[论文解读] Optimisation of energy and exergy of two-spool turbofan engines using genetic algorithms

Vin Cent Taı, Phen Chiak See+2 more|arXiv (Cornell University)|Jul 3, 2012

Advanced Aircraft Design and Technologies参考文献 18被引用 3

一句话总结

本文提出一种基于遗传算法（GA）的优化框架，通过调节八个关键设计参数，提升双涵涡扇发动机的能量与㶲效率。利用自研的基于Python的工具TurboJet-Engine Optimizer v1.0，集成Pyevolve GA库，研究结果表明，通过平衡能量与㶲效率的多目标优化，相比单目标优化，特定推力提升超过30%。

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.

研究动机与目标

• 通过先进优化技术提升双涵涡扇发动机的热力学性能。
• 解决传统设计方法仅孤立优化能量或㶲效率所带来的局限性。
• 开发一种全局优化框架，能够同时最大化能量与㶲效率。
• 评估不同优化准则对特定推力等发动机性能指标的影响。
• 通过自研的仿真与优化工具TJEO-1.0验证所提方法的有效性。

提出的方法

• 采用遗传算法（GA）元启发式方法，对编码为染色体的八个发动机设计参数进行全局优化。
• 开发了一款基于Python的自研软件工具TurboJet-Engine Optimizer v1.0（TJEO-1.0），用于计算涡扇循环的热力学参数。
• 采用八阶多项式流体模型，精确表征工作流体的热容性质。
• 假设涡轮机械部件的多变效率代表当前技术水平。
• 将TJEO-1.0与开源Pyevolve GA框架集成，实现稳健且可扩展的优化。
• 采用三种准则评估发动机性能：能量效率、㶲效率以及组合目标函数。

实验结果

研究问题

• RQ1 对双涵涡扇发动机的能量与㶲效率进行多目标优化，如何影响其特定推力？
• RQ2 当优化目标为综合能量与㶲效率准则时，相比单目标优化，可实现多大的性能提升？
• RQ3 在优先考虑能量效率与优先考虑㶲效率时，最优设计参数有何差异？
• RQ4 与传统设计方法相比，采用基于GA的框架在多大程度上提升了涡扇发动机的热力学性能？
• RQ5 使用高保真流体模型和真实部件效率对优化结果有何影响？

主要发现

• 采用综合能量与㶲效率准则优化的发动机设计，相比仅优化能量或㶲效率的设计，特定推力提升超过30%。
• 所提出的多准则优化方法显著提升了热力学性能，证明了平衡能量与㶲目标的优越性。
• TJEO-1.0软件框架成功实现了基于GA的优化，并利用八阶流体模型提供了精确的热力学计算。
• TJEO-1.0与Pyevolve的集成，实现了在多维设计空间中的有效全局优化。
• 结果证实，基于㶲的优化在合理平衡能量效率的前提下，可实现更高效的燃料利用和更优的发动机性能。
• 本研究证明了使用GA等元启发式算法在真实热力学约束下，对复杂航空发动机设计优化的可行性与优势。