Оптимизация геометрии диска турбины авиационного двигателя
Заказчик: не указан Инструмент: IOSO NM + ANSYS Демонстрационный кейс: Sigma Technology / IOSO NM «Оптимизация диска турбины с использованием IOSO и ANSYS» / «Turbine Disk Optimization Using IOSO and ANSYS Technology» Отрасль Авиационное двигателестроение. Проектирование деталей горячего тракта газотурбинного двигателя. Задача Минимизировать массу диска турбины при соблюдении ограничений по уровню механических напряжений в конструкции. Параметры задачи: Переменные: геометрия диска турбины (12 независимых параметров) Критерий оптимизации: минимизация массы диска Ограничения: уровень напряжений (не должен превышать допустимые значения) Расчётный код: ANSYS (прочностной анализ методом конечных элементов) Исходные ограничения и сложности Задача относится к классу нелинейных многопараметрических задач с ограничениями по прочности Каждый расчётный прогон в ANSYS включает три последовательных этапа: построение геометрии диска, генерацию расчётной сетки и прочностной анализ — что делает каждую итерацию вычислительно затратной Необходимо одновременно улучшать несколько компонентов тензора напряжений (σr, σt, интенсивность напряжений mizes) при снижении массы, то есть задача фактически многокритериальная Подход и решение Использована связка IOSO NM + ANSYS. IOSO управляет процессом оптимизации: на каждой итерации передаёт в ANSYS вектор геометрических параметров диска, получает результаты прочностного расчёта (масса, компоненты напряжений), обновляет аппроксимационную модель (поверхность отклика) и формирует следующий вектор переменных. Алгоритм IOSO включает четыре внутренних этапа: задание вектора переменных → алгоритм оптимизации → стратегия перемещения в пространстве поиска → построение аппроксимационной функции. Это позволяет эффективно работать в условиях нелинейного отклика и нескольких конкурирующих критериев. Всего выполнено 400 итераций расчёта. Результаты В ходе оптимизации масса диска снижена с исходных 12,64 кг до 12,07 кг — снижение составило 4,5%. При этом напряжения оставались в допустимых пределах: Параметр Исходное состояние Оптимизированное Масса 12,64 кг 12,07 кг σr (радиальное напряжение) 91,48 кг/мм² 87,77 кг/мм² σt (тангенциальное напряжение) 87,80 кг/мм² 90,88 кг/мм² Построены кривые сходимости по массе и всем компонентам напряжений, демонстрирующие устойчивое улучшение на протяжении 400 итераций. Ценность для заказчика Снижение массы ответственной детали горячего тракта на 4,5% без нарушения прочностных ограничений — прямая экономия на материале и снижение нагрузки на подшипники и смежные элементы конструкции Полная автоматизация оптимизационного цикла: инженер формулирует задачу, остальное делает IOSO совместно с ANSYS без ручного вмешательства в каждую итерацию Наглядная визуализация результатов: кривые сходимости, фронт Парето и распределение напряжений по сечению диска позволяют инженеру осознанно выбирать компромиссное решение, а не принимать на веру «лучшую точку» Подход масштабируется на любые детали, рассчитываемые в ANSYS, без изменения расчётной модели
Многокритериальная оптимизация вентилятора авиационного двигателя SaM 146
Заказчик: НПО «Сатурн» (Россия) совместно со Snecma (Франция, группа Safran) Продукт: Двигатель SaM 146 для самолёта Sukhoi Superjet 100 Инструмент: IOSO NM Презентация кейсов: «Применение технологии IOSO NM в аэрокосмической отрасли» / «IOSO NM Optimization Software: Aerospace Applications» Отрасль Авиационное двигателестроение. Разработка турбовентиляторного двигателя нового поколения для регионального пассажирского самолёта. Задача Найти оптимальную геометрию лопатки вентилятора, обеспечивающую одновременно максимальный КПД вентилятора и минимальные механические напряжения в лопатке. Задача решалась в нескольких постановках с нарастающей сложностью: Задача 1 — Снижение напряжений (5 критериев) Снизить напряжения в лопатке по пяти критериям при неухудшении КПД вентилятора. Варьируемые параметры: геометрия лопатки (7–30 переменных). Расчётные коды: 3D FEA + 3D CFD. Задача 2 — Повышение аэродинамического КПД (1 критерий) Максимизировать КПД вентилятора при варьировании геометрии (36 переменных). Расчётный код: 3D CFD. Задача 3 — Оптимизация на двух режимах работы одновременно (2 критерия) Найти геометрию лопатки, обеспечивающую максимальный КПД одновременно на крейсерском (80%) и проектном (100%) режимах скорости. Варьируемые параметры: 36 переменных. Расчётный код: 3D CFD. Задача 4 — Многодисциплинарная оптимизация (2 критерия: КПД + напряжения) Одновременная максимизация КПД и минимизация напряжений в лопатке. Варьируемые параметры: 7 переменных. Расчётные коды: Numeca Fine/Turbo (CFD) + ANSYS (FEA). Задача 5 — Оптимизация трёхступенчатого вентилятора (задача без аналогов) Повышение аэродинамических характеристик трёхступенчатого вентилятора на крейсерском режиме при сохранении характеристик на проектном режиме. Геометрия шести лопаток описана 65 независимыми переменными. Один расчётный прогон — 21 час. Исходные ограничения и сложности Высокая вычислительная стоимость одного расчёта: один прогон 3D CFD занимал от 3 до 21 часов на процессоре Pentium IV 3,0 ГГц Нелинейные конструктивные ограничения: параметры давления, расхода воздуха и углы на выходе не должны ухудшаться Многоэкстремальность целевой функции в пространстве большой размерности Наличие зон «невычисляемости» — точек, где расчётный код завершается с ошибкой (нестабильная сходимость CFD на плохой расчётной сетке) Необходимость одновременной работы нескольких расчётных кодов в рамках одной оптимизационной задачи (многодисциплинарный проект) Задача оптимизации трёхступенчатого вентилятора на момент публикации не имела опубликованных аналогов решения Подход и решение Использована платформа IOSO NM с алгоритмом на основе метода поверхности отклика (Response Surface Method). Цикл оптимизации организован следующим образом: IOSO генерирует вектор переменных → расчётная программа строит геометрию, сетку и выполняет расчёт → результаты передаются обратно в IOSO для обновления аппроксимационной модели и выдачи нового вектора переменных. Для многодисциплинарной задачи (Задача 4) одновременно работали два расчётных кода: Numeca Fine/Turbo для расчёта обтекания и ANSYS для прочностного анализа. IOSO управлял обоими в едином оптимизационном цикле. Для задачи с трёхступенчатым вентилятором (Задача 5) применена параллельная оптимизация: к решению задачи было подключено 12 вычислительных узлов одновременно, что позволило выполнить 340 итераций за приемлемое время. Результаты Задача 1 (снижение напряжений, 5 критериев): Улучшение каждого из пяти критериев напряжений в диапазоне от 9% до 56%. Максимальное напряжение в лопатке снижено на 18%. Достигнуто всего за 22 вызова расчётных кодов. Задача 2 (КПД, 1 критерий): КПД вентилятора улучшен на 1,5%. Задача 3 (два режима одновременно): КПД на проектном режиме (100%) улучшен на 5,4%, на крейсерском режиме (80%) — на 4,5%. При одновременной оптимизации обоих режимов получены компромиссные решения с улучшением 3,2% и 4,3% соответственно. Задача 4 (многодисциплинарная, КПД + напряжения): Напряжения в лопатке снижены на 1,2%, КПД вентилятора увеличен на 1,5%. Построен фронт Парето, демонстрирующий множество компромиссных решений между двумя критериями. Задача 5 (трёхступенчатый вентилятор): КПД на крейсерском режиме (80%) улучшен на 2,2% при сохранении КПД на проектном режиме (100%). Суммарное вычислительное время сокращено более чем в 10 раз по сравнению с традиционными подходами. Ценность для заказчика Результатом работы стала оптимизированная геометрия лопатки вентилятора, реализованная в серийном двигателе SaM 146, установленном на самолёт Sukhoi Superjet 100. Применение IOSO позволило: сократить количество дорогостоящих расчётных прогонов на порядок по сравнению с перебором или генетическими алгоритмами; решить задачи, для которых опубликованных аналогов на тот момент не существовало; обеспечить конструкторам инструмент для исследования фронта компромиссных решений, а не просто единственную «лучшую» точку; интегрировать несколько расчётных программ в единый автоматизированный цикл без изменения их кода.
