压气机叶片加工偏差的不确定性效应研究进展

doi:10.7527/S1000-6893.2024.30386

航空发动机气动热不确定性专栏

本期目录 | 过刊浏览 | 高级检索

前一篇 |

压气机叶片加工偏差的不确定性效应研究进展

高丽敏¹(), 王浩浩¹, 黄维娜², 罗秋生², 李瑞宇¹, 杨光¹, 但玥¹, 马驰¹, 吴宝海³, 罗佳奇⁴

^1.西北工业大学动力与能源学院，西安 710072
^2.中国航发四川燃气涡轮研究院，成都 610500
^3.西北工业大学机电学院，西安 710072
^4.浙江大学航空航天学院，杭州 310058

收稿日期:2024-03-14 修回日期:2024-04-16 接受日期:2024-04-26 出版日期:2024-05-10 发布日期:2024-05-08
通讯作者: 高丽敏 E-mail:gaolm@nwpu.edu.cn
基金资助:
国家科技重大专项(J2019-II-0016-0037);国家自然科学基金(52175436)

Research progress on uncertainty effect of compressor blade machining deviation

Limin GAO¹(), Haohao WANG¹, Weina HUANG², Qiusheng LUO², Ruiyu LI¹, Guang YANG¹, Yue DAN¹, Chi MA¹, Baohai WU³, Jiaqi LUO⁴

^1.School of Power and Energy，Northwestern Polytechnical University，Xi’an 　710072，China
^2.AECC Sichuan Gas Turbine Establishment，Chengdu 　610500，China
^3.School of Mechanical Engineering，Northwestern Polytechnical University，Xi’an 　710072，China
^4.School of Aeronautics and Astronautics，Zhejiang University，Hangzhou 　310058，China

Received:2024-03-14 Revised:2024-04-16 Accepted:2024-04-26 Online:2024-05-10 Published:2024-05-08
Contact: Limin GAO E-mail:gaolm@nwpu.edu.cn
Supported by:
National Science and Technology Major Project of China(J2019-II-0016-0037);National Natural Science Foundation of China(52175436)

摘要/Abstract

摘要：

压气机叶片的复杂三维构型及薄壁结构导致其加工难度极大，在加工制造过程中叶片几何偏差的不确定性问题十分突出。随着压气机的气动负荷不断攀升、几何尺寸不断缩减，其工作环境及内部流动特征愈加恶劣和复杂。苛刻的工作环境放大了加工偏差的不确定性影响，这导致同批出厂的压气机气动性能分散度大以及服役过程中性能衰减剧烈的问题频发，带来性能不达标甚至故障问题。为此，近年来国内外针对压气机叶片加工偏差的不确定性量化问题已经开展了大量的研究工作。本文从压气机叶片加工偏差的几何建模、概率模型表征、不确定性量化方法及不确定性影响等方面综述了本领域的研究进展，总结了压气机叶片加工偏差不确定性量化面临的关键问题及研究展望。

关键词: 压气机, 叶片, 加工偏差, 不确定性量化, 不确定性效应, 性能分散度

Abstract:

The complex three-dimensional configuration and thin-walled structure of compressor blades lead to great difficulty in their manufacturing， and uncertainty of blade geometric deviation is very prominent in the machining process. As the aerodynamic loading of the compressor continues to rise and the geometric size continues to decrease， its working environment and internal flow characteristics become worse and more complex. The harsh working environment amplifies the influence of machining uncertainty. This leads to the high dispersion of the aerodynamic performance for the same batch of compressors and the frequent occurrence of severe performance degradation in service， resulting in substandard performance and even failure problems. In recent years， a lot of research work has been carried out on uncertainty quantification of compressor blade machining deviation at home and abroad. In this paper， the research progress in this field is reviewed in terms of geometric modeling， probabilistic model characterization， uncertainty quantification method， and uncertainty effect. Finally， the key problems and research prospects of uncertainty quantification on compressor blade machining deviation are summarized.

Key words: compressor, blade, machining deviation, uncertainty quantification, uncertainty effect, performance dispersion

中图分类号:

V231.3

高丽敏, 王浩浩, 黄维娜, 罗秋生, 李瑞宇, 杨光, 但玥, 马驰, 吴宝海, 罗佳奇. 压气机叶片加工偏差的不确定性效应研究进展[J]. 航空学报, 2024, 45(19): 630386.

Limin GAO, Haohao WANG, Weina HUANG, Qiusheng LUO, Ruiyu LI, Guang YANG, Yue DAN, Chi MA, Baohai WU, Jiaqi LUO. Research progress on uncertainty effect of compressor blade machining deviation[J]. Acta Aeronautica et Astronautica Sinica, 2024, 45(19): 630386.

图/表 27

图 1

图 2

图 3

图 4

图 5

图 6

图 7

图 8

图 9

图 10

图 11

表 1

图 12

图 13

图 14

图 15

图 16

图 17

图 18

图 19

图 20

图 21

图 22

图 23

图 24

图 25

图 26

参考文献 122

1	曹传军，刘天一，朱伟，等. 民用大涵道比涡扇发动机高压压气机技术进展［J］. 航空学报， 2023， 44（12）： 1-18.
	CAO C J， LIU T Y， ZHU W， et al. Technology development in high pressure compressor of civil high bypass-ratio turbofan engine［J］. Acta Aeronautica et Astronautica Sinica， 2023， 44（12）： 1-18 （in Chinese）.
2	ROBERTS W B. Axial compressor performance restoration by blade profile control［R］. New York： ASME， 1984.
3	BAMMERT K， SANDSTEDE H. Influences of manufacturing tolerances and surface roughness of blades on the performance of turbines［J］. Journal of Engineering for Power， 1976， 98（1）： 29-36.
4	BAMMERT K， STOBBE H. Results of experiments for determining the influence of blade profile changes and manufacturing tolerances on the efficiency， the enthalpy drop， and the mass flow of multi-stage axial turbines［R］. New York： ASME， 2015.
5	MARSON E. Effect of manufacturing deviations on performance of axial flow compressor blading［R］. New York： ASME， 2015.
6	ROELKE R J， HAAS J E. The effect of rotor blade thickness and surface finish on the performance of a small axial flow turbine［J］. Journal of Engineering for Power， 1983， 105（2）： 377-382.
7	SUDER K L， CHIMA R V， STRAZISAR A J， et al. The effect of adding roughness and thickness to a transonic axial compressor rotor［J］. Journal of Turbomachinery， 1995， 117（4）： 491-505.
8	ROBERTS W B， ARMIN A， KASSASEYA G， et al. The effect of variable chord length on transonic axial rotor performance［J］. Journal of Turbomachinery， 2002， 124（3）： 351-357.
9	WU C Y. Arbitrary surface flank milling and flank SAM in the design and manufacturing of jet engine fan and compressor airfoils［R］. New York： ASME， 2013.
10	张伟昊，邹正平，李维，等. 叶型偏差对涡轮性能影响的非定常数值模拟研究［J］. 航空学报， 2010， 31（11）： 2130-2138.
	ZHANG W H， ZOU Z P， LI W， et al. Unsteady numerical simulation investigation of effect of blade profile deviation on turbine performance［J］. Acta Aeronautica et Astronautica Sinica， 2010， 31（11）： 2130-2138 （in Chinese）.
11	张伟昊，邹正平，刘火星，等. 叶型偏差对整机环境中涡轮性能的影响［J］. 工程热物理学报， 2010， 31（11）： 1830-1834.
	ZHANG W H， ZOU Z P， LIU H X， et al. Effect of profile deviation on turbine performance in whole engine environment［J］. Journal of Engineering Thermophysics， 2010， 31（11）： 1830-1834 （in Chinese）.
12	高丽敏，蔡宇桐，曾瑞慧，等. 叶片加工误差对压气机叶栅气动性能的影响［J］. 推进技术， 2017， 38（3）： 525-531.
	GAO L M， CAI Y T， ZENG R H， et al. Effects of blade machining error on compressor cascade aerodynamic performance［J］. Journal of Propulsion Technology， 2017， 38（3）： 525-531 （in Chinese）.
13	高丽敏，蔡宇桐，郝燕平，等. 加工误差对压气机叶片气动性能影响试验研究［J］. 推进技术， 2017， 38（8）： 1761-1766.
	GAO L M， CAI Y T， HAO Y P， et al. Experimental investigation on aerodynamic performance of compressor blade considering manufacturing error［J］. Journal of Propulsion Technology， 2017， 38（8）： 1761-1766 （in Chinese）.
14	但玥，王浩浩，高丽敏，等. 扭转度误差对跨声速压气机叶片性能的影响［J］. 推进技术， 2023， 44（10）： 84-91.
	DAN Y， WANG H H， GAO L M， et al. Effects of twist angle error on transonic compressor blades performance［J］. Journal of Propulsion Technology， 2023， 44（10）： 84-91 （in Chinese）.
15	高丽敏，杨光，王浩浩，等. 波纹对高亚音叶型气动敏感位置和宽度研究［J］. 工程热物理学报， 2023， 44（1）： 78-85.
	GAO L M， YANG G， WANG H H， et al. Research on the aerodynamic sensitive position and width of waviness on the high subsonic profile［J］. Journal of Engineering Thermophysics， 2023， 44（1）： 78-85 （in Chinese）.
16	高丽敏，杨光，王浩浩，等. 波纹度偏差对高负荷压气机叶型的影响［J］. 西安交通大学学报， 2023， 57（3）： 117-128.
	GAO L M， YANG G， WANG H H， et al. Effect of waviness deviation on the blade profile of the high-load compressor［J］. Journal of Xi’an Jiaotong University， 2023， 57（3）： 117-128 （in Chinese）.
17	李萍. 叶片加工误差及数据传递对压气机气动性能的影响［D］. 西安：西北工业大学， 2015.
	LI P. Influence of blade machining error and data transfer on aerodynamic performance of compressor［D］.Xi’an： Northwestern Polytechnical University， 2015 （in Chinese）.
18	郑似玉，滕金芳，羌晓青. 叶片加工超差对高压压气机性能影响和敏感性分析［J］. 机械工程学报， 2018， 54（2）： 216-224.
	ZHENG S Y， TENG J F， QIANG X Q. Sensitivity analysis of manufacturing variability on high-pressure compressor performance［J］. Journal of Mechanical Engineering， 2018， 54（2）： 216-224 （in Chinese）.
19	庄皓琬，滕金芳，朱铭敏，等. 考虑加工公差的叶片对压气机气动性能的影响［J］. 上海交通大学学报， 2020， 54（9）： 935-942.
	ZHUANG H W， TENG J F， ZHU M M， et al. Impacts of blades considering manufacturing tolerances on aerodynamic performance of compressor［J］. Journal of Shanghai Jiao Tong University， 2020， 54（9）： 935-942 （in Chinese）.
20	刘佳鑫，于贤君，孟德君，等. 高压压气机出口级叶型加工偏差特征及其影响［J］. 航空学报， 2021， 42（2）： 342-358.
	LIU J X， YU X J， MENG D J， et al. State and effect of manufacture deviations of compressor blade in high-pressure compressor outlet stage［J］. Acta Aeronautica et Astronautica Sinica， 2021， 42（2）： 342-358 （in Chinese）.
21	于贤君，李明志，安广丰，等. 高压压气机出口级叶型加工偏差影响的相关性分析［J］. 工程热物理学报， 2022， 43（4）： 929-938.
	YU X J， LI M Z， AN G F， et al. Correlation analysis on the influence of manufacture deviation for the compressor blade airfoils of a high-pressure compressor outlet stage［J］. Journal of Engineering Thermophysics， 2022， 43（4）： 929-938 （in Chinese）.
22	程超，吴宝海，郑海，等. 叶片加工误差对压气机性能的影响［J］. 航空学报， 2020， 41（2）： 23-33.
	CHENG C， WU B H， ZHENG H， et al. Effect of blade machining errors on compressor performance［J］. Acta Aeronautica et Astronautica Sinica， 2020， 41（2）： 23-33 （in Chinese）.
23	JU Y P. A dimension-reduction metamodeling approach to simulation-based uncertainty quantification problems with high dimensionalities［J］. Proceedings of the Institution of Mechanical Engineers， Part C： Journal of Mechanical Engineering Science， 2022， 236（1）： 43-62.
24	耿少娟，张小玉，丁林超，等. 转子叶片加工误差对1.5级跨声速压气机气动性能的影响［J］. 推进技术， 2021， 42（1）： 139-148.
	GENG S J， ZHANG X Y， DING L C， et al. Effects of rotor blade manufacturing variability on 1.5 stage transonic compressor aerodynamic performance［J］. Journal of Propulsion Technology， 2021， 42（1）： 139-148 （in Chinese）.
25	吴东，黄萍，姚若鹏，等. 叶型加工中特殊前缘形状试验研究［J］. 风机技术， 2020， 62（4）： 29-35.
	WU D， HUANG P， YAO R P， et al. Experimental investigation of special leading edge shapes in blade processing［J］. Chinese Journal of Turbomachinery， 2020， 62（4）： 29-35 （in Chinese）.
26	GARZON V E， DARMOFAL D L. Impact of geometric variability on axial compressor performance［J］. Journal of Turbomachinery， 2003， 125（4）： 692-703.
27	GARZON V E. Probabilistic aerothermal design of compressor airfoils［D］. Cambridge： Massachusetts Institute of Technology， 2003.
28	ZANG T A， HEMSCH M J， HILBURGER M W， et al. Needs and opportunities for uncertainty‐based multidisciplinary design methods for aerospace vehicles［R］. Washington， D.C.： NASA， 2002.
29	JONES S R， CARLEY S， HARRISON M. An introduction to power and sample size estimation［J］. Emergency Medicine Journal： EMJ， 2003， 20（5）： 453-458.
30	HIRSCH C， WUNSCH D， SZUMBARSKI J， et al. Uncertainty management for robust industrial design in aeronautics［M］. Cham： Springer， 2019.
31	VISWANATHAN G M， FULCO U L， LYRA M L， et al. The origin of fat-tailed distributions in financial time series［J］. Physica A： Statistical Mechanics and Its Applications， 2003， 329（1-2）： 273-280.
32	MÉTIVIER D， VUFFRAY M， MISRA S. Efficient polynomial chaos expansion for uncertainty quantification in power systems［J］. Electric Power Systems Research， 2020， 189： 106791.
33	GOPINATHRAO N P， BAGSHAW D， MABILAT C， et al. Non-deterministic CFD simulation of a transonic compressor rotor［R］. New York： ASME， 2009.
34	WANG J Y， ZHENG X Q. Review of geometric uncertainty quantification in gas turbines［J］. Journal of Engineering for Gas Turbines and Power， 2020， 142（7）： 070801.
35	GAO L M， MA C， CAI M， et al. Influence of uncertain inflow conditions on a subsonic compressor cascade based on wind tunnel experiment［J］. Proceedings of the Institution of Mechanical Engineers， Part C： Journal of Mechanical Engineering Science， 2022， 236（15）： 8285-8299.
36	HUANG M， LI Z G， LI J， et al. Efficient uncertainty quantification and sensitivity analysis on the aerothermal performance of turbine blade squealer tip［J］. Journal of Turbomachinery， 2022， 144（5）： 051014.
37	PANIZZA A， RUBINO D T， TAPINASSI L. Efficient uncertainty quantification of centrifugal compressor performance using polynomial chaos［R］. New York： ASME， 2014.
38	Contreras J， Crespo J. Quantitative evaluation and optimization of feeding-back previous cycles information for computational fluid dynamics periodic convergence［J］. Journal of Turbomachinery， 2021， 143（10）： 101008.
39	郑新前，王钧莹，黄维娜，等. 航空发动机不确定性设计体系探讨［J］. 航空学报， 2023， 44（7）： 1-18.
	ZHENG X Q， WANG J Y， HUANG W N， et al. Uncertainty-based design system for aeroengines［J］. Acta Aeronautica et Astronautica Sinica， 2023， 44（7）： 1-18 （in Chinese）.
40	蔡宇桐，高丽敏，马驰，等. 基于NIPC的压气机叶片加工误差不确定性分析［J］. 工程热物理学报， 2017， 38（3）： 490-497.
	CAI Y T， GAO L M， MA C， et al. Uncertainty quantification on compressor blade considering manufacturing error based on NIPC method［J］. Journal of Engineering Thermophysics， 2017， 38（3）： 490-497 （in Chinese）.
41	GUO Z T， CHU W L， ZHANG H G， et al. Statistical evaluation of stability margin of a multi-stage compressor with geometric variability using adaptive polynomial chaos-Kriging model［J］. Physics of Fluids， 2023， 35（7）： 076114.
42	WANG X J， ZOU Z P. Uncertainty analysis of impact of geometric variations on turbine blade performance［J］. Energy， 2019， 176： 67-80.
43	LUO J Q， LIU F. Performance impact of manufacturing tolerances for a turbine blade using second order sensitivities［R］. New York： ASME， 2018.
44	JU Y P， LIU Y M， JIANG W， et al. Aerodynamic analysis and design optimization of a centrifugal compressor impeller considering realistic manufacturing uncertainties［J］. Aerospace Science and Technology， 2021， 115： 106787.
45	王林，潘旭，杨锟. 考虑高压涡轮性能非确定的航空发动机鲁棒设计［J］. 航空动力学报， 2024， 39（4）： 294-303.
	WANG L， PAN X， YANG K. Robust optimization in aero-engine design considering uncertainty of high-pressure turbine performance［J］. Journal of Aerospace Power， 2024， 39（4）： 294-303 （in Chinese）.
46	HE X， ZHAO F Z， VAHDATI M. Uncertainty quantification of spalart-allmaras turbulence model coefficients for compressor stall［R］. New York： ASME， 2020.
47	ZHANG Q， XU S R， YU X J， et al. Nonlinear uncertainty quantification of the impact of geometric variability on compressor performance using an adjoint method［J］. Chinese Journal of Aeronautics， 2022， 35（2）： 17-21.
48	中国航空工业总公司. 叶片叶型的标志、公差与叶身表面粗糙度：［S］. 北京：中国航空工业总公司， 1999.
	Aviation Industry Corporation of China， Ltd. Blade profile marking， tolerance and blade surface roughness：［S］. Beijing： Aviation Industry Corporation of China， 1999 （in Chinese）.
49	蔡宇桐. 压气机叶片加工误差影响研究及叶型稳健性设计［D］. 西安：西北工业大学， 2017.
	CAI Y T. Investigation on the aerodynamic performance of compressor blade considering machining error and robust design of airfoil［D］. Xi’an： Northwestern Polytechnical University， 2017 （in Chinese）.
50	高丽敏，王浩浩，杨光，等. 关于叶片前缘加工缺陷及气动合格性的探讨［J］. 推进技术， 2023， 44（1）： 76-85.
	GAO L M， WANG H H， YANG G， et al. Discussion on machining defects of blade leading edge and aerodynamic qualification［J］. Journal of Propulsion Technology， 2023， 44（1）： 76-85 （in Chinese）.
51	LANGE A， VOGELER K， GÜMMER V， et al. Introduction of a parameter based compressor blade model for considering measured geometry uncertainties in numerical simulation［R］. New York： ASME， 2009.
52	JAVED A， PECNIK R， VAN BUIJTENEN J P. Optimization of a centrifugal compressor impeller for robustness to manufacturing uncertainties［J］. Journal of Engineering for Gas Turbines and Power， 2016， 138（11）： 112101.
53	WANG J Y， WANG B T， YANG H L， et al. Compressor geometric uncertainty quantification under conditions from near choke to near stall［J］. Chinese Journal of Aeronautics， 2023， 36（3）： 16-29.
54	LI M Z， YU X J， MENG D J， et al. A new approach for deviation modeling in compressors： Sensitivity-correlated principal component analysis［J］. Aerospace， 2023， 10（5）： 491.
55	SCHNELL R， LENGYEL-KAMPMANN T， NICKE E. On the impact of geometric variability on fan aerodynamic performance， unsteady blade row interaction， and its mechanical characteristics［J］. Journal of Turbomachinery， 2014， 136（9）： 091005.
56	LUO J Q， LIU F. Statistical evaluation of performance impact of manufacturing variability by an adjoint method［J］. Aerospace Science and Technology， 2018， 77： 471-484.
57	颜勇，祝培源，宋立明，等. 基于非平稳高斯过程的叶栅加工误差不确定性量化［J］. 推进技术， 2017， 38（8）： 1767-1775.
	YAN Y， ZHU P Y， SONG L M， et al. Uncertainty quantification of cascade manufacturing error based non-stationary Gaussian process［J］. Journal of Propulsion Technology， 2017， 38（8）： 1767-1775 （in Chinese）.
58	SESHADRI P， SHAHPAR S， CONSTANTINE P， et al. Turbomachinery active subspace performance maps［J］. Journal of Turbomachinery， 2018， 140（4）： 041003.
59	马驰. 不确定性量化方法研究及压气机多源不确定性气动性能预测［D］. 西安：西北工业大学， 2022.
	MA C. Research on uncertainty quantification method and prediction of the aerodynamic performance of compressors caused by multisource uncertainties［D］. Xi’an： Northwestern Polytechnical University， 2022 （in Chinese）.
60	LAMB C M. Probabilistic performance-based geometric tolerancing of compressor blades［D］. Cambridge： Massachusetts Institute of Technology， 2005.
61	DUFFNER J D. The effects of manufacturing variability on turbine vane performance［D］. Cambridge： Massachusetts Institute of Technology， 2008.
62	WUNSCH D， HIRSCH C， NIGRO R， et al. Quantification of combined operational and geometrical uncertainties in turbo-machinery design［R］. New York： ASME， 2015.
63	马驰，高丽敏，李瑞宇，等. 真实运行状态下叶顶间隙尺寸波动对跨声速转子气动性能的影响研究［J］. 推进技术， 2020， 41（9）： 1958-1966.
	MA C， GAO L M， LI R Y， et al. Effects of tip clearance size fluctuation in actual operations on aerodynamic performance of a transonic rotor［J］. Journal of Propulsion Technology， 2020， 41（9）： 1958-1966 （in Chinese）.
64	TANG X Z， WANG Z， XIAO P， et al. Uncertainty quantification based optimization of centrifugal compressor impeller for aerodynamic robustness under stochastic operational conditions［J］. Energy， 2020， 195： 116930.
65	ZHENG S Y， TENG J F， WU Y， et al. Impact of nonuniform stagger angle distribution on high-pressure compressor rotor performance［R］. New York： ASME， 2018.
66	姬田园，楚武利，张振华，等. 叶片厚度偏差对转子性能影响的不确定性分析［J/OL］. 航空动力学，（2023-09-04）［2024-03-12］. .
	JI T Y， CHU W L， ZHANG Z H， et al. Uncertainty analysis of impact of blade thickness deviation on rotor performance‍［J/OL］. Journal of Aerospace Power，（2023-09-04）［2024-03-12］. （in Chinese）.
67	郑似玉，滕金芳，羌晓青. 压气机叶片扭转度加工超差分析与研究［J］. 节能技术， 2017， 35（2）： 99-102， 112.
	ZHENG S Y， TENG J F， QIANG X Q. Numerical research of twisted variability on axial compressor performance［J］. Energy Conservation Technology， 2017， 35（2）： 99-102， 112 （in Chinese）.
68	WANG J Y， YANG H L， ZHOU K， et al. Performance dispersion control of a multistage compressor based on precise identification of critical features［J］. Aerospace Science and Technology， 2022， 129： 107845.
69	LANGE A， VOIGT M， VOGELER K， et al. Probabilistic CFD simulation of a high-pressure compressor stage taking manufacturing variability into account［R］. New York： ASME， 2010.
70	LANGE A， VOIGT M， VOGELER K， et al. Principal component analysis on 3D scanned compressor blades for probabilistic CFD simulation： AIAA-2012-1762［R］. Reston： AIAA， 2012.
71	PANIZZA A， VALENTE R， RUBINO D， et al. Impact of manufacturing variability on the aerodynamic performance of a centrifugal compressor stage with curvilinear blades［R］. New York： ASME， 2016.
72	MA C， GAO L M， WANG H H， et al. Influence of leading edge with real manufacturing error on aerodynamic performance of high subsonic compressor cascades［J］. Chinese Journal of Aeronautics， 2021， 34（6）： 220-232.
73	王浩浩，高丽敏，杨光，等. 一种鲁棒的数据驱动不确定性量化方法及在压气机叶栅中的应用［J］. 航空学报， 2023， 44（17）： 122-134.
	WANG H H， GAO L M， YANG G， et al. Robust data-driven uncertainty quantification method and its application in compressor cascade［J］. Acta Aeronautica et Astronautica Sinica， 2023， 44（17）： 122-134 （in Chinese）.
74	熊芬芬，李泽贤，刘宇，等. 基于数值模拟的工程设计中参数不确定性表征方法研究综述［J］. 航空学报， 2023， 44（22）： 86-117.
	XIONG F F， LI Z X， LIU Y， et al. A review of characterization methods for parameter uncertainty in engineering design based on numerical simulation［J］. Acta Aeronautica et Astronautica Sinica， 2023， 44（22）： 86-117 （in Chinese）.
75	OLADYSHKIN S， CLASS H， HELMIG R， et al. A concept for data-driven uncertainty quantification and its application to carbon dioxide storage in geological formations［J］. Advances in Water Resources， 2011， 34（11）： 1508-1518.
76	AHLFELD R， BELKOUCHI B， MONTOMOLI F. SAMBA： Sparse approximation of moment-based arbitrary polynomial chaos［J］. Journal of Computational Physics， 2016， 320： 1-16.
77	AHLFELD R， MONTOMOLI F. A single formulation for uncertainty propagation in turbomachinery： SAMBA PC［J］. Journal of Turbomachinery， 2017， 139（11）： 111007.
78	WANG H H， GAO L M， WU B H. Critical sample-size analysis for uncertainty aerodynamic evaluation of compressor blades with stagger-angle errors［J］. Aerospace， 2023， 10（12）： 990.
79	NAJM H N. Uncertainty quantification and polynomial chaos techniques in computational fluid dynamics［J］. Annual Review of Fluid Mechanics， 2009， 41： 35-52.
80	LI Z H， MONTOMOLI F， CASARI N， et al. High-dimensional uncertainty quantification of high-pressure turbine vane based on multifidelity deep neural networks［J］. Journal of Turbomachinery， 2023， 145（11）： 111009.
81	JAMESON A. Aerodynamic design via control theory［J］. Journal of Scientific Computing， 1988， 3（3）： 233-260.
82	ZAMBONI G， BANKS G， BATHER S. Gradient-based adjoint and design of experiment CFD methodologies to improve the manufacturability of high pressure turbine blades［R］. New York： ASME， 2016.
83	XIONG J T， YANG J， MCBEAN I， et al. Statistical evaluation of the performance impact of manufacturing variations for steam turbines［R］. New York： ASME， 2016.
84	罗佳奇，朱亚路，刘锋. 基于伴随方法的叶片加工偏差气动灵敏度分析［J］. 工程热物理学报， 2017， 38（3）： 498-503.
	LUO J Q， ZHU Y L， LIU F. Aerodynamic sensitivity analysis for manufacturing variations of a turbine blade by an adjoint method［J］. Journal of Engineering Thermophysics， 2017， 38（3）： 498-503 （in Chinese）.
85	LUO J Q， CHEN Z S， ZHENG Y. A gradient-based method assisted by surrogate model for robust optimization of turbomachinery blades［J］. Chinese Journal of Aeronautics， 2022， 35（10）： 1-7.
86	ZHANG J S， LI L， DONG X， et al. A discrete adjoint framework coupled with adaptive PCE for robust aerodynamic optimization of turbomachinery under flow uncertainty［J］. Aerospace Science and Technology， 2023， 142： 108592.
87	GIEBMANNS A， BACKHAUS J， FREY C， et al. Compressor leading edge sensitivities and analysis with an adjoint flow solver［R］. New York： ASME， 2013.
88	XU S R， ZHANG Q， WANG D X， et al. Uncertainty quantification of compressor map using the Monte Carlo approach accelerated by an adjoint-based nonlinear method［J］. Aerospace， 2023， 10（3）： 280.
89	MOHANAMURALY P， MÜLLER J D. An adjoint-assisted multilevel multifidelity method for uncertainty quantification and its application to turbomachinery manufacturing variability［J］. International Journal for Numerical Methods in Engineering， 2021， 122（9）： 2179-2204.
90	XIA Z H， LUO J Q， LIU F. Performance impact of flow and geometric variations for a turbine blade using an adaptive NIPC method［J］. Aerospace Science and Technology， 2019， 90： 127-139.
91	WIENER N. The homogeneous chaos［J］. American Journal of Mathematics， 1938， 60（4）： 897.
92	XIU D B， KARNIADAKIS G E. The wiener-askey polynomial chaos for stochastic differential equations［J］. SIAM Journal on Scientific Computing， 2002， 24（2）： 619-644.
93	WITTEVEEN J A S， BIJL H. Modeling arbitrary uncertainties using gram-schmidt polynomial chaos： AIAA-2006-0896［R］. Reston： AIAA， 2006.
94	LOEVEN A， BIJL H. The application of the probabilistic collocation method to a transonic axial flow compressor： AIAA-2010-2923［R］. Reston： AIAA， 2010.
95	MONTOMOLI F， CARNEVALE M， D’AMMARO A， et al. Uncertainty quantification in computational fluid dynamics and aircraft engines［M］. Cham： Springer International Publishing， 2015.
96	GHISU T， SHAHPAR S. Toward affordable uncertainty quantification for industrial problems： Part Ⅱ-turbomachinery application［R］. New York： ASME， 2017.
97	WANG X J， DU P C， YAO L C， et al. Uncertainty analysis of measured geometric variations in turbine blades and impact on aerodynamic performance［J］. Chinese Journal of Aeronautics， 2023， 36（6）： 140-160.
98	TAO Z， GUO Z D， SONG L M， et al. Uncertainty quantification of aero-thermal performance of a blade endwall considering slot geometry deviation and mainstream fluctuation［R］. New York： ASME， 2020.
99	GUO Z T， CHU W L， ZHANG H G， et al. Aerodynamic evaluation of cascade flow with actual geometric uncertainties using an adaptive sparse arbitrary polynomial chaos expansion［J］. Physics of Fluids， 2023， 35（3）： 036122.
100	WU X J， ZHANG W W， SONG S F， et al. Sparse grid-based polynomial chaos expansion for aerodynamics of an airfoil with uncertainties［J］. Chinese Journal of Aeronautics， 2018， 31（5）： 997-1011.
101	BÜRKNER P C， KRÖKER I， OLADYSHKIN S， et al. A fully bayesian sparse polynomial chaos expansion approach with joint priors on the coefficients and global selection of terms［J］. Journal of Computational Physics， 2023， 488： 112210.
102	SALEHI S， RAISEE M， CERVANTES M J， et al. Efficient uncertainty quantification of stochastic CFD problems using sparse polynomial chaos and compressed sensing［J］. Computers & Fluids， 2017， 154： 296-321.
103	MOHAMMADI A， SHIMOYAMA K， KARIMI M S， et al. Efficient uncertainty quantification of CFD problems by combination of proper orthogonal decomposition and compressed sensing［J］. Applied Mathematical Modelling， 2021， 94： 187-225.
104	GUO Z T， CHU W L， ZHANG H G. A data-driven non-intrusive polynomial chaos for performance impact of high subsonic compressor cascades with stagger angle and profile errors［J］. Aerospace Science and Technology， 2022， 129： 107802.
105	AHLFELD R， MONTOMOLI F， SCALAS E， et al. Uncertainty quantification for fat-tailed probability distributions in aircraft engine simulations［J］. Journal of Propulsion and Power， 2017， 33（4）： 881-890.
106	OLADYSHKIN S， NOWAK W. Incomplete statistical information limits the utility of high-order polynomial chaos expansions［J］. Reliability Engineering & System Safety， 2018， 169： 137-148.
107	GUO L， LIU Y L， ZHOU T. Data-driven polynomial chaos expansions： A weighted least-square approximation［J］. Journal of Computational Physics， 2019， 381： 129-145.
108	WANG H H， GAO L M， YANG G， et al. A data-driven robust design optimization method and its application in compressor blade［J］. Physics of Fluids， 2023， 35（6）： 066114.
109	WANG H H， GAO L M， YANG G， et al. A data-driven polynomial chaos method for uncertainty quantification of a subsonic compressor cascade with stagger angle errors［J］. Proceedings of the Institution of Mechanical Engineers， Part A： Journal of Power and Energy， 2024， 238（4）： 591-604.
110	GOODHAND M N， MILLER R J， LUNG H W. The impact of geometric variation on compressor two-dimensional incidence range［J］. Journal of Turbomachinery， 2015， 137（2）： 021007.
111	杨冠华，高丽敏，王浩浩，等. 基于NURBS的扩压叶栅非对称前缘设计［J］. 航空动力学报， 2021， 36（3）： 655-663.
	YANG G H， GAO L M， WANG H H， et al. Asymmetric leading edge design of diffusion cascade based on NURBS［J］. Journal of Aerospace Power， 2021， 36（3）： 655-663 （in Chinese）.
112	YANG G， GAO L， MA C， et al. Investigation on aerodynamic robustness of compressor blade with asymmetric leading edge［J］. Journal of Applied Fluid Mechanics， 2024， 17（2）： 337-351.
113	WANG H H， GAO L M， YANG， G， et al. A preconditioner-based data-driven polynomial expansion method： Application to compressor blade with leading edge uncertainty［J］. Journal of Engineering for Gas Turbines and Power， 2024， 146（11）： 111004.
114	SURIYANARAYANAN V， RENDU Q， VAHDATI M， et al. Effect of manufacturing tolerance in flow past a compressor blade［J］. Journal of Turbomachinery， 2022， 144（4）： 041005.
115	LU Y Z， GREEN J， STAPELFELDT S C， et al. Effect of geometric variability on running shape and performance of a transonic fan［J］. Journal of Turbomachinery， 2019， 141（10）： 101012.
116	姬田园，楚武利，张皓光，等. 基于数据驱动的扭转度偏差影响压气机性能的不确定性量化［J/OL］. 航空学报，（2024-01-05），［2024-03-12］. .
	JI T Y， CHU W L， ZHANG H G， et al. Data-driven-based approach for uncertainty quantification of twist deviation affecting compressor performance［J］. Acta Aeronautica et Astronautica Sinica，（2024-01-05），［2024-03-12］. （in Chinese）.
117	高丽敏，蔡宇桐，徐浩亮，等. 压气机叶片加工误差影响不确定分析［J］. 航空动力学报， 2017， 32（9）： 2253-2259.
	GAO L M， CAI Y T， XU H L， et al. Uncertainty analysis of machining error influence of compressor blade［J］. Journal of Aerospace Power， 2017， 32（9）： 2253-2259 （in Chinese）.
118	MARTINELLI M， DUVIGNEAU R. Comparison of second-order derivatives and metamodel-based monte-carlo approaches to estimate statistics for robust design of a transonic wing： AIAA-2008- 2071［R］. Reston： AIAA， 2008.
119	李焦赞，高正红. 多目标进化算法和代理模型技术在气动稳健优化设计中的应用［J］. 空气动力学学报， 2012， 30（1）： 46-51.
	LI J Z， GAO Z H. The application of multi-objective evolutionary algorithm and surrogate model to aerodynamic robust optimization design［J］. Acta Aerodynamica Sinica， 2012， 30（1）： 46-51 （in Chinese）.
120	KAMENIK J， VOUTCHKOV I， TOAL D J J， et al. Robust turbine blade optimization in the face of real geometric variations［J］. Journal of Propulsion and Power， 2018， 34（6）： 1479-1493.
121	LIU Y M， JU Y P， QIN R H， et al. Collaborative robust design optimization of blade geometry and manufacturing tolerance for a transonic centrifugal impeller［J］. Journal of Turbomachinery， 2023， 145（7）： 071001.
122	GAO L M， MA C， CAI Y T. A robust blade design method based on non-intrusive polynomial chaos considering profile error［J］. Journal of Thermal Science， 2019， 28（5）： 875-885.

E-mail：hkxb@buaa.edu.cn

关于我们

期刊社服务

专业学科

封面文章

友情链接

主管单位：中国科学技术协会主办单位：中国航空学会北京航空航天大学

随机变量类型	基函数
正态分布	Hermite
伽马分布	Laguerre
贝塔分布	Jacobi
均匀分布	Legendre

[1]	曹志鹏, 王永明, 赵龙波, 关朝斌, 牛潇, 陈晨. 复合掠弯轴流增压设计技术[J]. 航空学报, 2024, 45(5): 529676-529676.
[2]	吴志渊, 赵林川, 颜格, 胡海峰, 杨志勃, 张文明. 转轴-轮盘-裂纹叶片耦合系统的叶尖振动特性[J]. 航空学报, 2024, 45(4): 628346-628346.
[3]	张超, 曹勇, 赵振强, 张海洋, 孙建波, 王志华, 蔚夺魁. 树脂基复合材料在民用航空发动机中的应用与关键技术研究进展[J]. 航空学报, 2024, 45(2): 28556-028556.
[4]	李天晴, 王维民, 张旭龙, 王树慧, 付振宇. 基于叶尖定时的转子叶片轴向位移辨识方法[J]. 航空学报, 2024, 45(2): 228682-228682.
[5]	姬田园, 楚武利, 张皓光, 郭正涛, 孟德君. 基于数据驱动的扭转度偏差对压气机性能的影响[J]. 航空学报, 2024, 45(19): 629938-629938.
[6]	陶言和, 郭勤涛, 周瑾, 马嘉倩, 李效法. 观测不确定性下变分贝叶斯高效模型修正[J]. 航空学报, 2024, 45(19): 229969-229969.
[7]	黄明, 张垲垣, 李志刚, 李军. 涡轮动叶气膜冷却结构的凹槽状叶顶气热性能不确定性量化[J]. 航空学报, 2024, 45(19): 629979-629979.
[8]	庄皓琬, 曹传军, 王琰, 滕金芳, 朱铭敏, 羌晓青. 基于NIPC的非轴对称安装角不确定性分析[J]. 航空学报, 2024, 45(19): 630145-630145.
[9]	李灿灿, 肖左利, 罗佳奇. 进出口边界压力扰动对多级轴流压气机气动不确定性影响[J]. 航空学报, 2024, 45(19): 630168-630168.
[10]	郭振东, 李豪杰, 宋立明, 张华良, 尹钊. 基于自适应稀疏混沌多项式的鲁棒性优化方法[J]. 航空学报, 2024, 45(19): 630273-630273.
[11]	黄渭清, 李宁, 刘开霖, 付志忠, 纪鹏飞, 张生良, 董立伟, 孙燕涛. 基于MAML-LSTM的服役涡轮叶片损伤状态评估方法[J]. 航空学报, 2024, 45(18): 429547-429547.
[12]	王子维, 范召林, 李彬, 曹杰, 邓亮, 王年华, 江雄. 压气机整机超大规模非定常模拟关键技术[J]. 航空学报, 2024, 45(18): 129865-129865.
[13]	汪松柏, 郝玉扬, 吴亚东, 陈勇, 余华蔚, 杜林. 航空发动机压气机旋转不稳定现象研究进展[J]. 航空学报, 2024, 45(16): 29851-029851.
[14]	李鹏涛, 左洪福, 肖文, 郭泽中, 袁哲恂. 航空发动机叶片损伤及其修复技术研究与展望[J]. 航空学报, 2024, 45(15): 29635-029635.
[15]	董立卓, 张思琪, 张钊, 吴宝海. 机理⁃数据混合驱动的叶片加工变形预测方法[J]. 航空学报, 2024, 45(13): 629037-629037.

压气机叶片加工偏差的不确定性效应研究进展

Research progress on uncertainty effect of compressor blade machining deviation

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 27

参考文献 122

相关文章 15

编辑推荐

Metrics

本文评价