[논문 리뷰] Energy-Environment evaluation and Forecast of a Novel Regenerative turboshaft engine combine cycle with DNN application

Mahdi Alibeigi, Mohammadreza Sabzehali|arXiv (Cornell University)|2022. 09. 24.

Vehicle emissions and performance인용 수 5

한 줄 요약

이 연구는 수소를 연료로 사용하여 에너지 및 환경 성능을 평가하는 인let 공기 냉각 기술을 적용한 새로운 재생 터보샤프 엔진 복합 사이클을 제안한다. 625개의 뉴런을 각 층에 가진 두 은닉층 구조의 딥 신경망(DNN)은 열효율과 NOx 배출량(NO + NO₂)을 정확하게 예측하여 학습 및 테스트 데이터에서 R² > 0.99 및 낮은 MSE, MAE, RMSD를 달성한다.

ABSTRACT

In this integrated study, a turboshaft engine was evaluated by adding inlet air cooling and regenerative cooling based on energy-environment analysis. First, impacts of flight-Mach number, flight altitude, the compression ratio of compressor-1 in the main cycle, the turbine inlet temperature of turbine-1 in the main cycle, temperature fraction of turbine-2, the compression ratio of the accessory cycle, and inlet air temperature variation in inlet air cooling system on some functional performance parameters of Regenerative turboshaft engine cycle equipped with inlet air cooling system such as power-specific fuel consumption, Power output, thermal efficiency, and mass flow rate of Nitride oxides (NOx) including NO and NO2 has been investigated via using hydrogen as fuel working. Consequently, based on the analysis, a model was developed to predict the energy-environment performance of the Regenerative turboshaft engine cycle equipped with a cooling air cooling system based on a deep neural network (DNN) with 2 hidden layers with 625 neurons for each hidden layer. The model proposed to predict the amount of thermal efficiency and the mass flow rate of nitride oxide (NOx) containing NO and NO2. The results demonstrated the accuracy of the integrated DNN model with the proper amount of the MSE, MAE, and RMSD cost function for both predicted outputs to validate both testing and training data. Also, R and R^2 are noticeably calculated very close to 1 for both thermal Efficiency and NOx emission mass flow rate for both validations of thermal efficiency and NOx emission mass flow rate prediction values with its training and its testing data.

연구 동기 및 목표

• 인let 공기 냉각 기술을 적용한 새로운 재생 터보샤프 엔진 사이클의 에너지 및 환경 성능을 평가하기 위해.
• 비행 마하 수, 고도, 압축기 압력비, 터빈 입구 온도와 같은 핵심 운전 매개변수의 엔진 성능에 미치는 영향을 분석하기 위해.
• 엔진 사이클에서 열효율과 NOx 질량 유량(NO + NO₂)을 예측하기 위한 딥 신경망(DNN) 모델을 개발하기 위해.
• 학습 및 테스트 데이터 세트에서 다양한 통계적 지표를 사용하여 DNN 모델의 예측 정확도를 검증하기 위해.
• 통합 에너지-환경 분석과 기계학습 예측을 통해 지속 가능한 항공 엔진 설계를 지원하기 위해.

제안 방법

• 인let 공기 냉각 기술과 수소 연료를 적용한 재생 터보샤프 엔진 사이클에 대한 에너지-환경 분석을 수행하였다.
• 핵심 설계 및 운전 매개변수를 변화시켜 비행 마하 수, 비행 고도, 압축기 압력비(압축기-1), 터빈 입구 온도(터빈-1), 터빈-2의 온도 분율, 액세서리 사이클 압력비, 인let 공기 온도를 조정하였다.
• 열효율과 NOx 질량 유량(NO + NO₂)을 예측하기 위해 각 층에 625개의 뉴런을 가진 두 은닉층 구조의 DNN을 개발하였다.
• 열역학적 분석에서 생성된 시뮬레이션 데이터를 기반으로 DNN을 학습 및 테스트하였다.
• 모델 성능을 최적화하기 위해 평균 제곱 오차(MSE), 평균 절대 오차(MAE), 근사 평균 제곱 편차(RMSD)를 손실 함수로 사용하였다.
• 학습 및 테스트 세트에 대해 결정 계수(R²)와 상관계수(R)를 사용하여 모델의 일반화 능력을 평가하였다.

실험 결과

연구 질문

• RQ1 비행 마하 수와 고도는 재생 터보샤프 엔진 사이클의 열효율과 NOx 배출량에 어떤 영향을 미치는가?
• RQ2 압축기 압력비와 터빈 입구 온도는 출력 전력과 연료 소비에 어떤 영향을 미치는가?
• RQ3 인let 공기 냉각은 엔진 사이클의 전체 에너지 및 환경 성능에 어떤 영향을 미치는가?
• RQ4 딥 신경망은 다양한 운전 조건에서 열효율과 NOx 배출량(NO + NO₂)을 정확하게 예측할 수 있는가?
• RQ5 DNN 모델은 미리 보지 않은 테스트 데이터에 대해 예측 정확도와 일반화 능력이 뛰어나게 작동하는가?

주요 결과

• DNN 모델은 학습 및 테스트 데이터 양측에서 열효율과 NOx 배출 질량 유량 예측에 대해 R² 값이 1에 매우 가까운 성능을 보였다.
• 두 출력 변수에 대해 상관계수(R) 역시 1에 매우 가까웠으며, 이는 예측값과 실제값 간의 강한 선형 일치를 의미한다.
• 모델은 열효율 및 NOx 배출량 예측에 대해 MSE, MAE, RMSD 값이 모두 낮아 높은 정확도를 확보하였다.
• DNN는 엔진 운전 매개변수와 성능 지표 간의 복잡한 비선형 관계를 효과적으로 포착하였다.
• 테스트 데이터에서의 모델 성능은 학습 데이터를 초월한 강건성과 일반화 능력을 입증하였다.
• 열역학적 분석과 딥 러닝의 통합은 고도화된 터보샤프 엔진에서 에너지 및 환경 성능을 정밀하게 예측하는 데 기여한다.