Компутаціяційна флейдна динаміка (CFD) стала незамінним інструментом для інженерів в аерокосмічному, автомобільному та енергетичному секторах. Він дозволяє докладно і аналіз потоку рідини, теплопередачі та хімічні реакції в складних системах, таких як паливні інжектори та камери згоряння. За допомогою CFD на початку проектування інженери можуть прогнозувати продуктивність, визначати проблеми, рефін геометери без часу та витрат фізичних прототипів. Ця стаття розглядається, як CFD використовується для оптимізації інжекторно-камерного дизайну, що призводить до поліпшення ефективності, викидів та довговічності.

Критична роль CFD в інжекторному дизайні

Інжектори відповідають за точно вимірювальні та збуджуюче паливо перед тим як він надходить в камеру згоряння. Їх конструкція безпосередньо впливає на характеристики розпилення, кут обприскування, проникнення та тривалість розриву — що в свою чергу впливає на якість змішування палива, стійкість до запалень та повне згоряння. Моделювання CFD дозволяють інженерам детально проаналізувати ці багатофазні витрати, прогнозування, як рідина палива переламається в краплі і взаємодіє з навколишнім газом.

Сучасні інжекторні геометереї є високо складними, з використанням декількох отворів, поворотних камер або зовні відкриваються пальці. Використання CFD з багатофазними моделями таких як Volume Fluid (VOF) або Eulerian-Lagrangian підходи, інженери можуть оцінити, як зміни дизайну, діаметр свердловини, співвідношення довжини до діаметра, тиск ін'єкцій і форма сопла -alter Spray. Наприклад, збільшення тиску виробляє дрібні краплі, які випаровують швидше, але також може викликати надмірне проникнення і вологу стіну. CFD забезпечує кількісні дані для балансування цих торгових точок.

Ключові фізики, які захоплюються інжекторними моделюваннями, включають:

  • Примари та вторинна атомізація: Моделювання зв’язки та розбиття крапель за допомогою моделей, таких як Келвін-Хелмхолц / Райлліг-Тайлор (KH‐RT) модель розбиття.
  • Кавіаційна та флешка кипіння]: Виявлення пароутворення всередині сопла, що може вплинути на стійкість спреїв.
  • Спір-волокна взаємодія: Симуляторний імпімент, плівковий формування, і бризки на стінах камери.
  • Порада та змішування: Облік тепла та масового перерахування між крапельками та навколишнім повітрям.

Завдяки використанню віртуальних варіантів дизайну інженери можуть досягати більш рівномірних паливно-повітряних сумішей, зменшити кількість кіптяви і негортання вуглеводнів, а також підвищити продуктивність холодного запуску. Зовнішня перевірка від експериментальних даних, таких як лазерне спрей-знімання, забезпечує надійні моделі. Для ретельного огляду методів моделювання спрей, , що забезпечує всебічний огляд Sazhin (2019).

Роль CFD в кобурзі

Утилізація камер в двигунах і газотурбінах є середовищами, де турбулентні відреагуючі витрати взаємодіють з складними геометереями. CFD дозволяє інженерам аналізувати схеми потоку, розподіл температури, коливання тиску і концентрації по всій камері. Цей інсайт є важливим для проектування камер, які сприяють ефективному змішування, стабільних полум'я, і рівномірного теплового виходу, уникаючи гарячих плям і хвиль тиску, які можуть пошкодити компоненти.

Моделювання турбулентності та згоряння

Точне моделювання турбулентних реагуючих потоків вимагає відповідних вибірів моделювання. Інженери зазвичай використовують Рейнольдс-Авергед Navier-Stokes (RANS)] для стаціонарного аналізу або Large Eddy Моделювання (LES)] для своєчасного використання, нестійкі витрати. RANS обчислюється дешевше і адекватно для оптимізації загальної схеми потоку, при цьому LES захоплює перехідні явища, такі як фламинцеве зморшення, вихрові та динамічні моделі згоряння.

Використання цих моделей, інженерів може:

  • Визначте регіони бідного змішування, які призводять до високих викидів.
  • Оптимальна форма камери — поршня чаша, площа квадратної або гребінцевої лайнери — для підвищення турбулентності і пропагації полум'я.
  • Вирок температурних градієнтів, які викликають тепловий стрес і втома.
  • Аналізують нестійкість горіння в нестійкості пісного перемішування гребінець і розвивають демпфери або модифікації геометрії.

Зменшення прототипування та тестування витрат

Одним з найбільших переваг CFD є зменшення витратних фізичних циклів побудови. Модель CFD добре оцінена CFD може на екрані десятки камерних конструкцій в той час, що бере на виробництво і тестувати єдиний апаратний прототип. Це прискорює розвиток, дозволяючи інженерам, щоб вивчити більш інноваційні геометрії, такі як змінні камери коефіцієнта стиснення або багатопалива конфігурація. галузевий випадок дослідження з GE показує, як CFD допомогли перевищення викидів час на більш 40%] в їх останню програму турбопроп розчісника.

Переваги використання CFD в інжекторі та камерному дизайні

  • Поглиблене розуміння поведінки потоку рідини] – Візуалізація векторів швидкості, потоків та рециркуляційних зон розкриває, як зміни геометрії впливають на змішування та теплопередачі.
  • Оптимізована паливна атомізація та змішування] – Fine-tuning inator геометрія та коефіцієнт зв’язку камери призводить до більш однорідних сумішей.
  • Вироблені викиди та підвищення ефективності згоряння – Краще змішування та стабілізація полум’я, нижня соот, NOx, і викиди CO при екстранішу роботу з палива.
  • Витрати на розробку та швидшість пускових робіт – Віртуальний тест замінює дорогі апаратні петлі, що дозволяють проводити струмонебудування.
  • Будь ласкаво просимо перевірити екстремальні умови безпечно] – Симулювати високоточні висвітлення, обмеження худого виду, або порушення згоряння без ризику для персоналу або обладнання.
  • Multiphysics Integration] – Пара CFD з структурним аналізом для прогнозування теплового навантаження та втомлення життя інжекторних рад та камерних стін.
  • Digital twin features] – Використовуйте перевірені моделі CFD для створення моніторів продуктивності в режимі реального часу під час роботи двигуна.

Кейс-програми: реальні світові програми

На прикладі показано, як CFD безпосередньо поліпшило інжектор і камерну продуктивність на практиці.

Високоефективний прямий ін'єкцій (GDI) Двигуни

Автомобільні інженери на великому OEM використовували LES-на основі CFD для реконструкції форми поршня чаші двигуна GDI. Оригінальний дизайн створений паливно-багатих зон біля свічки запалювання, що веде до попереднього запалювання та збивання. Зміцнюючи ряд геометереїв чаші, команда досягла 15% скорочення NOx при підтримці джерела живлення. Оптимізований дизайн введено виробництво без необхідності повного відновлення двигуна, навпаки, вектор кута та профілю чаші були змінені. Детальніше про такі робочі процеси оптимізації можна знайти в технічних папірах SAE, таких як [28FLT:2][-05F2][SA 20F2][-052][SA 20F2[-05F2][SA 20F2][SA 20F2][-05F2][SA 20F2][SA 20F2[SA 20F2][SA 20F2][SA 20F2[SA 20F2][-05F2[SA 20F2][SA 20F2][SA 20F2][SA 20F2][SA 20F2[SA 20F

Інжектори двигуна Rocket

У ракетному пропульсі, дизайн інжектора є критичним для стабільного згоряння і охолодження. Дослідники НАСА використовували CFD з кон’югаційним теплопередачам для оцінки коаксіального гальма для рідкого кисневого / метану двигуна. Моделювання прогнозувало товщину рідкого плівки і тривалість розриву, яка відповідає швидкісній фотографії в 5% точності. Це дозволило команді збільшити швидкість ін'єкцій, підвищуючи ефективність змішування і зниження температури стін камери до 30 К. Остаточний дизайн був польотом-кваліфікований з меншими гарячими випробуваннями, ніж традиційні методи. Див. технічний звіт НАСО NASA /TM2021‐202345[F Деталі]

Виклики та обмеження CFD

Незважаючи на свою потужність, CFD не є заміною для всіх фізичних випробувань. Ключові виклики включають:

  • Комп’ютерна вартість – Високофіделяційні LES або прямий чисельний імітаційний (DNS) згоряння залишається надзвичайно дорогим, часто вимагає тисяч ядер-години на випадок. Інженери повинні мати точність балансу з часом повороту.
  • Модель невизначеності] – Моделі згоряння та згоряння включають спрощення (наприклад, в'язкість, полумлетні припущення), які можуть виявлятися такі явища, як відмирання, загартування або перехідний теплопередача.
  • Вимоги до валіфікації] – моделі CFD повинні бути дійсні проти експериментальних даних для кожного нового інжектора / геометрії чи умов експлуатації. Без належної перевірки результати моделювання можуть бути введеними.
  • Mesh залежностей] – Сітка роздільна здатність сильно впливає на розбиття спреїв і структуру полум'я. Дослідження чутливості сітки є важливим, але додають до навантаження.

З метою продовження розвитку кращих моделей підрідких, більш ефективних розчинників (наприклад, прискорення GPU, адаптивна обробка сітки), а також більш тісна інтеграція з експериментологами.

Майбутні тренди CFD для інжектора та дизайну Chamber

Наступного десятиліття буде бачити кілька трендів, які будуть надалі зміцнювати роль CFD:

  • Machine learning прискорив CFD] – Суррогатні моделі, що навчаються на моделях високої чіткості, можуть прогнозувати поведінку обприскування або згоряння в мілісекундах, що дозволяє оптимізувати та контролювати час.
  • Високоякісна багатомасштабна модель – Моделювання молекулярної динаміки на стінці сопла з контином CFD всередині камери обіцяє захоплення навколонезольових явищ, таких як суперкритична ін'єкція.
  • Digital twins з живим CFD] – Комбіновані дані датчика з зменшеним замовленням CFD моделі дозволяють двигунам самостійно замінювати паливний склад або навколишнього середовища.
  • Незлічене кількісне визначення] – Вбудовані методи для поширення толерантностей у виробничих і експлуатаційних умовах будуть більш надійними конструкціями.
  • Відкритий інструмент зростання ключів – Платформи, як OpenFOAM і SU2 стають більш широко прийняті, зменшуючи витрати ліцензування та дозволяють користуватись індивідуальним розробкою моделі.

Висновок

Computational Fluid Dynamics стала незамінною частиною сучасного інжектора та згоряння камерного розвитку. Надаючи глибокі уявлення про складну фізику атомізації, змішування та згоряння CFD дозволяє інженерам розробляти системи, які ефективніші, очищувальні та надійніші. Хоча проблеми залишаються в обчислювальній вартості та точності моделі, постійне інтеграція високопродуктивних обчислень, розширених фізичних моделей, машинне навчання обіцяє розширити сферу та точність моделювання. Як транспортно-енергетичні галузі, які підштовхують до зниження викидів та високої продуктивності, CFD залишиться кутовим елементом процесу проектування.