Grant/Projek zakończony
Model neuronowy do wyznaczania wzorców sprawnej pracy dla diagnostyki cieplno-przepływowej łopatkowych poddźwiękowych kanałów przepływowych turbin parowych
Identyfikator grantu: PT00672
Kierownik projektu: Anna Butterweck
Politechnika Gdańska
Wydział Inżynierii Mechanicznej i Okrętownictwa
Gdańsk
Data otwarcia: 2018-05-08
Data zakończenia: 2023-02-03
Streszczenie projektu
Celem badań jest rozwój metody obliczeniowej opartej o sztuczne sieci neuronowe, która zostanie zastosowana do cieplno - przepływowej diagnostyki turbin parowych.
Badania wykonywane są w ramach pracy doktorskiej.
Obecnie narzędzia diagnostyczne dla siłowni turbinowych są oparte o tzw. metody 1D, które pozwalają ocenić przybliżony stan techniczny turbiny w oparciu o wyniki pomiarów. Pomiary dokonywane są zwykle w rurociągach, np. na dolocie i wylocie z turbiny, w upustach.
Ze względu na wysokie ciśnienie i temperaturę panujące w turbinach niemożliwym jest dokładne zmierzenie parametrów czynnika roboczego wewnątrz turbin. Ponadto ew. czujniki zaburzałyby przepływ generując straty.
Na podstawie pomiarów z modelu 1D, możliwymi do wykonania są symulacje komputerowej mechaniki płynów (CFD) pokazujące zachowanie czynnika roboczego wewnątrz kanału przepływowego. Program w którym wykonywane są symulacje CFD (często ANSYS FLUENT) rozwiązują nieliniowy układ równań mechaniki płynów co jest bardzo czasochłonne.
Dla diagnostyki cieplono - przepływowej turbin kluczowym jest czas wykonywania obliczeń. Rozpowszechnione programy CFD charakteryzują się zbyt długim czasem obliczeń, dlatego zaczęto poszukiwać innych metod obliczeniowych które pozwolą na uzyskanie rozkładów ciśnienia i temperatury w kanale przepływowym.
W ramach badań rozpoczęto rozwój metody obliczeniowej o sztuczne sieci neuronowe (SSN). Metoda ta wymaga treningu SSN, gdyż same SSN nie posiadają właściwości odpowiadających fizyce symulowanego zjawiska. Trening SSN odbywa się w oparciu o przeliczone, już wcześniej, za pomocą CFD przypadki. Następnie dla innych przypadków, które nie zostały użyte do treningu modelu neuronowego, sprawdzane jest działanie stworzonego modelu.
Jak dotąd uzyskano obiecujące wyniki dla geometrii dwu i trój wymiarowej. Obecnie trwają prace nad udoskonaleniem metody trójwymiarowej opartej o SSN.
Do wykonania i rozwoju modelu opartego o sztuczne sieci neuronowe niezbędnym oprogramowaniem jest Ansys CFD, Matlab + Neural Network Toolbox + SIMULINK.
Badania wykonywane są w ramach pracy doktorskiej.
Obecnie narzędzia diagnostyczne dla siłowni turbinowych są oparte o tzw. metody 1D, które pozwalają ocenić przybliżony stan techniczny turbiny w oparciu o wyniki pomiarów. Pomiary dokonywane są zwykle w rurociągach, np. na dolocie i wylocie z turbiny, w upustach.
Ze względu na wysokie ciśnienie i temperaturę panujące w turbinach niemożliwym jest dokładne zmierzenie parametrów czynnika roboczego wewnątrz turbin. Ponadto ew. czujniki zaburzałyby przepływ generując straty.
Na podstawie pomiarów z modelu 1D, możliwymi do wykonania są symulacje komputerowej mechaniki płynów (CFD) pokazujące zachowanie czynnika roboczego wewnątrz kanału przepływowego. Program w którym wykonywane są symulacje CFD (często ANSYS FLUENT) rozwiązują nieliniowy układ równań mechaniki płynów co jest bardzo czasochłonne.
Dla diagnostyki cieplono - przepływowej turbin kluczowym jest czas wykonywania obliczeń. Rozpowszechnione programy CFD charakteryzują się zbyt długim czasem obliczeń, dlatego zaczęto poszukiwać innych metod obliczeniowych które pozwolą na uzyskanie rozkładów ciśnienia i temperatury w kanale przepływowym.
W ramach badań rozpoczęto rozwój metody obliczeniowej o sztuczne sieci neuronowe (SSN). Metoda ta wymaga treningu SSN, gdyż same SSN nie posiadają właściwości odpowiadających fizyce symulowanego zjawiska. Trening SSN odbywa się w oparciu o przeliczone, już wcześniej, za pomocą CFD przypadki. Następnie dla innych przypadków, które nie zostały użyte do treningu modelu neuronowego, sprawdzane jest działanie stworzonego modelu.
Jak dotąd uzyskano obiecujące wyniki dla geometrii dwu i trój wymiarowej. Obecnie trwają prace nad udoskonaleniem metody trójwymiarowej opartej o SSN.
Do wykonania i rozwoju modelu opartego o sztuczne sieci neuronowe niezbędnym oprogramowaniem jest Ansys CFD, Matlab + Neural Network Toolbox + SIMULINK.
Publikacje
- Anna Butterweck, OBTAINING FLUID FLOW PATTERN FOR TURBINE STAGE WITH NEURAL MODEL., Journal of Polish CIMAC 1/5, (2019) 45-50