دانلود ترجمه مقاله مقایسه RANS و LES در کمپرسور محوری با جریان آشفته بی ثبات – مجله الزویر

فهرست مطالب:

 چکیده
۱ مقدمه
۲ ترکیب تجربی
۳ ابزار و روش ها
۳ ۱ معادلات کنترل
۳ ۲ حلال جریان و پارامترهای عددی
۳ ۳ وضعیت های مرزی
۳ ۴ شبکه و زمان
۳ ۵ تخمین هزینه ی محاسبه
۴ تاثیر تراکم شبکه بر روی محاسبات LES
۵ تاثیر شبیه سازی تلاطم بر روی محاسبات URANS
۶ مقایسه با داده های تجربی
۷ نتیجه گیری

بخشی از ترجمه:

۷٫ نتیجه گیری
این مقاله پژوهش های انجام شده برای شبیه سازی جریان متلاطم در کمپروسور در عدد رینولد که مربوط به کابردهای صنعتی می باشد را بررسی میکند. دو روش عددی مورد بررسی قرار گرفتند: URANS و LES. نسبت هزینه ی شبیه سازی در دوره های ساعات CPU، بین URANS و LES بر روی شبکه معادل ۵۰۰ است.
توجه و دقت ویژه ای بر روی تضمین ضوابط آکادمیک توصیه شده برای جریانات بکار گرفته شد. با این وجود، مطالعه ی حساسیت شبکه در این مقاله نتوانست این ضوابط را تایید کند که احتمالا به اندازه ی کافی برای هندسه های پیچیده و جریانات محدود کننده نمی باشند. بدین ترتیب پژوهش های بیشتری در این حوزه مورد نیاز هستند. نتایج همچنین نشان می دهند که انتقال در روتور در میانه ی دهانه اتفاق می افتد که در تعامل با فرضیه ی لایه های فرضی کاملا متلاطم می باشد و اغلب در این اعداد رینولد بکار گرفته می شود. در وضعیت های عملکرد نامی، تاثیر انتقال بر روی عملکرد به ۲ درصد می رسد.
مقایسه ی مقیاس ها نشان می دهند که هر دوی URANS و LES به درستی کمیت های زمانی را در دهانه ی میانی تخمین می زنند. این مطالعه عنوان می کند که LES بهتر از URANS جریان ناپایدار را پیش بینی می کند. با این وجود، LES پیش بینی و محاسبه ی میانگین عملکرد را در بهبود می بخشد که این در قیاس با URANS می باشد.
نتیجه ی این مقاله این است که LES پاندورا را باز می کند: در حالی که دارای پتانسیل کافی برای بهبود کیفیت محاسبات عددی برای جریانات می باشد، در قبال جزئیات بیشتر از URANS حساسیت نشان می دهد. در حقیقت، پژوهش های بیشتری نیاز هستند تا دقت LES را بهبود بخشند و این امر توسط بررسی نقش تاثیرات هندسی و وضعیت مرزی صورت می پذیرد. دانش وضعیت های مرزی نیاز به پژوهش در سبک های ترکیبی با افرادی که آزمایشات را انجام می دهند دارد.

بخشی از مقاله انگلیسی:

۱٫ Introduction The design of efficient gas turbines requires a better prediction of the components performance and understanding of unsteady flows. Among all components, the compressor remains a critical part of a gas turbine, especially regarding its efficiency and stability. Due to the adverse pressure gradient, the flow in this component is unstable by nature and complex flow instabilities such as surge or rotating stall can occur [10], potentially leading to mechanical failure. In that context, maximizing the efficiency of compressors is particularly complex. First, overall performance is largely impacted by the matching conditions between the successive rotor and stator rows (‘‘time-averaged’’ flow effects). For instance, rotor tip clearance variations and end-wall flows affect both efficiency [12] and aerodynamic stability [9,26]. Then, relative motions between fixed and rotating parts induce periodic unsteady flows that also modify overall performance, aerodynamic stability and the development of secondary flows [2,3]. The improvement of the compressor robustness and performance (for example by using control devices in the tip leakage region [24]) requires thus a better understanding of the flow physics that takes place in these systems. Complementary to experimental investigations, the numerical simulation of flows, commonly referred to as Computational Fluid Dynamics (CFD), is a very promising way to investigate flows at real operating conditions. However it is still a challenge for CFD to predict the flow in industrial compressors. Such high Reynolds number flows imply a large range of turbulent flow scales that can not be properly resolved at the same time with current computing means, meaning turbulence modelling is necessary. On the one hand, the Reynolds Averaged Navier–Stokes (RANS) formalism, which proposes to model all turbulent scales, is the most common and mature method. The unsteady RANS (URANS) approach is a natural extension of the RANS formalism to address unsteady flows, including non-periodic flows such as aerodynamic instabilities [25,21]. On the other hand, LES introduces the notion of scale separation by explicitly or implicitly spatially filtering the large unsteady flow motions from the small more universal turbulent flow scales. LES appears as a promising method to reduce the level of modelling and increase the reliability of CFD predictions [45,42]. This is reflected by the numerous recent works dealing with LES applied to a wide range of turbomachinery problems, such as off-design operating conditions [23,33], secondary flows [53,6], heat transfer [13,54,5,18] and aero-acoustics [22]. However, http://dx.doi.org/10.1016/j.compfluid.2014.09.052 0045-7930/ 2014 Elsevier Ltd. All rights reserved. ⇑ Address: ISAE, 10 av. Edouard Belin, 31400 Toulouse, France. Tel.: +33 561339255. E-mail address: Nicolas.Gourdain@isae.fr Computers & Fluids 106 (2015) 119–۱۲۹ Contents lists available at ScienceDirect Computers & Fluids journal homepage: www.elsevier.com/locate/compfluid most works reported in the literature only deal with isolated rotor or stator geometries. Among the few works dealing with rotor/stator configurations [39,33,22,44], most of them consider modified designs (blade rescaling, quasi-3D assumptions, etc.) or unresolved boundary layers (wall law approach, etc.) to reduce the computational cost. At this time, and except seldom works [50,51], there is also a lack of recommendations about numerical methods and mesh requirements to apply LES to turbomachinery. This paper presents the numerical methods, based on unsteady RANS and LES formalisms, to predict the unsteady turbulent flow in an axial compressor stage. For both approaches, the geometry takes into account for the whole 3D flow (including rotor tip clearance) and the real ratio between the number of rotor blades and stator vanes. This paper is organized in four sections. In the first section, the compressor test case is presented along with the CFD code. The computational domain and set of boundary conditions are detailed as well as the computational cost related to URANS and LES. The second section focuses on the evaluation of the sensitivity of LES results to the grid density, through the comparison of boundary layer profiles and production of turbulent kinetic energy with three different grids. In the third section, the influence of turbulence and transition modelling is evaluated on the URANS predictions. Last, a comparison between LES and URANS results is done with experimental measurements, with a particular emphasis on the dataset at nominal operating conditions. 2. Experimental configuration The test case is the CME2 compressor, originally investigated at the LEMFI laboratory [14,36] and now located at the Fluid Mechanics Institute of Lille (France). This axial compressor is designed by SNECMA to provide representative unsteady rotor–stator interactions encountered in modern high-pressure compressors. Fig. 1 shows a view of the compressor and the dashed box pointed out the simulated part of the machine. Four struts are also located upstream the compressor at the entrance of the inlet duct. The outer tip radius is 0.275 m and the tip clearance represents 0.8% of the rotor span. Table 1 gives some information about the geometry of the compressor. The nominal rotation speed is 6; 330 14 rpm, which corresponds to a relative Mach number at tip of 0.53. The Reynolds number based on the rotor chord and the rotor exit velocity at mid-span is about 700,000. At the nominal operating point, the mass flow Q is 10:50 0:1 kg s۱ , the total-tototal pressure ratio p is 1.15 and the isentropic efficiency g is 0.92. The ratio between the numbers of rotor blades and stator vanes allows to consider only a tenth of the configuration without modification of the geometry. This compressor has been largely used for CFD-based studies, such as off-design flows [16], aero-acoustics [11] and control [19].

دانلود رایگان مقاله انگلیسی

خرید ترجمه فارسی مقاله با فرمت ورد

خرید نسخه پاورپوینت این مقاله جهت ارائه