高压涡轮转子篦齿间隙对涡轮盘温度场影响的多场耦合分析研究

来源 :北京交通大学 | 被引量 : 0次 | 上传用户:yd2846996
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
航空发动机高压涡轮盘腔系统的篦齿封严结构有调节各腔室冷却空气流量、防止燃气进入盘腔而对涡轮盘结构寿命造成影响等多个作用。篦齿封严结构在发动机工作过程中,会由于热应力和结构应力的共同作用而发生较大变形,其封严间隙也会随之改变,封严间隙发生改变时又会反过来对盘腔内部的流场以及温度场造成影响。本文以某航空发动机的高压涡轮盘腔系统的简化模型为例,采用以ANSYS Workbench为平台的单、双向热流固耦合仿真分析方法,探究篦齿间隙变化规律以及间隙变化对盘腔系统温度场的影响规律。结合CFX模块和Static Structural模块建立高压涡轮转子盘腔系统单向热流固耦合分析模型进行典型工况下盘腔系统热流固多场耦合研究。单向热流固耦合分析并不能反应发动机完整运行工况下篦齿间隙的变化规律且不能反应间隙变化对盘腔温度场的影响规律,所以结合CFX模块和Transient Structural模块建立发动机双向热流固耦合分析模型。利用双向热流固耦合分析得到了发动机瞬态完整历程下篦齿间隙的变化规律,同时得到了篦齿间隙变化对盘腔系统流场温度场的影响规律以及对涡轮盘固体结构温度场、应力应变场的影响规律。通过单、双向热流固耦合仿真分析方法,分别得到了篦齿间隙在不同转速及瞬态完整历程下的间隙变化规律。分析发现,当发动机转速增加时,间隙变化减小,其变化量最大可达原间隙值的5倍。在发动机瞬态完整历程下,篦齿间隙先减小后增加,且不同时期其变化速度不同。同时,在发动机典型工况下,单向耦合分析结果可以用来快速预测盘腔篦齿结构间隙变化。同时针对篦齿间隙变化对盘腔流场、温度场以及涡轮盘温度场、应力变形场的影响规律采取两种多场耦合分析方法进行了研究。研究发现,当篦齿间隙不断减小时对盘腔流场、温度场影响较大。当篦齿结构发生变形干涉后,对盘腔流场、温度场几乎无影响。除此之外,结果表明,两种耦合方法在涡轮盘温度场、应力场分析中由于固体瞬态导热影响差别较大,但在涡轮盘整体变形以及变形分布上相差结果较小。
其他文献
飞机穿过由过冷水滴组成的云层时航空发动机进气位置可能发生积冰现象,这些区域的积冰会限制流进航空发动机的气体流量,从而导致发动机性能下降或积冰脱落引起发动机故障。进口支板是航空发动机进气部件之一,容易产生积冰现象。本文针对典型航空发动机进口支板结构,应用CFD流-固耦合传热仿真技术,对热气防冰条件下支板的温度场特性开展数值模拟研究,为航空发动机进口支板热气防冰内部结构的设计改进提供支撑。首先,针对典
光纤传感技术正一日千里地向前发展,其中,基于布里渊散射的分布式光纤传感系统在管道监测、国防和结构健康检测领域日益受到重视,并被应用于国民经济和国防工业。随着分布式光纤传感的距离增长,空间分辨率增加,传感信息也指数化增长,传统的数据处理方法无法满足传感系统的实时性要求。如何高效、准确地获取分布式光纤传感信息是其中的关键,近年来基于机器学习、神经网络的方案成为研究热点,本文研究正是在此基础上展开,主要
飞行器的安全运行是确保航天事业的发展和进步的基础。然而飞行器飞行过程中,由于与空气中的冰晶粒子碰撞,发动机燃料燃烧等原因,其表面会积累静电荷,当表面静电荷积累到一定程度,且产生的场强达到周围介质的击穿阈值场强时,发生静电放电。静电放电可以直接在飞行器表面上产生高的感应电势,也会以辐射的形式通过孔缝耦合到飞行器内,影响飞行器的安全运行。因此研究飞行器的充放电机理对评估静电对飞行器的威胁并做出相应的电
学位
随着计算机网络的发展,各领域信息化的趋势也在不断加强,在进行文字写作时我们可以更加轻易地检索到用于参考的信息。但同时,防止文书写作时的抄袭现象也是十分必要的。目前,高等学校对于学术不端的重视程度日益提高,对论文、作业的查重需求也与日俱增,然而目前已有的查重系统大都只能提供基于文献数据库的查重,对于学校的内部数据查重尚没有非常成熟的解决方案。校内查重系统的开发可以补齐学校内部数据查重的短板,让更多人
"四边形的内角和"是人教版四年级下册第五单元的教学内容,在此之前学生已经认识了常见的四边形、探究了三角形的内角和,具备了一定的空间观念和逻辑推理能力。本节课旨在迁移运用三角形的内角和的探究经验,实践探索四边形的内角和的规律,进一步延伸探究多边形的内角和的规律。教学中要引领学生经历观察、思考、推理、归纳的过程,深刻体会转化思想的应用,进一步发展空间观念,培养探究能力和逻辑推理能力,促进深度学习
期刊
随着计算机技术、控制技术和通信技术的快速发展,网络控制系统(Networked Control System,NCS)逐渐成为控制领域的研究热点。NCS具有系统布线成本低,系统可扩展性较强,信息共享方便,以及拥有便于远程控制、维护及诊断等优点。但通信网络的引入为NCS带来便利的同时,也将自身的问题带入到网络控制系统中,如丢包、时延、数据包乱序等不利的网络诱导因素,同时也将面临着网络攻击对于网络控制
压缩感知(Compressed Sensing,CS)能在获取到的图像信号样本数稀少的情况下生成高质量图像,对于解决由于数据量少而又需要成像质量的问题大有助益。目前,基于深度学习的压缩感知重建算法采用分块压缩感知思想降低网络复杂度,但由于重建图像存在块状效应而导致重建质量下降。此外,在需要多个不同采样率重建图像的情况下,现有深度学习方法应用于图像压缩感知还需单独训练不同的模型,过多的模型将消耗更多
学位
在图论的实际应用中,随着复杂性系统的增加,经常会遇到不确定因素,如不精确的专家数据模型。继概率论与测度论后,Liu在2007年创立了不确定理论[1],在2010年将不确定论应用到网络中,2010年,Han和Peng[2]研究了不确定网络上的最大流问题,2011年,Peng和Li[3]在最小生成树问题上建立了不确定模型,2012年,Zhang和Peng[4]在不确定网络上研究了邮递员问题。随着不确定