A new high-fidelity transient aerothermal model for real-time simulations of the T700 helicopter turboshaft engine

Bu makale, T700 helikopter turboşaft motorunun çeşitli çalışma koşulları altında maruz kalabileceği kritik geçiş koşullarının simülasyonu amacı ile geliştirilen yeni bir zaman-bağıl aerotermal modeli sunmaktadır. Kullanılan algoritma motor bileşenlerini temsil eden diferansiyel ve cebirsel denklem setlerinden oluşmaktadır. Kompresör haritası çok katmanlı bir yapay sinir ağı kullanılarak temsil edilmiştir. Türbin soğutması ve sızdırmazlık sistemi basınçlandırması için kullanılan kompresör havası ile soğutma havasının ana akış ile karışması da modellenmektedir. Motor geçiş koşulları değişimi sırasındaki debi ve güç dengesizlikleri, sırası ile, bileşenler-arası hacim ve zamana-bağımlı tork denklemi kullanılarak modellenmiştir. Her motor istasyonundaki gaz özellikleri lokal sıcaklığın fonksiyonu olan ampirik denklemler kullanılarak belirlenmektedir. Açık ve kapalı devre simülasyonlar yapılmış ve daha önceki çalışmalarda yayınlanan veriler ile karşılaştırılmıştır. Hem kararlı hal durumunda hem de geçiş durumunda daha önceki veriler ile uyumluluk gözlemlenmiştir. Model ile beraber çalışan bir kontrolcü kullanılarak yapılan kapalı-devre simülasyonlar, çeşitli yükleme-boşaltma durumlarındaki motor parametrelerinin değişiminin başarılı bir şekilde simüle edilebileceğini göstermiştir. Modelin gerçek-zamanlı çalışabilme kabiliyeti de kontrol edilmiş ve hesaplama için harcanan bir zaman adımının fiziksel simülasyon zaman adımının 2/3’ü olduğu görülmüştür.

T700 helikopter turboşaft motoru gerçek-zamanlı simülasyonları için yeni bir yüksek sadakat seviyeli zaman-bağıl aerotermal model

This paper presents a new transient aero-thermal model of the T700 helicopter turboshaft engine that is developed in order to simulate the critical transients that it may suffer during various operational conditions. The algorithm is composed of a set of differential equations and a set of non-linear algebraic equations representing each engine component. The compressor map is represented through a multi-layer neural network. The compressor bleed for turbine cooling and seal pressurization as well as the mixing of the turbine coolant flow with mainstream are also modelled. Mass flow and power imbalances during engine transients are modelled using the inter-component volumes method and the unsteady torque equation, respectively. Gas properties are calculated at each engine station using empirical relations that are functions of the local temperature. Open and closed-loop simulations are performed and the results are checked with previously published simulation data. Comparisons show good agreement both for steady state levels and transient responses. The model working in a closed-loop configuration together with a controller showed good potential in terms of simulating the variations of various engine related parameters during transient loading-unloading operations. The real-time capability of the model is also demonstrated such that the computational time taken by a single time step is about 2/3 of the time step of the physical simulation.

PDF

___

Al-Hamdan, Q. Z. and Ebaid, M. S. Y., Modelling and Simulation of a Gas Turbine Engine for Power Generation, ASME Journal of Engineering for Gas Turbines and Power 128, 302-311, 2006.
Ballin, M. G., A High-Fidelity Real-Time Simulation of a Small Turboshaft Engine, NASA-TM-100991, 1988.
Bozzi, L., Crosa, G. and Trucco, A., Simplified Block Diagram of Twin Shaft Gas Turbines, Proceedings of ASME Turbo Expo Power for Land, Sea and Air, 2003.
Camporeale, S. M., Fortunato, B. and Mastrovito, M., A Modular Code For Real-Time Dynamic Simulation of Gas Turbines in Simulink, ASME Journal of Engineering for Gas Turbines and Power 128, 506-517, 2006.
Camporeale, S. M., Fortunato, B. and Mastrovito, M., A High Fidelity Real-Time Simulation Code of Gas Turbine Dynamics For Control Applications, ASME paper GT-2002-30039, 2002.
Chappel, M. S. and Cockshutt, E. P., Gas Turbine Cycle Calculations: Thermodynamic Data Tables for Air and Combustion Products for Three Systems of Units, NRC No: 14300, Ottawa, Canada, 1974.
Fawke, A. J. and Saravanamuttoo, H. I. H., Digital Computer Methods for Prediction of the Gas Turbine Dynamic Response, SAE Paper 710550, SAE Mid-Year meeting, Montreal, Canada, 1971.
Gaudet, S. R., Development of a Dynamic Modeling and Control System Design Methodology for Gas Turbines, Master of Applied Science Thesis, Department of Mechanical and Aerospace Engineering, Carleton University, Ottawa, Ontario, Canada, 2007.
Ghorbanian, K. and Gholamrezaei, M., An Artificial Neural Network Approach to Compressor Performance Prediction, Applied Energy 86, 1210-1221, 2009.
Hagan, M. T. and Menhaj, M., Training feedforward networks with the Marquardt algorithm, IEEE Transactions on Neural Networks 5, 6, 989-993, 1994.
Kocer, G., Aerothermodynamic Modeling and Simulation of Gas Turbines for Transient Operating Conditions, MS Thesis, Department of Aerospace Engineering, Middle East Technical University, 2008.
Kocer, G., Uzol, O. and Yavrucuk, I., Simulation of the Transient Response of a Helicopter Turboshaft Engine to Hot Gas Ingestion, Proceedings of ASME Turbo Expo 2008: Power for Land, Sea and Air, GT2008-51164, June 9-13, Berlin, Germany, 2008.
Korakianitis, T., Hochstein, J. I. and Zou, D., Prediction of the Transient Thermodynamic Response of a Closed-Cycle Regenerative Gas Turbine, ASME Journal of Engineering for Gas Turbines and Power, 127, 57-64, 2005.
Kurzke, J., How To Get Component Maps For Aircraft Gas Turbine Performance Calculations, Proceedings of The International Gas Turbine and Aeroengine Congress and Exhibition, 1996.
Lichtsinder, M. and Levy, Y., Jet Engine Model For Control and Real-Time Simulations, ASME Journal of Engineering for Gas Turbines and Power, 128, 745-753, 2006.
Walsh, P. P. and Fletcher, P., Gas Turbine Performance, Blackwell Science, Oxford, 1998.
Yu, Y., Chen, L., Sun, F. and Wu, C., Neural-Network Based Analysis and Prediction of a Compressor’s Characteristic Performance Map, Applied Energy, 84, 48-55, 2007.