[논문 리뷰] Optimisation of energy and exergy of two-spool turbofan engines using genetic algorithms

Vin Cent Taı, Phen Chiak See외 2명|arXiv (Cornell University)|2012. 07. 03.

Advanced Aircraft Design and Technologies참고 문헌 18인용 수 3

한 줄 요약

이 논문은 에너지 및 에너지 효율성을 향상시키기 위해 유전 알고리즘(GA) 기반 최적화 프레임워크를 제안한다. 이는 8개의 핵심 설계 파라미터를 조정하여 이중 스풀 터보风扇 엔진의 성능을 향상시킨다. 자체 개발한 파이썬 기반 도구인 TurboJet-Engine Optimizer v1.0을 사용하고, Pyevolve GA 라이브러리와 통합함으로써, 에너지와 에너지 효율성을 균형 잡는 다중목표 최적화 기법을 통해 단일 기준 최적화 대비 특별한 추력 증가율이 30% 이상 향상됨을 입증한다.

ABSTRACT

This paper presents an application of Genetic Algorithm (GA) metaheuristics to optimise the design of two-spool turbofan engines based on exergy and energy theories. The GA is used to seek the optimal values of eight parameters that define the turbofan engine. These parameters are encoded as chromosomes (a metaphor) in GA. A computer program called TurboJet-Engine Optimizer v1.0 (TJEO-1.0) was developed by the authors to perform calculations of thermodynamic properties of the engine and implement the optimisations. The caloric properties of the working fluids are obtained by using an 8th-order polynomial fluid model taken from an existing literature. The turbo-mechanical components in the turbofan engine are as well assumed to exhibit polytropic efficiencies of today's technology level. The TJEO-1.0 is integrated with Pyevolve, an open source GA optimisation framework built for used with Python programming language. The optimal design created by TJEO-1.0 was evaluated with the following criteria: (1.) energy efficiency, (2.) exergy efficiency, and (3.) combination of both of them. The results suggest that the design of turbofan engine optimised based on the third criterion is able to produce higher specific thrust (by more than 30 %), compared with the ones optimised based on the first and the second criteria.

연구 동기 및 목표

• 고도화된 최적화 기법을 통해 이중 스풀 터보팬 엔진의 열역학적 성능을 향상시키기.
• 기존 설계 방법의 한계를 해결하기 위해 에너지 또는 에너지 효율성 중 하나만 고려하는 단일 기준 설계의 문제점을 해결하기.
• 에너지 효율성과 에너지 효율성을 동시에 최대화할 수 있는 글로벌 최적화 프레임워크 개발하기.
• 에너지 효율성, 에너지 효율성 등의 다양한 최적화 기준이 특별한 추력과 같은 엔진 성능 지표에 미치는 영향 평가하기.
• TJEO-1.0이라는 자체 제작 시뮬레이션 및 최적화 도구를 사용하여 제안된 방법의 효과성 검증하기.

제안 방법

• 8개의 엔진 설계 파rameter를 염색체로 인코딩하여 전역 최적화를 수행하기 위해 진화 알고리즘(GA) 메타휴리스틱을 사용하였다.
• 터보팬 사이클의 열역학적 성질을 계산하기 위해 자체 개발한 파이썬 기반 소프트웨어 도구인 TurboJet-Engine Optimizer v1.0(TJEO-1.0)를 개발하였다.
• 작동 유체의 열적 성질을 정확하게 표현하기 위해 8차 다항식 유체 모델을 사용하였다.
• 터보기계 부품의 다항성 효율을 현재 기술 수준을 반영하여 가정하였다.
• TJEO-1.0을 오픈소스 Pyevolve GA 프레임워크와 통합하여 강력하고 확장 가능한 최적화를 가능하게 하였다.
• 엔진 성능을 세 가지 기준으로 평가: 에너지 효율성, 에너지 효율성, 병합 목표 함수.

실험 결과

연구 질문

• RQ1 에너지 및 에너지 효율성의 다중목표 최적화가 이중 스풀 터보팬 엔진의 특별한 추력에 어떤 영향을 미치는가?
• RQ2 단일 기준 최적화 대비 에너지 및 에너지 효율성 기준을 병합하여 최적화할 경우 성능 향상은 어느 정도 달성 가능한가?
• RQ3 에너지 효율성 또는 에너지 효율성 중 하나를 우선시할 경우 최적의 설계 파rameter는 어떻게 다를까?
• RQ4 기존 설계 접근 방식에 비해 GA 기반 프레임워크가 열역학적 성능 향상에 얼마나 기여하는가?
• RQ5 고정밀도 유체 모델과 현실적인 부품 효율성을 사용할 경우 최적화 결과에 어떤 영향을 미치는가?

주요 결과

• 에너지 및 에너지 효율성 기준을 병합하여 최적화한 엔진 설계는 에너지 또는 에너지 효율성 중 하나만 고려한 설계 대비 특별한 추력 증가율이 30퍼센트 이상 향상되었다.
• 제안된 다기준 최적화 접근법은 뛰어난 열역학적 성능을 보이며, 에너지와 에너지 효율성 목표를 균형 있게 조정하는 데서 유의미한 이점을 입증하였다.
• TJEO-1.0 소프트웨어 프레임워크는 GA 기반 최적화를 성공적으로 구현하였으며, 8차 유체 모델을 사용하여 정확한 열역학 계산을 수행하였다.
• Pyevolve와 TJEO-1.0의 통합을 통해 다차원 설계 공간에서 효과적인 전역 최적화가 가능해졌다.
• 결과적으로 에너지 기반 최적화가 연료의 효율적 사용과 함께 적절히 에너지 효율성과 균형을 이루면 엔진 성능 향상에 기여함을 확인하였다.
• 본 연구는 메타휴리스틱 알고리즘인 GA를 현실적인 열역학 제약 조건 하에서 복잡한 항공기 엔진 최적화에 적용할 수 있음을 입증하며, 그 실현 가능성과 유용성을 보여주었다.