Сравнительный анализ влияния моделей турбулентности при численном моделировании экспериментальной ступени центробежного компрессора


Цитировать

Полный текст

Аннотация

Адекватность CFD-модели турбомашины может зависеть от целого ряда факторов: модели турбулентности, качества сеточной модели, граничных условий, настроек решателя, учёта вторичных геометрических факторов и т.д. Целью данной работы является выработка практических рекомендаций при CFD-расчётах центробежных компрессоров на основе валидации модели экспериментальной ступени компрессора NASA High Efficiency Centrifugal Compressor. Приведены результаты исследования сеточной независимости решения, в результате которой определено, что оптимальная сеточная модель ступени центробежного компрессора составляет 3 млн элементов. Произведены расчёты экспериментальной ступени центробежного компрессора при различных моделях турбулентности, а именно SST, k – ε, BSL EARSM и GEKO. Полученные расчётные данные сравнивались с экспериментальными данными NASA по интегральным параметрам (степень повышения давления, расход воздуха, адиабатический КПД), а также по дифференциальным параметрам (распределение статического давления в сечении за лопаточным диффузором). Вычислены затраты машинного времени на CFD-расчёт при применении различных моделей турбулентности. По результатам проведённых исследований были сформулированы рекомендации по применению моделей турбулентности SST, k – ε, BSL EARSM и GEKO для численного моделирования центробежных компрессоров.

Об авторах

В. В. Еременко

Уфимский университет науки и технологий

Автор, ответственный за переписку.
Email: v1ad.eremenko@yandex.ru

инженер Передовой инженерной школы «Моторы будущего»

Россия

А. Е. Михайлов

Уфимский университет науки и технологий

Email: mikhailov.ugatu@gmail.com

кандидат технических наук; старший научный сотрудник 

Россия

А. Б. Михайлова

Уфимский университет науки и технологий

Email: alexandra11112007@yandex.ru

кандидат технических наук; старший научный сотрудник 

Россия

М. О. Горюхин

Уфимский университет науки и технологий

Email: terrorable2@yandex.ru

инженер Передовой инженерной школы «Моторы будущего»

Россия

Д. Г. Красноперов

Уфимский университет науки и технологий

Email: daniil.k1999@mail.com

инженер Передовой инженерной школы «Моторы будущего»

Россия

Список литературы

  1. Боровков А.И., Рябов Ю.А., Кукушкин К.В., Марусева В.М., Кулемин В.Ю. Цифровые двойники и цифровая трансформация предприятий ОПК // Вестник Восточно-сибирской открытой академии. 2019. № 32. www.es.rae.ru/vsoa/206-1150
  2. Боровков А.И., Рябов Ю.А. Цифровые двойники: определение, подходы и методы разработки. Цифровая трансформация экономики и промышленности // Сб. трудов X научно-практической конференции с зарубежным участием «Цифровая трансформация экономики и промышленности» (20-22 июня 2019 г., Санкт-Петербург). СПб.: ПОЛИТЕХ-ПРЕСС, 2019. С. 234-245. doi: 10.18720/IEP/2019.3/25
  3. Штаничев Р.А., Яблоков А.М., Садовский Н.И. Верификации результатов численного моделирования малорасходной ступени центробежного компрессора с экспериментальными данными с помощью программных комплексов Numeca Fine/Turbo и Ansys CFX // Вестник Международной академии холода. 2021. № 3. С. 32-38. doi: 10.17586/1606-4313-2021-20-3-32-38
  4. Шустрова М.Л., Аминев И.М., Байтимиров А.Д. Средства численного моделирования гидродинамических параметров процессов // Вестник Казанского технологического университета. 2014. Т. 17, № 14. С. 221-224.
  5. Снегирёв А.Ю. Высокопроизводительные вычисления в технической физике. Численное моделирование турбулентных течений: учеб. пособие. СПб.: Изд-во Политехнического университета, 2009. 143 с.
  6. Колмогоров А.Н. Уравнения турбулентного движения несжимаемой жидкости // Известия Академии наук СССР. Серия физическая. 1942. Т. 6, № 1-2. С. 56-59.
  7. Wilcox D.C. Multiscale model for turbulent flows // AIAA Journal. 1988. V. 26, Iss. 11. P. 1311-1320. doi: 10.2514/3.10042
  8. Wilcox D. Turbulence modeling for CFD. La Canada, CA: DCW Industries, Inc., 2006. 460 p.
  9. Matas R., Syka T., Hurda L. Experimental investigation and numerical modelling of 3D radial compressor stage and influence of the technological holes on the working characteristics // EPJ Web of Conferences. 2018. V. 180. doi: 10.1051/epjconf/201818002060
  10. Syka T., Matas R., Luňáček O. Numerical and experimental modelling of the radial compressor stage // AIP Conference Proceedings. 2016. V. 1745. doi: 10.1063/1.4953753
  11. Jones W., Launder B. The Prediction of laminarization with a two-equation model of turbulence // International Journal of Heat and Mass Transfer. 1972. V. 15, Iss. 2. P. 301-314. doi: 10.1016/0017-9310(72)90076-2
  12. Menter F.R. Two-equation Eddy-Viscosity turbulence models for engineering applications // AIAA Journal. 1994. V. 32, Iss. 8. P. 1598-1605. doi: 10.2514/3.12149
  13. Menter F.R., Garbaruk A.V., Egorov Y. Explicit algebraic Reynolds stress models for anisotropic wall-bounded flows // Progress in Flight Physics. 2012. V. 3. P. 89-104. doi: 10.1051/eucass/201203089
  14. ANSYS CFX-Solver Theory Guide. Canonsburg, PA, ANSYS Inc., 2018. 370 p.
  15. Morsbach C. Reynolds stress modelling for turbomachinery flow applications. Dissertation. Köln, 2016. 163 p.
  16. Medic G., Sharma O.P., Jongwook J., Hardin L.W., McCormick D.C., Cousins W.T., Van Slooten P.R. High efficiency centrifugal compressor for rotorcraft applications. Technical report no. NASA/CR-2014-218114, 2014. 316 p.
  17. Denton J.D. The calculation of three-dimensional viscous flow through multistage turbomachines // Proceedings of the ASME Turbo Expo (June, 11-14, 1990, Brussels, Belgium). V. 1. doi: 10.1115/90-gt-019
  18. Gooding W.J., Meier M.A., Key N.L. The impact of various modeling decisions on flow field predictions in a centrifugal compressor // Journal of Turbomachinery. 2021. V. 143, Iss. 10. doi: 10.1115/1.4050674
  19. Menter F.R., Lechner R., Matyushenko A. Best practice: RANS turbulence modeling in Ansys CFD. ANSYS, Germany GmbH, 2022. 95 p.
  20. Menter F.R. Turbulence modeling for engineering flows. Ansys, Inc, 2011. 20 p.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

© Вестник Самарского университета. Аэрокосмическая техника, технологии и машиностроение, 2023

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution-ShareAlike 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».