單級跨聲速風扇轉子葉片多目標優化設計

黃磊，余華蔚

（中國燃氣渦輪研究院，成都610500）

單級跨聲速風扇轉子葉片多目標優化設計

黃磊，余華蔚

（中國燃氣渦輪研究院，成都610500）

以單級跨聲速風扇為研究對象，采用葉片參數化造型、人工神經網絡構建近似函數及遺傳算法尋優相結合的方法，在級環境下對轉子葉片進行周向積疊的多目標三維氣動優化設計。結果表明，該單級風扇在保持質量流量和總壓比基本不變的前提下，優化后設計點絕熱效率提高了0.88%，優化后所獲得的根部反彎、頂部正彎葉片，可有效改善葉根和葉片中上部的流動損失。

航空發動機；跨聲速風扇；彎葉片；優化設計；遺傳算法；人工神經網絡

1　引言

風扇/壓氣機是航空發動機最重要的部件之一，其性能好壞直接影響發動機的耗油率、渦輪前溫度等參數。因此，風扇/壓氣機初始設計完成后，對其性能進行優化十分重要。

隨著計算機技術和各種尋優算法的不斷發展，在葉輪機械領域利用某些算法進行葉片優化設計來提高風扇/壓氣機性能已成為可能。在此之前，有學者利用遺傳算法、模擬退火法、梯度法、響應面法等，對各種葉輪的靜子和轉子葉型進行優化設計。結果顯示，通過一些優化方法，可以提高葉輪效率，改善葉片表面的壓力分布和速度分布，降低邊界層流動損失，同時也縮短了設計周期［1-3］。

已有研究表明，采用周向彎曲葉片可有效改善風扇/壓氣機的性能，但改善程度取決于原型葉片設計水平和三維優化水平［4］。過去主要是對軸流壓氣機的單轉子進行優化，無法得知優化后各排葉片的匹配情況。鑒于此，本文嘗試在級環境下對某單級跨聲速風扇轉子進行周向積疊規律的全三維優化，采用葉輪機械全三維優化設計平臺Design3D中的CFD與人工神經網絡、遺傳算法相結合的方法，以單級風扇跨聲速轉子葉片為研究對象，在級環境下通過改變整個葉高的周向積疊全部參數的方法對其進行三維優化設計，以達到改善風扇氣動性能的目的。

2　轉子葉片參數化設計

轉子葉片參數化設計是為了讓轉子葉片幾何的壓力面和吸力面離散成多個控制點，以便給定優化過程中的變量。然后為保證參數化后的葉片與原型葉片保持一致，需對其進行擬合，擬合得越精確，參數化葉片計算結果與原型葉片計算結果越接近。將13個不同葉展處的葉型徑向積疊生成三維葉片，二維葉型的中弧線用Bezier曲線表示，壓力面和吸力面分別用構造線定義模式，選用中弧線的高階的Bezier曲線。圖1分別給出了葉片子午面和葉中截面擬合圖，可見擬合精度非常高。

圖1　葉片子午面和葉中截面擬合圖Fig.1 Meridian plane and middle section fitting of blade

3　原型風扇性能計算

3.1計算網格及邊界條件

采用IGG/AutoGrid5模塊生成默認C型網格，整個單級風扇計算區域網格數約為134萬，網格質量各項指標都能很好地滿足軟件的各項要求。

根據設計要求，進口軸向給定絕對總溫、絕對總壓，出口給定平均靜壓。轉靜交接面采用質量守恒，在輪轂、機匣及葉片等固壁上給定絕熱無滑移條件，計算使用的湍流模型為S-A模型。

3.2FINE/Turbo計算精度考核及優化工況點選擇

研究載體為某單級風扇，由1排導葉、1排轉子和1排靜子組成。優化設計前，首先用全三維粘性流場計算程序FINE/Turbo對風扇100%相對換算轉速下的內部流場進行數值模擬，然后以此為基礎，對轉子葉片在級環境下進行周向彎曲規律優化。本文選擇風扇100%相對換算轉速下的設計點作為優化工況點。

4　優化方法及過程

4.1優化方法

采用人工神經網絡構建近似函數及遺傳算法尋優相結合的方法［5-6］，在級環境下對轉子葉片進行周向積疊的多目標三維氣動優化設計。

4.2優化過程

4.2.1數據庫樣本說明

對單級風扇跨聲速轉子葉片的周向積疊規律進行優化。葉片周向積疊線控制參數如圖2所示，采用5個等距控制點的B樣條曲線的控制形式。本文將全部5個控制參數（H1～H5）都作為可變參數，且各參數均在-0.02～0.02之間變化。通過隨機改變這5個參數的值生成新的葉型，然后再對不同葉型分別進行三維正問題計算，生成不同的數據庫樣本。

圖2　葉片周向積疊示意圖Fig.2 Circumferential stacking of blade

4.2.2優化目標說明

選取總壓比、質量流量和等熵效率為優化目標函數，將這些總體性能指標作為優化目標函數可保證獲得最佳的氣動性能。

設計目標為：在保持質量流量和總壓比基本不變的前提下，盡可能提高單級風扇的等熵效率。這是因為如果只追求效率的提高，而忽略了流量和壓比等性能參數，很可能會導致單級風扇與前后部件不匹配。

5　優化結果及分析

表1給出了100%設計轉速下優化前后性能參數的改變量，可見優化前后該單級風扇在流量和壓比基本不變的前提下，等熵效率提高了0.88%，穩定裕度略有提升。這樣的優化結果滿足發動機前后匹配要求，符合工程實際需要。

表1　100%設計轉速下優化前后性能改變量Table 1 Performance changes of the optimized blade at 100%design speed

表2為優化前后各優化參數值，圖3為優化前后轉子葉片形狀比較圖。從表2和圖3可以看出，優化后葉片中下部和頂部的彎曲程度都有增大，且是根部反彎、頂部正彎。優化后葉片中下部的彎曲程度最大，且其曲率最大位置也最靠近葉根處。圖4為優化前后轉子葉片周向彎曲積疊線比較圖，與圖3中葉片彎曲規律一致。

表2　優化前后各優化參數值Table 2 The parameters of original blade and optimized blade

圖3　優化前后轉子葉片形狀比較Fig.3 Comparison of rotor blade figure before and after optimization

圖4優化前后轉子葉片周向彎曲積疊線比較Fig.4 Comparison of circumferential stacking of rotor blade before and after optimization

圖5為優化前后葉片擬S2流面的相對馬赫數云圖。可見，優化葉片A區域的二次流損失有所增強，而B、C區域葉片表面的分離損失降低較明顯。

圖5優化前后葉片擬S2流面的相對馬赫數云圖Fig.5 The comparison of relative Mach numbers on S2 stream face before and after optimization

圖6為優化前后葉根處相對速度矢量對比圖。可見，原型葉片葉根處葉片尾部以后部分的逆流和二次流很強勁，而優化葉片逆流和二次流已基本消失，流動控制較好，這與圖5中B區域流動相互吻合。

圖6優化前后葉根處相對速度矢量對比Fig.6 The comparison of relative velocity vector at the hub before and after optimization

圖7為優化前后轉子絕熱效率沿展向分布對比圖。可見，該轉子優化后只在中下部局部區域效率略低于優化前，而在整個葉高大部分區域效率都高于優化前。這說明葉片中上部的分離損失得到了很好控制，而中下部局部區域的分離損失有一定程度增強，該趨勢與圖5中相對馬赫數分布情況一致。

圖7優化前后轉子絕熱效率沿展向分布對比Fig.7 The comparison of rotor adiabatic efficiency along blade span before and after optimization

圖8為優化前后靜子總壓恢復系數沿展向分布對比。可見，零級導葉和第一級靜子的總壓恢復系數變化不大，說明在級環境下的轉子優化，對靜子總壓恢復系數影響較小。

圖8優化前后靜子總壓恢復系數沿展向分布對比Fig.8 The comparison of stator total pressure recovery coefficient along blade span before and after optimization

圖9為優化前后整級特性曲線對比圖，其表明優化轉子后的單級風扇在整個工作區域流量和壓比基本不變的前提下，效率都得到了提高，尤其是最高效率點附近提高了1%左右；穩定裕度也略有提升。總的來說，在不影響發動機各部件匹配的前提下，效率明顯提升，優化效果很明顯，符合工程實際需要。

圖9　優化前后整級特性曲線對比Fig.9 The stage computational characteristic of original blade and optimized blade

6　結論

（1）根部反彎、頂部正彎的轉子葉片，降低了該單級風扇總壓損失（轉子葉片中上部分離損失減弱和葉片根部二次流、逆流消除），提高了其效率。

（2）級環境下轉子周向積疊規律的優化，對零級導葉和第一級靜子總壓恢復系數基本沒影響。

（3）級環境下，在保證流量和壓比基本不變的前提下，優化轉子葉片周向積疊規律來提高效率和裕度，其優點是不影響發動機各部件的匹配關系，符合工程實際需要。

（4）對跨聲速葉片進行周向積疊優化效果很明顯，所用的人工神經網路與遺傳算法尋優相結合的優化設計方法對類似問題具有一定的參考價值。

［1］樊會元，王尚錦，席光.透平機械葉片的遺傳優化設計［J］.航空學報，1999，20（1）：47—51.

［2］Mengistu T，Ghaly W.Single and multipoint shape optimization of gas turbine blade cascades［R］.AIAA 2004-4446，2004.

［3］Vascellari M，Dénos R，Van den Braembussche R.Design of a transonic high-pressure turbine stage 2D section with reduced rotor/stator interaction［R］.ASME GT2004-53520，2004.

［4］宋彥萍，李娜，王松濤，等.彎曲動葉跨音軸流壓氣機性能的影響［J］.工程熱物理學報，2004，25（4）：582—584.

［5］黃磊，楚武利，鄧文劍.壓氣機葉片扭曲規律的多目標三維氣動優化［J］.計算機仿真，2009，26（9）：73—76.

［6］靳軍，劉波，南向誼，等.基于神經網絡的智能葉片優化設計系統的研究［J］.中國機械工程，2007，18（15）：1859—1861.

Multi-objective optimization design of single-stage transonic fan rotor blade

HUANG Lei，YU Hua-wei
（China Gas Turbine Establishment，Chengdu 610500，China）

Taking the single-stage transonic fan as the research object,the multi-objective three dimensional aerodynamic optimization design of circumferential stacking was carried out under stage environment based on the methods consisting of blade section parameterization,artificial neural network and genetic algorithm.The results show that under the condition of the mass flow and pressure ratio were unchanged,the adiabatic efficiency increased by 0.88%.The optimized blade with negative curve in the hub and positive curve in the tip effectively improve the flow loss near the hub and the upper middle of the blade.

aero-engine；transonic fan；bow blade；optimization design；genetic algorithm；artificial neural network

V231.3

A

1672-2620（2016）03-0030-05

2015-03-11；

2015-10-14

黃磊（1983-），男，四川射洪人，高級工程師，碩士，主要從事核心驅動風扇氣動設計研究。