有一定程度增強(qiáng)，該趨勢(shì)與圖5中相對(duì)馬赫數(shù)分布情況一致。

圖7優(yōu)化前后轉(zhuǎn)子絕熱效率沿展向分布對(duì)比Fig.7 The comparison of rotor adiabatic efficiency along blade span before and after optimization

圖8為優(yōu)化前后靜子總壓恢復(fù)系數(shù)沿展向分布對(duì)比?？梢?，零級(jí)導(dǎo)葉和第一級(jí)靜子的總壓恢復(fù)系數(shù)變化不大，說明在級(jí)環(huán)境下的轉(zhuǎn)子優(yōu)化，對(duì)靜子總壓恢復(fù)系數(shù)影響較小。

圖8優(yōu)化前后靜子總壓恢復(fù)系數(shù)沿展向分布對(duì)比Fig.8 The comparison of stator total pressure recovery coefficient along blade span before and after optimization

圖9為優(yōu)化前后整級(jí)特性曲線對(duì)比圖，其表明優(yōu)化轉(zhuǎn)子后的單級(jí)風(fēng)扇在整個(gè)工作區(qū)域流量和壓比基本不變的前提下，效率都得到了提高，尤其是最高效率點(diǎn)附近提高了1%左右；穩(wěn)定裕度也略有提升。總的來說，在不影響發(fā)動(dòng)機(jī)各部件匹配的前提下，效率明顯提升，優(yōu)化效果很明顯，符合工程實(shí)際需要。

圖9　優(yōu)化前后整級(jí)特性曲線對(duì)比Fig.9 The stage computational characteristic of original blade and optimized blade

6　結(jié)論

（1）根部反彎、頂部正彎的轉(zhuǎn)子葉片，降低了該單級(jí)風(fēng)扇總壓損失（轉(zhuǎn)子葉片中上部分離損失減弱和葉片根部二次流、逆流消除），提高了其效率。

（2）級(jí)環(huán)境下轉(zhuǎn)子周向積疊規(guī)律的優(yōu)化，對(duì)零級(jí)導(dǎo)葉和第一級(jí)靜子總壓恢復(fù)系數(shù)基本沒影響。

（3）級(jí)環(huán)境下，在保證流量和壓比基本不變的前提下，優(yōu)化轉(zhuǎn)子葉片周向積疊規(guī)律來提高效率和裕度，其優(yōu)點(diǎn)是不影響發(fā)動(dòng)機(jī)各部件的匹配關(guān)系，符合工程實(shí)際需要。

（4）對(duì)跨聲速葉片進(jìn)行周向積疊優(yōu)化效果很明顯，所用的人工神經(jīng)網(wǎng)路與遺傳算法尋優(yōu)相結(jié)合的優(yōu)化設(shè)計(jì)方法對(duì)類似問題具有一定的參考價(jià)值。

［1］樊會(huì)元，王尚錦，席光.透平機(jī)械葉片的遺傳優(yōu)化設(shè)計(jì)［J］.航空學(xué)報(bào)，1999，20（1）：47—51.

［2］Mengistu T，Ghaly W.Single and multipoint shape optimization of gas turbine blade cascades［R］.AIAA 2004-4446，2004.

［3］Vascellari M，Dénos R，Van den Braembussche R.Design of a transonic high-pressure turbine stage 2D section with reduced rotor/stator interaction［R］.ASME GT2004-53520，2004.

［4］宋彥萍，李娜，王松濤，等.彎曲動(dòng)葉跨音軸流壓氣機(jī)性能的影響［J］.工程熱物理學(xué)報(bào)，2004，25（4）：582—584.

［5］黃磊，楚武利，鄧文劍.壓氣機(jī)葉片扭曲規(guī)律的多目標(biāo)三維氣動(dòng)優(yōu)化［J］.計(jì)算機(jī)仿真，2009，26（9）：73—76.

［6］靳軍，劉波，南向誼，等.基于神經(jīng)網(wǎng)絡(luò)的智能葉片優(yōu)化設(shè)計(jì)系統(tǒng)的研究［J］.中國機(jī)械工程，2007，18（15）：1859—1861.

Multi-objective optimization design of single-stage transonic fan rotor blade

HUANG Lei，YU Hua-wei
（China Gas Turbine Establishment，Chengdu 610500，China）

Taking the single-stage transonic fan as the research object,the multi-objective three dimensional aerodynamic optimization design of circumferential stacking was carried out under stage environment based on the methods consisting of blade section parameterization,artificial neural network and genetic algorithm.The results show that under the condition of the mass flow and pressure ratio were unchanged,the adiabatic efficiency increased by 0.88%.The optimized blade with negative curve in the hub and positive curve in the tip effectively improve the flow loss near the hub and the upper middle of the blade.

aero-engine；transonic fan；bow blade；optimization design；genetic algorithm；artificial neural network

V231.3

A

1672-2620（2016）03-0030-05

2015-03-11；

2015-10-14

黃磊（1983-），男，四川射洪人，高級(jí)工程師，碩士，主要從事核心驅(qū)動(dòng)風(fēng)扇氣動(dòng)設(shè)計(jì)研究。