面向气体涡轮应用的基于数据驱动的过渡模型准确性提升
流体动力学
2024-09-13 v1
摘要
分离流过渡是气体涡轮中尤其是低压涡轮（LPT）中的一个热门现象。低保真仿真常用于气体涡轮设计，但无法准确预测分离流过渡。为提高LPT的分离流过渡预测，需显著修改用于过渡预测的经验关系。为此，我们采用基于计算流体动力学驱动的基因表达编程方法来检验大量函数形式。这些函数形式基于分离起始点、过渡起始点、分离气泡长度、壁面剪切应力和压力系数等多目标算法进行多表达式优化。经过 177 代后的模型显示在上述参数方面显著优于基线结果。所有开发的模型在壁面剪切应力预测方面均比基线层流动能模型提高了 40-70%。该方法在多个几何形状和运行条件下提高气体涡轮的边界层过渡预测方面具有巨大潜力。
引用
@article{arxiv.2409.07803,
title = {Enhancing Accuracy of Transition Models for Gas Turbine Applications Through Data-Driven Approaches},
author = {Harshal D. Akolekar},
journal= {arXiv preprint arXiv:2409.07803},
year = {2024}
}