Download (9Mb) - tuprints
Download (9Mb) - tuprints
Download (9Mb) - tuprints
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
Vom Nutzer<br />
definierte<br />
Konturierungen<br />
Via LP-τ-DoE<br />
definierte<br />
Konturierungen<br />
PADRAM<br />
+<br />
HYDRA<br />
(automatisiert)<br />
CFD-<br />
Ergebnisse<br />
RBF<br />
Antwortfläche<br />
SOFT<br />
ARMOGA<br />
Optimierung<br />
Ausgewählte<br />
Pareto-optimale<br />
Konturierungen<br />
Abbildung 8.3.: Schema des halbautomatischen Konturierungs-Auslegungsprozesses<br />
der in dieser Arbeit vorgestellten Konturierungen eine entsprechende Prozesskette aufzusetzen.<br />
Es wurde ein halbautomatisches Verfahren entwickelt, dessen wesentliche Bestandteile<br />
eine über diverse Unix-Shell-Scripte automatisierte CFD-Prozesskette sowie ein über die Rolls-<br />
Royce-eigene Optimierungssoftware SOFT (Smart Optimisation For Turbomachinery) gesteuertes<br />
Suchverfahren sind [172].<br />
Ein Ablaufdiagramm des Prozesses ist in Abb. 8.3 gezeigt. Zunächst wurde eine Datenbank<br />
aus CFD-Ergebnissen erzeugt. Die verschiedenen Kombinationen von Auslegungsparametern<br />
der Konturierung wurden auf zwei Wegen generiert:<br />
1. Mit Hilfe des Design of Experiments-Algorithmus LP-τ [173].<br />
2. Vom Nutzer spezifizierte Kombinationen, die beispielsweise aus Vorstudien als vielversprechend<br />
erachtet wurden.<br />
Lediglich die Annulusgeometrie wurde während der Konturierungsauslegung modifiziert, die<br />
Schaufel selbst blieb unverändert. Für jede Parameterkombination wurden jeweils zwei CFD-<br />
Simulationen bei Nenndrehzahl durchgeführt. Sie wurden entsprechend ihrer Drosselgrade als<br />
„Designpunkt“ (DP) und „Nahe Stall“ (NS) bezeichnet. Das CFD-Modell entsprach jeweils dem<br />
gesamten betrachteten Verdichter, es wurde also kein vereinfachtes CFD-Modell zum Zweck<br />
der Konturierungsauslegung erstellt. Um die Berechnungsdauer trotzdem in einem akzeptablen<br />
Rahmen zu halten, wurde die benötigte Zahl der Iterationen durch die Nutzung einer bereits<br />
gut konvergierten Startlösung reduziert. Zusätzlich konnten beide Betriebspunkte parallel berechnet<br />
werden, so dass sich auf einem der hausinternen Cluster eine Gesamtzeit von etwa zwei<br />
Stunden für die vollständige Evaluierung eines Konturierungsentwurfes ergab. Diese Zeitangabe<br />
beinhaltet auch die Netzerzeugungs- und Auswertungsprozesse.<br />
Aus der Datenbank mit CFD-Ergebnissen wurde im zweiten Block des Auslegungsprozesses eine<br />
RBF-(Radial Basis Function) Antwortfläche generiert. Der RBF-Ansatz eignet sich gut zur<br />
Approximation von Funktionen mit vielen Eingabeparametern und in Fällen, wo die Stützstellen<br />
mehr oder weniger zufällig über den gesamten Parameterraum verstreut sind [174]. Er<br />
wurde daher ausgewählt. Der anschließende Suchlauf mit Hilfe des Optimerungsalgorithmus<br />
ARMOGA (Adaptive Range Multi-Objective Genetic Algorithm) wurde dann auf dieser Antwortfläche<br />
durchgeführt [175]. Bei diesem an die natürliche Evolution angelehnten Optimierungsansatz<br />
werden zu einer Anfangspopulation gehörende Entwurfsvarianten, die sogenannten Individuen,<br />
über mehrere Generationen hinweg anhand der Prinzipien der Selektion, Mutation<br />
und Rekombination verändert, um zu einer laut den Entwurfskriterien optimalen Lösung zu gelangen.<br />
Der Algorithmus benötigt vergleichsweise viele Evaluierungen verschiedener Entwürfe,<br />
ist aber in der Lage, sowohl lokale als auch globale Optima zu finden.<br />
42 8. Numerische Methoden