基于神经网络的S弯喷管-涡扇发动机多维度仿真

doi:10.7527/S1000-6893.2024.30791

流体力学与飞行力学

本期目录 | 过刊浏览 | 高级检索

基于神经网络的S弯喷管-涡扇发动机多维度仿真

王承熙¹, 周莉¹^,²(), 孙啸林³, 张晓博¹^,², 王占学¹

^1.西北工业大学动力与能源学院，西安 210016
^2.先进航空发动机协同创新中心，北京 100191
^3.中国民用航空飞行学院航空工程学院，广汉 618307

收稿日期:2024-06-04 修回日期:2024-07-25 接受日期:2024-10-15 出版日期:2024-10-30 发布日期:2024-10-29
通讯作者: 周莉 E-mail:zhouli@nwpu.edu.cn
基金资助:
国家自然科学基金(52376032);国家自然科学基金(52076180);陕西省杰出青年科学基金(2021JC-10);国家科技重大专项（J2019-Ⅱ-0015-0036）;航空发动机及燃气轮机基础科学中心项目（P2022-B-I-002-001, P2022-B-Ⅱ-010-001）;中央高校基本科研业务费专项资金(501XTCX2023146001)

Multi-dimensional simulation between serpentine nozzle and turbofan based on neural network

Chengxi WANG¹, Li ZHOU¹^,²(), Xiaolin SUN³, Xiaobo ZHANG¹^,², Zhanxue WANG¹

^1.School of Power and Energy，Northwestern Polytechnical University，Xi’an 210016，China
^2.Collaborative Innovation Center for Advanced Aero-Engine，Beijing 100191，China
^3.College of Aviation Engineering，Civil Aviation Flight University of China，Guanghan 618307，China

Received:2024-06-04 Revised:2024-07-25 Accepted:2024-10-15 Online:2024-10-30 Published:2024-10-29
Contact: Li ZHOU E-mail:zhouli@nwpu.edu.cn
Supported by:
National Natural Science Foundation of China(52376032);Funds for Distinguished Young Scholars of Shaanxi Province(2021JC-10);National Science and Technology Major Project of China （J2019-Ⅱ-0015-0036）;Science Center for Gas Turbine Project （P2022-B-I-002-001,P2022-B-Ⅱ-010-001）;Fundamental Research Funds for the Central Universities(501XTCX2023146001)

摘要/Abstract

摘要：

S弯喷管内部流动复杂，气动性能影响参数多，传统的基于部件的发动机零维模型无法评估S弯喷管对整机产生的气动性能影响。使用反向传播（BP）神经网络建立了S弯喷管高可信度性能预测模型，并将其与涡扇发动机零维模型耦合，研究了基准S弯喷管对发动机速度、高度特性、部件特性的影响，以及在不同几何参数下喷管、发动机性能的差异。结果表明，相比轴对称喷管，装配S弯喷管的发动机性能下降，在海平面静止状态时，S弯喷管使发动机推力减小4.50%，耗油率增大4.75%；其风扇涵道比在海平面最大缩小0.33%，喘振裕度减少；而飞行高度为12 km时，风扇涵道比最大增大0.28%，喘振裕度增大；喷管在不同高度下对混合室内外涵的节流效果的差异导致了上述风扇工作特性变化趋势的不同。喷管长径比从2.2增大至3.0，改善了喷管性能，其推力系数、流量系数分别增大8.0%、4.8%。建立的S弯喷管-发动机多维度耦合模型能够有效地评估装配不同几何参数的S弯喷管后发动机性能、部件特性的变化。

关键词: 维度缩放, S弯喷管, 涡扇发动机, 多维度耦合, 神经网络, 几何参数

Abstract:

The internal flow of the serpentine nozzle is complex， with numerous parameters affecting its aerodynamic performance. Traditional component-based zero-dimensional engine models cannot accurately assess the aerodynamic performance impact of the serpentine nozzle on the overall engine. In this paper， a high-fidelity performance prediction model for serpentine nozzles is established using the back propagation （BP） neural network， and is coupled with a zero-dimensional turbofan engine model. This integrated approach is employed to investigate the influence of the baseline serpentine nozzle on engine speed， altitude characteristics， and component behaviors， as well as the differences in nozzle and engine performance with various geometric parameters. The results indicate that compared to axisymmetric nozzles， the engine equipped with the serpentine nozzle experiences a decline in performance. Specifically， at sea-level static conditions， the engine’s thrust decreases by 4.50%， while the fuel consumption increases by 4.75%； the fan bypass ratio decreases by a maximum of 0.33% at sea level， accompanied by a reduction in surge margin. Conversely， at an altitude of 12 km， the fan bypass ratio increases by a maximum of 0.28%， and the surge margin increases. These variation trends in fan operating characteristics can be attributed to the differences in throttling effects of the serpentine nozzle on the core and bypass of mixing chamber at different altitudes. Additionally， increasing the length-to-diameter ratio of the serpentine nozzle from 2.2 to 3.0 enhances its performance， resulting in an 8.0% increase in thrust coefficient and a 4.8% increase in discharge coefficient. The multi-dimensional coupling model between serpentine nozzle and engine established in this study can effectively evaluate the changes in engine performance and component characteristics following the installation of serpentine nozzles of varying geometric parameters.

Key words: numerical zooming, serpentine nozzle, turbofan engine, multi-dimensional coupling, neural network, geometric parameter

中图分类号:

V231.1

王承熙, 周莉, 孙啸林, 张晓博, 王占学. 基于神经网络的S弯喷管-涡扇发动机多维度仿真[J]. 航空学报, 2025, 46(15): 130791.

Chengxi WANG, Li ZHOU, Xiaolin SUN, Xiaobo ZHANG, Zhanxue WANG. Multi-dimensional simulation between serpentine nozzle and turbofan based on neural network[J]. Acta Aeronautica et Astronautica Sinica, 2025, 46(15): 130791.

图/表 26

图 1

图 2

表 1

表 2

喷管各参数范围

参数	下限	上限
L/D	2.2	3
W/H_n	2	11
A_e/A_i	0.5	0.9
P $c $ /P $b $	0.9	1.1
NPR_c	1.5	4.5
T $c *$ /K	600	1 000
T $b *$ /K	250	500

表 2

图 3

表 3

图 4

图 5

表 4

图 6

图 7

表 5

表 6

图 8

图 9

表 7

图 10

图 11

图 12

图 13

图 14

图 15

图 16

图 17

图 18

图 19

参考文献 28

[1]	刘大响. 航空发动机设计手册：进排气装置［M］. 北京：航空工业出版社， 2002： 276.
	LIU D X. Aeroengine design manual： Inlet and exhaust system ［M］. Beijing： Aviation Industry Press， 2002： 276 （in Chinese）.
[2]	高翔. 飞行器/排气系统红外辐射及电磁散射特性数值研究［D］. 西安：西北工业大学， 2016： 4-6.
	GAO X. Numerical study on infrared radiation and electromagnetic scattering characteristics of aircraft/exhaust system［D］. Xi’an： Northwestern Polytechnical University， 2016： 4-6 （in Chinese）.
[3]	是介，周莉，史经纬，等. 复杂来流条件下设计参数对S弯喷管红外辐射特征影响［J］. 航空学报， 2024， 45（17）： 530082.
	SHI J， ZHOU L， SHI J W， et al. Influence of design parameters on infrared radiation characteristics of serpentine nozzles under complex flow conditions‍［J］. Acta Aeronautica et Astronautica Sinica， 2024， 45（17）： 530082 （in Chinese）.
[4]	GRIDLEY M C， WALKER S H. Inlet and nozzle technology for 21st century fighter aircraft［C］∥ASME 1996 International Gas Turbine and Aeroengine Congress and Exhibition. New York： ASME， 2015.
[5]	MAHULIKAR S P， SONAWANE H R， ARVIND RAO G. Infrared signature studies of aerospace vehicles［J］. Progress in Aerospace Sciences， 2007， 43（7-8）： 218-245.
[6]	STACK C M， GAITONDE D V. Shear layer dynamics in a supersonic rectangular multistream nozzle with an aft-deck［J］. AIAA Journal， 2018， 56（11）： 4348-4360.
[7]	孙啸林. 低可探测S弯喷管设计及性能评估方法研究［D］. 西安：西北工业大学， 2018.
	SUN X L. Study on design and performance evaluation method of low detectable S-bend nozzle［D］. Xi’an： Northwestern Polytechnical University， 2018 （in Chinese）.
[8]	孟钰博，史经纬，周莉，等. 异型喷口的多维偏转S弯喷管设计方法［J］. 航空学报， 2024， 45（8）： 128930.
	MENG Y B， SHI J W， ZHOU L， et al. Design method for multi-dimensional deflected serpentine nozzle with abnormal exit［J］. Acta Aeronautica et Astronautica Sinica， 2024， 45（8）： 128930 （in Chinese）.
[9]	王明新，周莉，史经纬，等. S弯收扩喷管过膨胀状态下流动分离特性研究［J］. 推进技术， 2024， 45（9）： 76-87.
	WANG M X， ZHOU L， SHI J W， et al. Flow separation characteristics of S-shaped convergent-divergent nozzle under overexpanded condition［J］. Journal of Propulsion Technology， 2024， 45（9）： 76-87 （in Chinese）.
[10]	周莉，孟钰博，王占学. S弯收扩喷管流动特性数值研究［J］. 推进技术， 2021， 42（1）： 103-113， 2.
	ZHOU L， MENG Y B， WANG Z X. Numerical study on flow characteristics of serpentine convergent-divergent nozzle［J］. Journal of Propulsion Technology， 2021， 42（1）： 103-113， 2 （in Chinese）.
[11]	MENG Y B， SHI J W， ZHOU L， et al. Numerical investigation on flow characteristics of multi-stream supersonic nozzle with serpentine configuration［J］. Aerospace Science and Technology， 2024， 144： 108799.
[12]	李秋琳，周莉，孙鹏，等. 出口宽高比对S弯喷管流固耦合特性影响［J］. 航空学报， 2023， 44（14）： 628204.
	LI Q L， ZHOU L， SUN P， et al. Influence mechanism of aspect ratio on fluid-structure interaction characteristics of serpentine nozzle［J］. Acta Aeronautica et Astronautica Sinica， 2023， 44（14）： 628204 （in Chinese）.
[13]	HUI Z H， SHI J W， ZHOU L， et al. Experimental investigation on the effects of complex pressure gradients on the film cooling effectiveness of a serpentine nozzle［J］. Applied Thermal Engineering， 2024， 254： 123894.
[14]	CLAUS R， LAVELLE T， TOWNSEND S， et al. Variable fidelity analysis of complete engine systems［C］∥43rd AIAA/ASME/SAE/ASEE Joint Propulsion Conference & Exhibit. Reston： AIAA， 2007.
[15]	EVANS A， FOLLEN G， NAIMAN C， et al. Numerical propulsion system simulation’s national cycle program［C］∥34th AIAA/ASME/SAE/ASEE Joint Propulsion Conference and Exhibit. Reston： AIAA， 1998.
[16]	NICHOLS L， CHAMIS C. Numerical propulsion system simulation-An interdisciplinary approach［C］∥Conference on Advanced SEI Technologies. Reston： AIAA， 1991.
[17]	CLAUS R W， EVANS A L， LYLTE J K， et al. Numerical propulsion system simulation［J］. Computing Systems in Engineering， 1991， 2（4）： 357-364.
[18]	LYTEL J， FOLLEN G， NAIMAN C， et al. 2001 numerical propulsion system simulation review： NASA/TM-2002-211197‍［R］. Washington， D.‍ C.： NASA， 2002.
[19]	REITENBACH S， SCHNÖS M， BECKER R G， et al. Optimization of compressor variable geometry settings using multi-fidelity simulation［C］∥ASME Turbo Expo 2015： Turbine Technical Conference and Exposition. New York： ASME， 2015， doi：10.1115/GT2015-42832 .
[20]	FOLLEN G， AUBUCHON M. Numerical zooming between a NPSS engine system simulation and a one-dimensional high compressor analysis code： NASA/TM-2000-209913［R］. Washington， D. C.： NASA， 2020.
[21]	宋甫，周莉，王占学，等. 部件三维仿真模型与发动机循环参数分析的耦合方法研究［J］. 推进技术， 2022， 43（7）： 80-87.
	SONG F， ZHOU L， WANG Z X， et al. Coupling method between three-dimensional component simulation model and aero-engine cycle parameter analysis［J］. Journal of Propulsion Technology， 2022， 43（7）： 80-87 （in Chinese）.
[22]	XU Y B， YAN C， PIAO Y. Analysis of discrepancies between 3-D coupled and uncoupled schemes based on CFD in full engine simulation［J］. Aerospace Science and Technology， 2022， 131： 107978.
[23]	SONG F， ZHOU L， WANG Z X， et al. Integration of high-fidelity model of forward variable area bypass injector into zero-dimensional variable cycle engine model［J］. Chinese Journal of Aeronautics， 2021， 34（8）： 1-15.
[24]	许哲文，唐海龙，陈敏，等. 基于混合维度仿真的自适应循环发动机引射喷管安装性能研究［J］. 推进技术， 2023， 44（9）： 20-34.
	XU Z W， TANG H L， CHEN M， et al. Installed performance of adaptive cycle engine ejector nozzle based on multi-fidelity simulation［J］. Journal of Propulsion Technology， 2023， 44（9）： 20-34 （in Chinese）.
[25]	CONNOLLY J W， FRIEDLANDER D J， KOPASAKIS G. Computational fluid dynamics modeling of a supersonic nozzle and integration into a variable cycle engine model［C］∥50th AIAA/ASME/SAE/ASEE Joint Propulsion Conference. Reston： AIAA， 2014： 3687.
[26]	陈玉春，黄兴，高本兵，等. 发动机总体与尾喷管三维并行设计研究［J］. 航空动力学报， 2007， 22（10）： 1695-1699.
	CHEN Y C， HUANG X， GAO B B， et al. Parallel design of turbo engine and three-dimensional nozzle［J］. Journal of Aerospace Power， 2007， 22（10）： 1695-1699 （in Chinese）.
[27]	亚历山大·I . J. 福瑞斯特，安德瑞斯·索比斯特，安迪·J . 肯尼. 基于代理模型的工程设计：实用指南［M］. 韩忠华，张科施，译. 北京：航空工业出版社， 2018： 17-26.
	ALEXANDER I J F， ANDRÁS S， ANDY J K. Engineering design via surrogate modelling［M］. HAN Z H， ZHANG K S， translated.Beijing： Aviation Industry Press， 2018： 17-26 （in Chinese）.
[28]	周红. 变循环发动机特性分析及其与飞机一体化设计研究［D］. 西安：西北工业大学， 2016： 42-44.
	ZHOU H. Characteristic analysis of variable cycle engine and its integrated design with aircraft［D］. Xi’an： Northwestern Polytechnical University， 2016： 42-44 （in Chinese）.

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

参数所属部件	参数名称	参数符号
混合室	长度	L_M
	外涵直径	D_b
	内涵直径	D_c
喷管	进口直径	D
	总长度	L
	出口宽度	W
	出口高度	H_n
	进口面积	A_i
	出口面积	A_e
	长径比	L/D
	出口宽高比	W/H_n
	出进口面积比	A_e/A_i

边界名称	边界类型
混合室外涵进口	压力进口
混合室内涵进口	压力进口
混合室-喷管交界面	interface
混合室壁面	绝热无滑移壁面
喷管壁面	绝热无滑移壁面
喷管-远场交界面	interface
远场进口	压力进口
远场边界	开放边界（Opening）
远场出口	压力出口

网格数量/10⁴	推力系数	流量系数
相对误差/%	0.06	0.05
630	0.977 213	0.983 522
870	0.977 776	0.983 996

设计参数	数值
飞行高度/km	0
飞行马赫数	0
风扇压比	1.81
涵道比	2.01
压气机压比	4.36
涡轮前总温/K	1 255.00

部件	迭代变量	残差变量
风扇	涵道比、β	质量流量
高压压气机	β	质量流量
燃烧室	出口总温T_t4	质量流量
高压涡轮	β	质量流量
低压涡轮	β	质量流量
混合室		静压
喷管		质量流量
低压轴	转速	功率
高压轴	转速	功率

基于神经网络的S弯喷管-涡扇发动机多维度仿真

Multi-dimensional simulation between serpentine nozzle and turbofan based on neural network

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 26

参考文献 28

相关文章 15

编辑推荐

Metrics

本文评价

结果	F/F_0，e	G_sfc/G_sfc0，e	P_t3/P_t3，0，e
相对误差/%	0.357 3	0.348 7	0.508 6
实验数据	0.951 62	1.043 83	0.994 97
模型计算	0.955 02	1.047 47	1.000 03

[1]	陈海鹏, 符文星, 闫杰. 基于AGABP神经网络的运载火箭推力偏移损失故障在线诊断[J]. 航空学报, 2025, 46(8): 231148-231148.
[2]	陈谋, 黄正国, 申耀华, 刘凡. 先进飞行器复合抗干扰控制技术综述[J]. 航空学报, 2025, 46(6): 531303-531303.
[3]	杨智春, 杨特. 动载荷识别物理嵌入式神经网络模型与方法[J]. 航空学报, 2025, 46(5): 531450-531450.
[4]	赵辰豪, 吴德伟, 何晶, 吴倩. 一种无人机视觉位姿估计的语义特征匹配算法[J]. 航空学报, 2025, 46(2): 330406-330406.
[5]	陈伟, 李璐璐, 陈董, 张少辉, 李亚飞, 王可, 靳远远, 徐明亮. 差异化保障需求驱动的舰载机多机协同决策方法[J]. 航空学报, 2025, 46(13): 531274-531274.
[6]	闫明, 王家兴, 李贺琦, 刘凯. 基于离线网络/在线辨识的舰载机自抗扰控制[J]. 航空学报, 2025, 46(13): 531317-531317.
[7]	袁思思, 牛序铭, 孙志刚, 宋迎东. 考虑性能退化的载荷谱修正方法[J]. 航空学报, 2025, 46(12): 231312-231312.
[8]	孟钰博, 史经纬, 周莉, 张诣, 王占学. 异型喷口的多维偏转S弯喷管设计方法[J]. 航空学报, 2024, 45(8): 128930-128930.
[9]	马菲, 张琼, 赖培军, 岳一笛. 基于BP神经网络的试飞训练安全性量化模型[J]. 航空学报, 2024, 45(5): 529957-529957.
[10]	倪育德, 闫苗玉, 刘瑞华. 基于DOA-BP神经网络的电离层TEC短期预测[J]. 航空学报, 2024, 45(4): 328707-328707.
[11]	葛佳昊, 向锦武, 李道春. 基于组合NARX神经网络的非平稳含噪混沌时间序列在线预测[J]. 航空学报, 2024, 45(21): 330128-330128.
[12]	李俊燊, 孟祥彦, 石暖暖, 李伟, 祝宁华, 李明. 光学神经网络智能处理：技术演变与未来展望[J]. 航空学报, 2024, 45(20): 630439-630439.
[13]	陈勇刚, 刘康妮, 王帅. 基于BiGRU⁃Attention改进的航空设备故障知识图谱构建[J]. 航空学报, 2024, 45(18): 229916-229916.
[14]	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.
[15]	是介, 周莉, 史经纬, 王占学. 复杂来流条件下设计参数对S弯喷管红外辐射特征影响[J]. 航空学报, 2024, 45(17): 530082-530082.