Новый инструмент численного моделирования Argonne помогает исследователям лучше понять мощный двигатель, который может однажды продвинуть следующее поколение самолетов и ракет.
“Ученые из Национальной лаборатории Аргонская департамента энергетики (DOE), работающие в сотрудничестве с исследовательской лабораторией Air Force (AFRL) и Convergent Science Inc., создали новый инструмент численного моделирования, позволяет лучше понять мощный двигатель, который может в один прекрасный день создать следующее поколение самолетов и ракет. ”
Вращающиеся двигатели детонации (RDE) получили значительное внимание со стороны двигателей в последнее десятилетие.
“Эта работа была ориентирована на разработку надежной, прогнозной и вычислительной эффективной модели сгорания для RDE”. – Sibendu Som, вычислительный ученый и менеджер группы по багатофизичних вычислений Argonne
В отличие от обычных газотурбинных двигателей, опирающиеся на дозвуковой постоянное сжигание давления, RDEs используют высокоинтенсивные самостоятельную детонацию – сверхзвуковую реакционную волну в сочетании с ударным – для быстрого потребления топливно-воздушной смеси, как правило, в форме кольца, цилиндрическая камера.
С РДЭ есть эффективный коэффициент усиления давления: интенсивное и быстрое высвобождение энергии от детонации может быть использовано для создания чрезвычайно высокой тяги от относительно небольшой камеры.
Кроме того, эти двигатели компактные, не содержат движущихся частей, являются более эффективными, чем обычные системы сгорания, обеспечивают устойчивый толчок на высоких частотах и могут быть интегрированы с существующими авиационными и ракетными двигателями.
Эти уникальные особенности сделали RDEs предметом широких исследований различных учреждений, в том числе ВВС, военно-морских и армейских исследовательских лабораторий, Национального аэронавтике и космическому управления, а также аэрокосмических компаний в США и за рубежом.
Несмотря на потенциальные выгоды, которые они предлагают, практическая реализация RDEs является неуловимым.
«Работа и производительность РДЭ зависит от многих факторов», – сказал Брент Рэнкин, инженер-исследователь AFRL. “Поведение горения должна быть изучена и оптимизирована на большом проектном пространстве, чтобы технология стала практически жизнеспособной”.
Кейт Брэдли, директор программы “Национальная безопасность” Аргон, заявил, что лаборатория является идеальным местом для проведения этого исследования.
«Аргонн имеет уникальные способности делать науку в масштабе. Наши научные знания, уникальные экспериментальные установки, усовершенствованное моделирование и симуляция позволяют лучше, быстрее и дешевле развиваться по сравнению с более традиционными, Едисонивськимы подходами », – сказал он.
Предварительное численное моделирование дало исследователям фундаментальные представления о явлениях горения, происходящих в РДЭ, но они были очень дорогими вычислительными средствами, исключает строгие исследования в широком диапазоне рабочих условий.
Стремясь решить эту проблему, Сибенду Сом, вычислительный ученый и менеджер группы по багатофизичних вычислений Аргонн, и Пинака Пал, инженер-механик в отделе энергетических систем Аргонн, объединились с Рэнкин в AFRL и исследователями Convergent Science Inc. модель вычислительной динамики жидкости (CFD) для прогнозирования поведения горения RDE.
“Эта работа была ориентирована на разработку надежной, прогностической и вычислительной эффективной модели сгорания для RDE”, – сказал Сом.
Пал, который руководит усилиями Аргон, заявил, что вычислительное моделирование и моделирование могут сыграть важную роль в разработке этих двигателей.
“Очень мало исследований рассмотрели моделирования полномасштабной геометрии котлов RDE, что дает вам точную информацию – прежде всего потому, что эти моделирования могут быть очень трудоемкими”, – сказал он. “Новая модель позволяет точно и с разумной ценой учесть поведение горения в реалистических конфигурациях”.
Модель подтверждена по данным экспериментов Ренкина в AFRL. Команда продемонстрировала, что модель CFD может захватывать динамику горения RDE в различных условиях эксплуатации.
“Такая модель может быть использована для быстрого генерирования данных моделирования на большом пространстве дизайна, который затем может быть совмещен с передовой техникой на основе машинного обучения для быстрой оптимизации конструкции камеры сгорания”, – сказал Пал. “Мы продемонстрировали такой подход для двигателей внутреннего сгорания, и он может быть распространен и на РДЭ”.