 Rotor vor Optimierung | |
Um den aerodynamischen Auslegungsprozess von Verdichterschaufeln bzw. Verdichterprofilen zu beschleunigen und um effizientere Beschaufelungen zu entwickeln, wurde im Institut ein automatischer Optimierer AutoOpti entwickelt. Da die aerodynamische Auslegung von Verdichtern immer einen Kompromiss zwischen den unterschiedlichsten Anforderungen darstellt (z.B. Wirkungsgrad, Totaldruckverhältnis, Massenstrom, Umlenkung, Pumpgrenzabstand, etc.) die zusätzlich für alle relevanten Betriebspunkte im Arbeitsbereich des Verdichters berücksichtigt werden müssen, wurde bei der Entwicklung von AutoOpti besonderer Wert auf die Möglichkeit zur simultanen Optimierung mehrerer Zielfunktionen gelegt (Stichwort: multi-objective Optimierung).
Der Kern der Optimierungsalgorithmen beruht dabei auf der Evolutionsstrategie welche, gemäß dem Beispiel der Natur, mittels der iterativen Anwendung der Operatoren Selektion und Vererbung eine Verbesserung bestimmter Zielfunktionen bzw. Anforderungen erlaubt. Die Bewertung einzelner Individuen erfolgt dabei über den sog. Paretorang, welcher ein Maß für die Güte der bereits bewerteten Parametersätze unter Berücksichtigung aller Zielfunktionen darstellt.
Rotor nach Optimierung |
Neben diesen klassischen Merkmalen der Evolutionsstrategie wurden in AutoOpti eine Vielzahl von Verifikationen implementiert die alle das Ziel verfolgen den gesamten Optimierungsprozess zu beschleunigen. So ist z.B. der Kernoptimierer mittels MPI parallelisiert um auf Großrechnern eingesetzt werden zu können. Des Weiteren verläuft die Prozessteuerung asynchron um eine optimale Ausnutzung aller an der Optimierung beteiligten Prozessoren zu garantieren. Neben diesen hardwarenahen Beschleunigungsmethoden beruht die Hauptbeschleunigung der Evolutionsstrategie innerhalb von AutoOpti (softwareseitig) auf der Nutzung von effizienten Metamodellen (oder Antwortflächen). Hierbei werden alle bereits bewerteten Geometrien aus einer Datenbasis, bestehend aus Designparametern und Zielfunktionswerten, eingelesen und mittels neuronaler Netze und/oder Kriging-Modellen approximiert und/oder interpoliert. Anschliessend erfolgt eine temporäre Optimierung auf diesen Antwortflächen und nachfolgend werden nur die optimalen Datensätze auf den Antwortflächen an die numerisch kostspielige Prozesskette:
Schaufelerzegung à Netzerzeugung à Geometrische Restriktionen à Strömungslösung à Post à Zielfunktionsberechnung
Prozesskette 3D Optimierung | |
versendet. In diesem Sinne stellen die Antwortflächen also einen neuen Vererbungsoperator dar, welcher möglichst viel versprechende Geometrien erzeugt.
Die Bilder zeigen ein Ergebnis der automatischen Optimierung eines gegenläufigen Fans (rechts initialer Fan, links wirkungsgradoptimierter Fan). Es ist deutlich zu erkennen, dass das lokale Rückstromgebiet hinter dem Stoß des ersten Rotors mittels einer komplexen Fädelung vermieden wird, wodurch sich der isentrope Wirkungsgrad der gesamten Stufe um ca. 1,5 % verbessert.
Der von der AG Turbo mitfinanzierte Arbeitsbereich 3D Optimierung kooperiert mit den folgenden Partnern:
Veröffentlichungen: