{pt_PT=Optimization of Performance of Axial Turbines through Endwall Contouring} {} EVALUATED

Detalhes: {pt=Os métodos tradicionais usados no melhoramento do desempenho de turbomáquinas tornaram-se obsoletos devido ao desenvolvimento tecnológico. Novos métodos recorrem à mecânica dos fluidos computacional (MFC) para otimizar o problema desejado. Estes métodos são caracterizados por um custo computacional elevado uma vez que é necessário simular através de MFC cada nova geometria criada pelo algoritmo de otimização. As redes neuronais artificiais podem ser usadas para aproximar as computações MFC e reduzir o poder computacional requerido para fazer uma otimização. O contorno da parede final foi validado como uma ferramenta eficaz para a redução de perdas em turbinas. O objetivo do contorno da parede final é reduzir o gradiente de pressão transversal na parede final através do principio de curvatura das linhas de corrente, traduzindo-se numa redução da carga de pá na região do cubo e da caixa exterior. Este trabalho consistiu na realização de três processos de otimização diferentes (A, B e C). Os resultados mostraram que o contorno da parede final levou a um aumento considerável do rendimento isentrópico. A otimização A levou a um aumento de 0.99%, a otimização B a um aumento de 0.16%, e por fim, a otimização C a um aumento de 0.94%. Esta tese demonstrou não só que o contorno do cubo e da caixa exterior é uma boa técnica para o aumento do desempenho de turbinas, mas também que o uso conjunto de algoritmos de otimização e redes neuronais artificiais é um método inovador de criar melhores geometrias com menos recursos computacionais., en=Nowadays, the performance improvement of turbomachinery through traditional methods have reached a plateau, so the state of the art optimization methods make use of computational fluid dynamics in order to solve fluid flow problems. The optimization methods using CFD are procedures with a high computational cost since a CFD simulation must be performed for each geometry generated by the optimization algorithm. Artificial neural networks can be used to approximate the CFD computations and reduce the computational power needed to perform an optimization. End wall profiling has been validated as an effective tool for the reduction of secondary losses in turbines. End wall profiling leads to fully three-dimensional hub and shroud surfaces. The aim of the end wall profiling is to reduce the transverse pressure gradient at the end wall through the principle of streamline curvature which results in reducing the blade loading in the end wall region and therefore controlling the end wall flows. This work consisted in performing three different optimization procedures (A, B and C). The results showed that the end wall profiling led to a considerable increase of the total-to-total efficiency. Optimization A led to an efficiency increase of 0.99%, optimization B increased 0.16% and optimization C increased 0.94%. This work shows that end wall contouring is a good technique to achieve improvement in the performance of a turbine. It also demonstrates that the use of optimization algorithms associated with the artificial neural networks is an innovative way of creating new improved geometries with less computational power.}

Discussão: dezembro 7, 2017, 9:30

Publicação

Obra sujeita a Direitos de Autor

Orientação

AUTOR

Duarte Filipe Cartaxo dos Santos (ist176328)

ORIENTADOR

João Eduardo De Barros Teixeira Borges

Departamento de Engenharia Mecânica (DEM)

Professor Associado