Моделирование характеристик безлопаточных диффузоров с помощью нейронных сетей

Для расчета параметров потока в безлопаточном диффузоре ступени центробежного компрессора достаточно определить коэффициент потерь и направление потока на выходе. Приведены результаты моделирования характеристик этих двух параметров с помощью нейронных сетей и CFD-методами. Для получения математических моделей использованы данные расчетов характеристик безлопаточных диффузоров по программе ANSYS CFX с относительной шириной 0,014…0,100, относительным диаметром выхода 1,4…2,0, углом входа потока на входе 10…90° и скоростным коэффициентом на входе 0,39…0,82 при числе Рейнольдса 87 500…1 030 000. Сопоставление с положениями теории показало закономерность протекания газодинамических характеристик, а сопоставление с известными экспериментами — соответствие структуры потока. В целях повышения точности моделирования с использованием нейронных сетей собраны и апробированы различные рекомендации по подготовке и обработке исходных данных: выявление конфликтных примеров и выбросов, нормализация данных, повышение качества обучения нейронных сетей при недостаточном объеме выборки и др. Применение указанных рекомендаций существенно повысило точность моделирования. Проведенный на основе нейронных моделей имитационный эксперимент по изучению влияния размеров, формы диффузора и критериев подобия на его газодинамические характеристики позволил проверить физическую адекватность математических моделей, получить новые данные о процессах преобразования энергии и сформулировать рекомендации по оптимальному проектированию безлопаточных диффузоров.

Литература

[1] Рис В.Ф. Центробежные компрессорные машины. Ленинград, Машиностроение, 1981. 351 с.

[2] Ден Г.Н. Проектирование проточной части центробежных компрессоров. Ленинград, Машиностроение, Ленинградское отделение, 1980. 230 с.

[3] Шнепп В.Б. Конструкция и расчет центробежных компрессорных машин. Москва, Машиностроение, 1995. 240 с.

[4] Хисамеев И.Г., Максимов В.А., Баткис Г.С., Гузельбаев Я.З. Проектирование и эксплуатация промышленных центробежных компрессоров. Казань, Фэн, 2012. 671 с.

[5] Aungier R.H. Centrifugal compressors: a strategy for aerodynamic design and analysis. New York, ASME Press, 2000. 320 p.

[6] Japikse D., Krivitzky E.M. Radial stages with non-uniform pressures at diffuser inlet. Proceedings of the ASME Turbo Expo, 2016, vol. 2D-2016, doi: 10.1115/GT2016-57956

[7] Schiff J. A preliminary design tool for radial compressors. Thesis for the Degree of Master of Science, LTH Lund University, 2013. 171 p.

[8] Wang Y., Lin F., Nie C., Engeda A. Design and performance evaluation of a very low flow coefficient centrifugal compressor. International Journal of Rotating Machinery, 2013, vol. 2013, no. 293486, doi: 10.1155/2013/293486

[9] Васильев Ю.С., Родионов П.И., Соколовский М.И. Высокоэффективные центробежные компрессоры нового поколения. Научные основы расчета, разработка методов оптимального проектирования и освоение производства. Наука и промышленность России, 2000, № 10–11, с. 78–85.

[10] Галеркин Ю.Б., Рекстин А.Ф., Солдатова К.В., Дроздов А.А., Попов Ю.А. Развитие научной школы турбокомпрессоростроения ЛПИ-СПбПУ Петра Великого, результаты сотрудничества с компрессоростроителями. 17-я Междунар. науч.-техн. конф. по компрессорной технике, Казань, 23–24 мая 2017, Казань, 2017, с. 19–29.

[11] Галеркин Ю.Б. Турбокомпрессоры. Рабочий процесс, расчет и проектирование проточной части. Москва, ИИЦ «КХТ», 2010. 596 с.

[12] Селезнев К.П., Галеркин Ю.Б. Центробежные компрессоры. Ленинград, Машиностроение, 1982. 271 с.

[13] Маренина Л.Н. CFD-моделирование и анализ характеристик неподвижных элементов проточной части центробежной компрессорной ступени. Компрессорная техника и пневматика, 2016, № 3, с. 27–35.

[14] Гамбургер Д.М. Численное моделирование течения вязкого газа в центробежной компрессорной ступени: методика и результаты. Санкт-Петербург, СПбГПУ, 2009. 190 с.

[15] Meduri U.K., Selvam K., Nawrocki G. CFD analysis of centrifugal compressor stage range extension using internal flow recirculation. Proceedings of the ASME Turbo Expo, 2015, vol. 2C, doi: 10.1115/GT2015-42592

[16] Galerkin Y., Voinov I., Drozdov A. Comparison of CFD-calculations of centrifugal compressor stages by NUMECA Fine/Turbo and ANSYS CFX programs. IOP Conference Series: Materials Science and Engineering, 2017, vol. 232(1), no. 012044, 12 p., doi: 10.1088/1757-899X/232/1/012044

[17] Галеркин Ю.Б., Соловьева О.А. Совершенствование методов расчета безлопаточных диффузоров центробежных компрессорных ступеней на основе вычислительных экспериментов. Часть 1. Компрессорная техника и пневматика, 2014, № 3, с. 35–41.

[18] Галеркин Ю.Б., Соловьева О.А. Совершенствование методов расчета безлопаточных диффузоров центробежных компрессорных ступеней на основе вычислительных экспериментов. Часть 2. Компрессорная техника и пневматика, 2014, № 3, с. 15–21.

[19] Rekstin A.F., Drozdov A.A., Solovyeva O.A., Galerkin Y.B. Two mathematical models centrifugal compressor stage vaneless diffuser comparison. Oil and Gas Engineering. AIP Conf. Proc., 2007, Omsk, 2018, pp. 030035-1–030035-12, doi: https://doi.org/10.1063/1.5051896

[20] Соловьева О.А. Математическая модель для расчета газодинамических характеристик и оптимизации безлопаточных диффузоров центробежных компрессорных ступеней. Дис. … канд. техн. наук. Санкт-Петербург, СПбПУ, 2018. 162 с.

[21] Nikiforov A., Popova D., Soldatova K. A network application for modeling a centrifugal compressor performance map. IOP Conference Series: Materials Science and Engineering, 2017, vol. 232(1), no. 012046, doi: 10.1088/1757-899X/232/1/012046

[22] Ясницкий Л.Н. Интеллектуальные системы. Москва, Лаборатория знаний, 2016. 221 с.

[23] Казанцев П.А. Разработка и исследование маршрута проектирования нейросетевого приложения с аппаратной поддержкой. Дис. … канд. техн. наук. Москва, МФТИ, 2008. 117 с.

[24] Дагаева М.В., Сулейманов М.А., Катасева Д.В., Катасев А.С., Кирпичников А.П. Технология построения отказоустойчивых нейросетевых моделей распознавания рукописных символов в системах биометрической аутентификации. Вестник Технологического университета, 2018, т. 21, № 2, с. 133–138.

[25] Шкодырев В.П., Ягафаров К.И., Баштовенко В.А., Ильина Е.Э. Обзор методов обнаружения аномалий в потоках данных. Труды конференции по программной инженерии и информационному управлению, Санкт-Петербург, Россия, 2017, т. 1864. 7 c.

[26] Jayalakshmi T., Santhakumaran Dr.A. Statistical Normalization and Back Propagation for Classification. International Journal of Computer Theory and Engineering, 2011, vol. 3, no. 1, pp. 89–93.

[27] Ogasawara E., Martinez L.C., De Oliveira D., Zimbrao G., Pappa G.L., Mattoso M. Adaptive Normalization: A Novel Data Normalization Approach for Non-Stationary Time Series. Proceedings of the International Joint Conference on Neural Networks, 2010, no. 5596746, doi: 10.1109/IJCNN.2010.5596746

[28] Nayak S.C., Misra B.B., Behera H.S. Impact of Data Normalization on Stock Index Forecasting. International Journal of Computer Information Systems and Industrial Management Applications, 2014, vol. 6, pp. 257–269.

[29] Осовский С. Нейронные сети для обработки информации. Москва, Финансы и статистика, 2002. 344 с.

[30] Борисов В.В., Федулов А.С., Зернов М.М. Основы гибридизации нечетких моделей. Москва, Горячая линия-Телеком, 2017. 100 с.