Hur kan numerisk simulering förklara isbildning på turbofanmotorer vid iskristallförhållanden?

Numeriska simuleringar av iskristaller i turbofanmotorer erbjuder insikt i komplexa processer där iskristaller transporteras, påverkar ytor och ackumuleras till is. Vid studier av isbildning i olika sektioner av motorn, såsom atmosfären, inloppet och efter fläkten, framgår hur partiklar förändras i storlek och bana. Särskilt kan storleken på iskristaller, från mikrometer till millimeter, och deras rörelse genom motorns komponenter kartläggas med hög precision, vilket ger en förståelse för var och hur is ackumuleras.

I turbofanmotorers booster-sektion, bestående av ingående led (IGV), rotorblad och utgångsled (EGV), har simuleringar visat hur smältandelen av iskristaller varierar längs med flödet. Smältandelen ökar markant i EGV-stadiet, vilket indikerar att förhållandena där främjar isbildning genom ackretion. Resultaten visar på mindre isuppbyggnad på själva EGV-bladet men betydande isansamlingar på dess yttre diameter. Detta är avgörande för att förstå vilka delar av motorn som är mest utsatta och behöver särskilda skyddsåtgärder.

De modeller som utvecklats inom ramen för europeiska projekt som HAIC och MUSIC-haic har möjliggjort integrering av iskristallsspecifika processer i befintliga 2D- och 3D-verktyg för isbildning, ursprungligen utformade för superkylt vattengivande is. Modellerna täcker partikeltransport, påverkan på ytor samt isackretion, och inkluderar numera även effekter av uppvärmda ytor. Detta är av stor vikt eftersom isbildning på uppvärmda ytor kräver att ackretionsmodellen kopplas tätt till en termisk solver, vilket gör att simuleringen kan fånga den dynamiska balansen mellan värmeöverföring och isuppbyggnad.

Att förstå och förutsäga isbildning i turbofanmotorer är en komplex kombination av aerodynamik, termodynamik och partikelfysik. Isens påverkan på motorprestanda och säkerhet är avgörande att modellera med hög noggrannhet för att utveckla effektiva motåtgärder, som exempelvis optimerade värmeskyddssystem och materialval. Det är även viktigt att beakta att verkliga förhållanden ofta innebär heterogena partikelstorlekar och sammansättningar, vilket gör monodispersionsantaganden förenklade men ändå användbara för grundläggande förståelse.

Förutom de mekaniska och termiska aspekterna är det avgörande att ha ett helhetsperspektiv där simuleringar valideras mot experimentella data. Det är också nödvändigt att kontinuerligt utveckla modeller som kan beskriva övergångar mellan olika isbildningsfaser, såsom från fast is till smältande och återfrysande, samt inkludera dynamiken i isfragmentering och dess påverkan på aerodynamiska ytor.

Endast genom att integrera dessa olika fysikaliska och kemiska processer i en sammanhängande modell kan man skapa robusta verktyg för prediktion och förebyggande av isbildning, vilka är avgörande för säkerheten och effektiviteten i flygindustrin.

Hur Optimering av Elektrotermiska Iskydds System Kan Minimera Strömförbrukning och Isbildning

MADS-algoritmen består av två grundläggande steg som upprepas för varje iteration. Första steget kallas söksteget, där vissa punkter från nätet Mk väljs för att utvärdera objektivfunktionen. Därefter inleds poll-steget, vilket är unikt för MADS-algoritmen jämfört med andra Pattern Search-algoritmer. Under poll-steget genereras ett nytt nät inom samma uppsättning av nD-riktningar runt den nuvarande lösningen med ett nätstorlek Δp k > Δm k, definierat som:
Pk = xk + Δp k d : d ∈ D Mk.

En av de största begränsningarna i MADS-algoritmen är dess lokala karaktär, vilket innebär att den initiala punkten måste väljas med omsorg. Beroende på denna initiala punkt riskerar algoritmen att fastna i ett lokalt minimum. För att minska denna risk utförs tio körningar med slumpmässigt valda startpunkter från designutrymmet för att öka chansen att algoritmen konvergerar mot en global optimal lösning.

I optimeringen av iskyddssystem är målet att förhindra isbildning på ytan med så liten energiförbrukning som möjligt. Två huvudsakliga angreppssätt kan beaktas. Det första syftar till att minimera den energi som krävs av iskyddssystemet (IPS) samtidigt som man säkerställer att ingen eller endast begränsad isbildning sker. Det andra försöker minimera bildandet av återskridande is (runback ice) givet en fastställd effektbudget. Båda dessa optimeringsstrategier behandlas i de följande sektionerna: "Minimering av Strömförbrukning Under Olika Restriktioner" och "Minimering av Återskridande Isbildning."

Vid deterministisk optimering beaktas en fast designpunkt. Specifikt gäller detta de nominella molnegenskaperna för att minimera strömförbrukningen samt ett värsta fall-scenario för att minimera återskridande isbildning. Det är viktigt att notera att även om det numeriska ramverket är validerat för den baseline-konfiguration som presenteras i tidigare forskning, är alla de optimerade designer som presenteras här resultatet av numeriska optimeringsprocedurer och att experimentell validering av de optimerade designerna ännu inte har utförts.

För att minimera strömförbrukningen under olika begränsningar övervägs två olika typer av restriktioner. Den första restriktionen påverkar direkt isbildningen, vilket innebär att designer som resulterar i isbildning anses vara otillåtna. Den kvantitet som intresserar här är isackretionshastigheten, som är direkt kopplad till isens tjocklek och massa, något som ofta används vid certifiering. I faktisk drift förblir frysningsmassahastigheten ofta konstant över tid, vilket innebär att isbildning under drift måste hållas under en viss nivå.

För att säkerställa symmetri i isbildningen används istället en L2-norm för frysningsmassan på både trycksidan och sug-sidan av luftflödet:
M_ice = √(M_ice,PS^2 + M_ice,SS^2).
Detta säkerställer att symmetriska isbildningar prioriteras bland alla möjliga konfigurationer som har samma isackretionshastighet.

I båda optimeringsfallen ingår designvektorn P, som omfattar värmeflödena för varje uppvärmningsenhet (q_IPS,i), och begränsningarna hanteras med extrembarriärmetoden. Optimeringsproblemen kan skrivas som:

Minimera: P
Restriktioner: q_IPS,i ∈ [0, 46500] W/m², M_ice = 0 kg/s.

För det andra optimeringsproblemet:
Minimera: P
Restriktioner: Tsurf ∈ [280.15, 294.15] K.

Efter ungefär 300-400 funktionsutvärderingar, där objektivfunktionen pendlar, stabiliseras effekten som krävs, vilket innebär att algoritmen har nått konvergens. Detta beteende observeras även för det andra optimeringsproblemet där värdeutvecklingen för restriktionen visas i figurerna. Vid slutet av körningen kan dock objektivfunktionens värde variera från körning till körning, vilket innebär att den globala optima kanske inte har uppnåtts. Detta var förväntat eftersom objektivfunktionen är linjär med avseende på designparametervektorn, men när restriktionerna tas i beaktande införs icke-linjäriteter, vilket kan påverka optimeringens resultat.

Hur påverkar hastighet och temperatur superkylda stora droppars nedslag och isbildning?

Studier av superkylda stora droppar (SLD) som slår mot ytor visar att både dropparnas temperatur och hastighet har avgörande betydelse för isbildningens karaktär och tjocklek. När en droppar med en diameter på cirka 3,4 mm och en hastighet runt 2,2 m/s träffar en iskall yta (−11 °C), varierar tjockleken på det kvarvarande islager beroende på droppens temperatur. Ju kallare droppen är, desto tjockare blir det is som bildas efter nedslaget. Vid högre dropp-temperaturer, som −11 °C, påverkar ytspänningen i högre grad och får det kvarvarande islager att dra sig samman och bilda en konkav iskupol.

När hastigheten ökar, särskilt i studier med droppar på 0,5 mm i diameter och hastigheter upp till 50 m/s, förändras isbildningsmönstret markant. Vid låga hastigheter (5–20 m/s) syns tydliga isavlagringar, men när hastigheten når 50 m/s sker knappt någon isbildning alls på ytan. Detta beror på att dendritisk tillväxt av is – där isstrukturer växer ut i trädliknande mönster – är starkt beroende av superkylningens grad, och vid mycket höga hastigheter hinner inte dessa strukturer utvecklas innan droppen studsar eller sprider sig. Simuleringarna visar att för att is skall börja bildas krävs närvaro av ispartiklar som startar superkyld solidifiering. Under verkliga flygförhållanden kan andra faktorer som snabba förändringar i tryck eller densitet också initiera isbildning, men detta kräver ytterligare forskning för att inkluderas i numeriska modeller.

Den numeriska metoden som använts är en parallelliserad tredimensionell SPH-modell (smoothed particle hydrodynamics) som löser flödesdynamik och värmeöverföring samtidigt som fasförändringar och superkyld solidifiering simuleras. Modellen kombinerar luft-, vatten- och isfaser, och tar hänsyn till ytspänning och icke-vätande ytegenskaper genom en avancerad kontaktvinkelmodell. Dessutom införs artificiell viskositet och diffusionsled för att stabilisera beräkningarna och motverka numeriska instabiliteter.

Simuleringar av SLD-impingement på isyta visar tydligt att lägre superkylning och högre hastighet ger tunnare kvarvarande islager. Samtidigt bekräftas att förflyttningen och tillväxten av dendritisk is är komplex och känslig för både termiska och dynamiska faktorer. Modellen erbjuder därför en viktig verktygslåda för att förstå och förutsäga in-flight icing, ett kritiskt fenomen inom flygteknik där isbildning på flygplansytor kan påverka säkerheten.

Utöver de direkta resultaten är det väsentligt att förstå att isbildning vid höga hastigheter inte enbart styrs av termodynamik och vätskeflöde utan också kan påverkas av mikro- och nanoskaliga fenomen som kärnbildning (nukleation) som ännu inte är helt kartlagda. Det krävs fortsatt forskning för att identifiera dessa mekanismer och integrera dem i modellerna för att uppnå fullständig förståelse och förbättrade prediktioner. Således är SLD-fenomenet ett mångfacetterat problem där vätskefysik, termodynamik och materialvetenskap möts, och där avancerade numeriska verktyg som SPH är ovärderliga för att simulera verkliga förhållanden.