跨声速压气机转子通用k-ω湍流模型的机器学习辅助优化

摘要

针对雷诺平均纳维-斯托克斯(RANS)方法中现有涡黏湍流模型普遍存在对压气机非设计工况下气动特性及复杂流动计算精度不足的共性问题，通用k-ω(GEKO)湍流模型引入了6个自由参数，可根据不同类型流动进行校准，提高了压气机内流计算精度。针对跨声速轴流压气机转子NASA Rotor 67近堵塞、设计点和近失速3个工况进行GEKO湍流模型自由参数的机器学习及多目标优化，并对比分析优化后的GEKO湍流模型、默认的GEKO湍流模型及标准的剪切应力传输(SST)湍流模型的计算精度。结果表明：相较于默认的GEKO湍流模型，优化后的GEKO湍流模型在气动性能曲线、转子出口平面展向参数分布和流场细节方面的计算精度都显著提高；相较于SST湍流模型，优化后的GEKO湍流模型对性能曲线计算更精准，特别对失速裕度的计算精度提高了5.4%,对激波位置和强度的计算精度更高。GEKO湍流模型对于提高跨声速轴流压气机转子的数值模拟精度效果显著，可为发展高精度的RANS湍流模型提供参考。

关键词

跨声速轴流压气机转子 / 湍流模型 / 机器学习 / 气动性能

基金资助

国家重大科技专项资助项目(Y2022-Ⅱ-0002-0005); 国家自然科学基金资助项目(52206051); 陕西省重点研发计划资助项目(2024GX-ZDCYL-05-07)