进气道流动中SST湍流模型参数的不确定度量化

doi:10.7527/S1000-6893.2023.29429

临近空间技术

本期目录 | 过刊浏览 | 高级检索

前一篇 | 后一篇

进气道流动中SST湍流模型参数的不确定度量化

张恺玲¹(), 李思怡¹, 段毅¹, 阎超²

^1.中国运载火箭技术研究院空间物理重点实验室，北京　100076
^2.北京航空航天大学航空科学与工程学院，北京　100083

收稿日期:2023-08-10 修回日期:2023-08-14 接受日期:2023-09-06 出版日期:2023-09-25 发布日期:2023-09-21
通讯作者: 张恺玲 E-mail:zhangkailingtt@163.com

Uncertainty quantification of parameters in SST turbulence model for inlet simulation

Kailing ZHANG¹(), Siyi LI¹, Yi DUAN¹, Chao YAN²

^1.Science and Technology on Space Physics Laboratory，China Academy of Launch Vehicle Technology，Beijing 　100076，China
^2.School of Aeronautic Science and Engineering，Beijing University，Beijing 　100083，China

Received:2023-08-10 Revised:2023-08-14 Accepted:2023-09-06 Online:2023-09-25 Published:2023-09-21
Contact: Kailing ZHANG E-mail:zhangkailingtt@163.com

摘要/Abstract

摘要：

进气道作为吸气式高马赫数飞行器的关键部件之一，对于整个推进系统的性能非常重要。在工程应用中对进气道流动进行数值模拟时，RANS（Reynolds Averaged Navier-Stokes）方法仍然起着不可替代的作用。然而，该方法中常用的湍流模型，由于其参数存在较大的不确定性，会影响数值结果的可信度。因此，对常用的SST（Shear Stress Transport）湍流模型参数开展不确定度量化分析，定量评估模型参数不确定性对进气道流动数值模拟的影响。首先，采用SST湍流模型预测进气道起动性能的迟滞环，再分别针对进气道的起动状态和不起动状态，通过非嵌入式混沌多项式（NIPC）方法量化由参数不确定性导致的所关注物理量的不确定度，并通过敏感性分析甄别出导致该不确定度的关键参数。研究结果表明：模型参数的不确定性会导致进气道起动状态下波系结构的预测以及不起动状态下分离区的预测产生较大的不确定性，并进一步导致进气道性能参数产生10%左右的不可忽略的不确定度。通过参数敏感性分析可知，在进气道起动状态，对所关注物理量不确定度贡献较大的关键模型参数为ω方程扩散项系数 $σ ω 1$ ，在不起动状态下，关键模型参数除了 $σ ω 1$ ，还有涡黏性系数表达式中的系数 $a 1$ 。

关键词: 湍流模型, 进气道, 迟滞环, 不确定度量化, 敏感性分析

Abstract:

The inlet， as one of the key components of the air-breathing high Mach number vehicle， is significant to the performance of the whole propulsion system. In the numerically simulated inlet flow for engineering applications， RANS （Reynolds Averaged Navier-Stokes） still plays an irreplaceable role. However， the turbulence model frequently used in RANS would affect the reliability of the numerical results due to its parameter uncertainty. The purpose of this paper is to carry out quantitative analysis on parameter uncertainty in the SST （Shear Stress Transport） turbulence model， and evaluate the influence on the inlet flow. The hysteresis loop of the inlet start performance was firstly predicted by the SST turbulence model， the uncertainty of QoIs （Quantity of Interests） caused by the parameter uncertainty was then quantified by Non-Intrusive Polynomial Chaos （NIPC） method， and the key parameters were identified by the sensitivity analysis for both the start and unstart states of the inlet. The results show that the uncertainty of model parameters leads to a large uncertainty in the prediction results of the shock wave structure for the inlet start state and the separation flow for the inlet unstart state， further resulting in a 10% non-negligible uncertainty of the inlet performance parameters. According to the parameter sensitivity analysis， σ_ω₁ and a₁ are the key model parameters contributing most to the QoIs uncertainty.

Key words: turbulence model, inlet, hysteresis loop, uncertainty quantification, sensitivity analysis

中图分类号:

V211.3

张恺玲, 李思怡, 段毅, 阎超. 进气道流动中SST湍流模型参数的不确定度量化[J]. 航空学报, 2023, 44(S2): 729429-729429.

Kailing ZHANG, Siyi LI, Yi DUAN, Chao YAN. Uncertainty quantification of parameters in SST turbulence model for inlet simulation[J]. Acta Aeronautica et Astronautica Sinica, 2023, 44(S2): 729429-729429.

图/表 15

表 1

SST湍流模型封闭参数和相应的不确定区间

封闭参数	基准值	区间下界	区间上界
$σ ω 1$	0.5	0.3	0.7
$σ ω 2$	0.856	0.7	1.0
$σ k 1$	0.85	0.7	1.0
$σ k 2$	1.0	0.8	1.2
$β 1$	0.075	0.06	0.09
$β 2$	0.082 8	0.07	0.1
$β *$	0.09	0.078 4	0.102 4
$a 1$	0.31	0.31	0.40
$κ$	0.41	0.38	0.42

表 1

图 1

图 2

表 2

网格无关性验证细节

网格编号	G1	G2	G3
网格雷诺数	10	20	30
进气道内网格量	733 $×$ 143	626 $×$ 129	519 $×$ 114

表 2

图 3

图 4

图 5

图 6

表 3

图 7

表 4

表 5

图 8

图 9

表 6

关键模型参数

物理量	关键参数及Sobol值
物理量	起动状态	不起动状态
总压恢复系数	$σ ω 1$ （0.67）	$σ ω 1$ （0.52）
质量流量	$σ ω 1$ （0.66）	$a 1$ （0.35）
轴向力系数	$σ ω 1$ （0.74）	$σ ω 1$ （0.34）
法向力系数	$σ ω 1$ （0.81）	$a 1$ （0.34）

表 6

参考文献 26

1	沈海军，程凯，杨莉. 近空间飞行器［M］. 北京：航空工业出版社， 2012.
	SHEN H J， CHENG K， YANG L. Near space aerocraft［M］. Beijing： Aviation Industry Press， 2012 （in Chinese）.
2	HEISER W， PRATT D， DALEY D， et al. Hypersonic airbreathing propulsion［M］. Reston： AIAA， 1994.
3	梁德旺，袁化成，张晓嘉. 影响高超声速进气道起动能力的因素分析［J］. 宇航学报， 2006， 27（4）： 714-719.
	LIANG D W， YUAN H C， ZHANG X J. Research on the effects of start ability of hypersonic inlet［J］. Journal of Astronautics， 2006， 27（4）： 714-719 （in Chinese）.
4	王翼，范晓樯，何继宏，等. 侧板构型对二维高超声速进气道启动性能的影响［J］. 航空学报， 2010， 31（2）： 217-222.
	WANG Y， FAN X Q， HE J H， et al. Effect of sidewall geometry on starting characteristics of two-dimensional hypersonic inlet［J］. Acta Aeronautica et Astronautica Sinica， 2010， 31（2）： 217-222 （in Chinese）.
5	王卫星，郭荣伟. 高超声速进气道自起动过程中流动非定常特性［J］. 航空学报， 2015， 36（10）： 3263-3274.
	WANG W X， GUO R W. Unsteady flow characteristics of hypersonic inlet during self-starting［J］. Acta Aeronautica et Astronautica Sinica， 2015， 36（10）： 3263-3274 （in Chinese）.
6	LIU H K， YAN C， ZHAO Y T， et al. Active control method for restart performances of hypersonic inlets based on energy addition［J］. Aerospace Science and Technology， 2019， 85： 481-494.
7	DURBIN P A. Some recent developments in turbulence closure modeling［J］. Annual Review of Fluid Mechanics， 2018， 50： 77-103.
8	LAURENCE D. Large eddy simulation of industrial flows？ Closure strategies for turbulent and transitional flows ［M］. Cambridge： Cambridge University Press， 2000.
9	DURAISAMY K， SPALART P， Status RUMSEY C.， emerging ideas and future directions of turbulence modeling research in aeronautics： NASA/TM-2017-219682［R］. Washington， D.C.： NASA， 2017.
10	BUSH R H， CHYCZEWSKI T S， DURAISAMY K， et al. Recommendations for future efforts in RANS modeling and simulation［C］∥ Proceedings of the AIAA Scitech 2019 Forum. Reston： AIAA， 2019.
11	SLOTNICK J， KHODADOUST A， ALONSO J， et al. CFD vision 2030 study： A path to revolutionary computational aerosciences： NASA/CR-2014-218178［R］. Washington， D.C.： NASA， 2014.
12	MENTER F R. Two-equation eddy-viscosity turbulence models for engineering applications［J］. AIAA Journal， 1994， 32（8）： 1598-1605.
13	MATYUSHENKO A A， GARBARUK A V. Adjustment of the k- ω SST turbulence model for prediction of airfoil characteristics near stall［J］. Journal of Physics： Conference Series， 2016， 769： 012082.
14	胡岳，张涛. 分离涡流场数值仿真的参数影响研究［J］. 机械工程学报， 2016， 52（12）： 165-172.
	HU Y， ZHANG T. Research on the effects of numerical simulation parameters of separation vortex flow field［J］. Journal of Mechanical Engineering， 2016， 52（12）： 165-172 （in Chinese）.
15	WIENER N. The homogeneous chaos［J］. American Journal of Mathematics， 1938， 60（4）： 897-936.
16	HOSDER S， WALTERS R， PEREZ R. A non-intrusive polynomial chaos method for uncertainty propagation in CFD simulations［C］∥ Proceedings of the 44th AIAA Aerospace Sciences Meeting and Exhibit. Reston： AIAA， 2006.
17	SCHAEFER J， HOSDER S， WEST T， et al. Uncertainty quantification of turbulence model closure coefficients for transonic wall-bounded flows［J］. AIAA Journal， 2017， 55（1）： 195-213.
18	ERB A， HOSDER S. Analysis and comparison of turbulence model coefficient uncertainty for canonical flow problems［J］. Computers & Fluids， 2021， 227： 105027.
19	ZHANG K L， ZHAO Y T， WANG Q， et al. Uncertainty analysis and calibration of SST turbulence model for free shear layer in cavity-ramp flow［J］. Acta Astronautica， 2022， 192： 168-181.
20	LI J P， ZENG F Z， JIANG Z H， et al. Investigations on turbulence model uncertainty for hypersonic shock-wave/boundary-layer interaction flows［J］. AIAA Journal， 2022， 60（8）： 4509-4522.
21	SCHOUTENS W. Stochastic processes and orthogonal polynomials［M］. New York： Springer， 2000.
22	ZHANG J C， FU S. An efficient approach for quantifying parameter uncertainty in the SST turbulence model［J］. Computers & Fluids， 2019， 181： 173-187.
23	MCKAY M D， BECKMAN R J， CONOVER W J. Comparison of three methods for selecting values of input variables in the analysis of output from a computer code［J］. Technometrics， 1979， 21（2）： 239-245.
24	ZHAO Y T， YAN C， WANG X Y， et al. Uncertainty and sensitivity analysis of SST turbulence model on hypersonic flow heat transfer［J］. International Journal of Heat and Mass Transfer， 2019， 136： 808-820.
25	SOBOL I. Sensitivity estimates for nonlinear mathematical models［J］. Mathematical Modeling and Computational Experiment， 1993， 1（1）： 112-118.
26	LI Z F， GAO W Z， JIANG H L， et al. Unsteady behaviors of a hypersonic inlet caused by throttling in shock tunnel［J］. AIAA Journal， 2013， 51（10）： 2485-2492.

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

位置	物理量	不确定度/%
上壁面	分离点位置	7.51
	峰值1大小	1.35
	峰值2大小	3.27
	峰值3大小	5.78
	再附点位置	5.61
	峰值1位置	4.68
	峰值2位置	2.77
	峰值3位置	2.8
下壁面	峰值1大小	2.36
	峰值2大小	4.59
	峰值3大小	6.65
	峰值1位置	3.19
	峰值2位置	2.14
	峰值3位置	2.95

位置	物理量	不确定度/%
上壁面	分离点位置	24.08
	峰值1大小	6.86
	峰值2大小	15.47
	峰值3大小	11.0
	再附点位置	6.46
	峰值1位置
	峰值2位置	9.38
	峰值3位置	8.99
下壁面	分离点位置	9.87
	峰值1大小	15.99
	峰值2大小	12.9
	峰值3大小	11.82
	再附点位置	7.32
	峰值1位置	4.49
	峰值2位置	10.18
	峰值3位置	8.49

物理量	不确定度/%
物理量	起动状态	不起动状态
总压恢复系数	10.52	8.53
质量流量	1.85	9.72
轴向力系数	9.83	7.13
法向力系数	7.57	2.88

[1]	郑高杰, 何小明, 李东坡, 谭慧俊, 汪昆, 吴祯龙, 王德鹏. 尾部推进无人机双90°偏折进气道/蜗壳耦合流动特性[J]. 航空学报, 2024, 45(4): 128782-128782.
[2]	万冰, 陈军, 白菡尘. 基于等效热力过程的宽域冲压全流道性能设计方法[J]. 航空学报, 2024, 45(4): 128757-128757.
[3]	汪洪波, 曾宇, 熊大鹏, 杨揖心, 孙明波. SST湍流模型的激波与可压缩效应改进[J]. 航空学报, 2024, 45(3): 128694-128694.
[4]	王一凡, 陈浩颖, 张海波. 面向巡航任务的自适应循环发动机进/发匹配[J]. 航空学报, 2024, 45(2): 128637-128637.
[5]	姜乐, 陈以彪, 李炎军, 李贵林, 刘涛. 航空发动机增压式离心通风器流动与分离特性[J]. 航空学报, 2024, 45(2): 128675-128675.
[6]	王旺, 饶彩燕, 徐聪, 李思怡, 段毅, 张健. 激光能量沉积对超声速进气道流动的控制效果[J]. 航空学报, 2023, 44(S2): 729424-729424.
[7]	孙晓哲, 侯东, 杨建忠. 双余度机电作动器力纷争机理及敏感性[J]. 航空学报, 2023, 44(S1): 727661-727661.
[8]	曾宇, 汪洪波, 孙明波, 王超, 刘旭. SST湍流模型改进研究综述[J]. 航空学报, 2023, 44(9): 27411-027411.
[9]	金毅, 孙姝, 郭赟杰, 谭慧俊, 张悦. 超声速可调进气道内流双解现象及其节流特性[J]. 航空学报, 2023, 44(7): 127134-127134.
[10]	王志凯, 陈盛, 范玮. 神经网络宽度对燃烧室排放预测的影响[J]. 航空学报, 2023, 44(5): 126816-126816.
[11]	王晓峰, 屈峰, 付俊杰, 王泽宇, 刘超宇, 白俊强. 基于离散伴随的高超内转式进气道气动优化设计[J]. 航空学报, 2023, 44(19): 128352-128352.
[12]	张振康, 徐万武, 李智严, 叶伟. 钝锥体辐射平衡温度不确定度量化分析[J]. 航空学报, 2023, 44(15): 528673-528673.
[13]	刘锬韬, 李瑞宇, 高丽敏, 赵磊. 基于数据同化的试验数据驱动的叶栅流场预测[J]. 航空学报, 2023, 44(14): 628201-628201.
[14]	陈涛, 徐兴平, 张宏达, 韩省思. 自适应湍流耦合建表燃烧模型的振荡燃烧数值模拟[J]. 航空学报, 2023, 44(14): 628207-628207.
[15]	舒博文, 黄江涛, 高正红, 刘刚, 何成军, 夏露. 二元激波矢量喷管矢量性能敏感性分析[J]. 航空学报, 2023, 44(13): 127831-127831.

进气道流动中SST湍流模型参数的不确定度量化

Uncertainty quantification of parameters in SST turbulence model for inlet simulation

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 15

参考文献 26

相关文章 15

编辑推荐

Metrics

本文评价