Geometrie eines Radialkompressor-Laufrades optimieren

Anbieter zum Thema

CADFEM Germany GmbH

GWJ Technology GmbH

KISSsoft AG

Dynardo GmbH

Vorgeschaltete Sensitivitätsanalyse empfohlen

In den nächsten Schritten optimierten die Wissenschaftler das Laufrad nach CFD- und FEM-relevanten Aspekten. Dazu exportierten sie die in der Ansys-Workbench definierten Parameter nach OptiSlang und beschrieben die genannten Optimierungsziele durch Ziel- und Grenzzustandsfunktionen.

Eine multidisziplinäre Optimierung, die sowohl FEM- als auch CFD-Simulationen umfasst, ist mit erheblichem numerischem Aufwand verbunden. Um den notwendigen Berechnungsaufwandes zu reduzieren, ist eine der Optimierung vorgeschaltete Sensitivitätsanalyse empfehlenswert. Damit können einflussreiche Eingangsgrößen identifiziert und somit eine Filterung und Reduktion der Parameter in der Optimierung ermöglicht werden. Die hierfür benötigten Algorithmen stellt OptiSlang in einem vollautomatischen Workflow zur Verfügung.

Abhängig von der Anzahl der Eingangsparameter wird in OptiSlang ein Design of Experiments (DOE) mithilfe stochastischer Samplingmethoden über den gesamten Parameterraum erstellt. Im nächsten Schritt wird für jeden Design Punkt ein Geometriemodell und daraus je ein FEM- und ein CFD-Netz generiert. Liegen die Ergebnisse aller Design Punkte vor, folgt die Bewertung in OptiSlang. Anhand von Zusammenhangsmodellen zwischen den Ein- und Ausgangsgrößen lassen sich die einflussreichen Eingangsparameter identifizieren.

Metamodel of Optimal Prognosis ermittelt Metamodell

Bevor das zuvor reduzierte Parameterset zur Optimierung eingesetzt wird, bietet OptiSlang die Möglichkeit, die bereits für die Sensitivitätsanalyse gerechneten Design Punkte für einen ersten Optimierungsschritt zu nutzen. Dies geschieht mit dem „Metamodel of Optimal Prognosis“ (MOP). Dabei ermittelt OptiSlang aus einer Vielzahl geeigneter Metamodelle und in möglichen Unterräumen wichtiger Parameter das Metamodell, welches die höchste Prognosegenauigkeit der Variation der Ergebnisgrößen hat. Basierend auf diesem Metamodell ist es nun möglich, ein vielversprechendes Startdesign für die nachfolgende Optimierung zu finden, ohne weitere Solveraufrufe durchzuführen zu müssen. Nur das auf dem Metamodell identifizierte Startdesign muss anhand einer weiteren numerischen Berechnung validiert werden.

Im nächsten Schritt wird eine Optimierung mit der reduzierten Anzahl an Inputparametern durchgeführt (GlobalOpt). Mit Hilfe des Metamodel of Optimal Prognosis (MOP) wird eines der in OptiSlang vorhandenen Metamodelle ausgewählt, das die simulierten Designs am besten abbildet. Auf Basis dieses Metamodells folgen innerhalb dieses Optimierungsschrittes (GlobalOpt) weitere Optimierungen, ohne dass weitere Simulationen von zusätzlichen Designs erforderlich sind.

Automatisierte Optimierungsmethoden ermöglichen Spannungsreduktion

Dabei werden Optimierungsmethoden wie beispielsweise Gradienten basierende Optimierungen (GB), Naturinspirierte Optimierungen mit evolutionärem Algorithmus (EA), generischem Algorithmus (GA) und Particle Swarm Optimization (PSO) verwendet. Innerhalb dieses Optimierungsschrittes wählten die Forscher dann das „Best Design“ aus und verwendeten es als Startgeometrie für den nachfolgenden Optimierungsschritt FineOpt. Dieser Schritt läuft äquivalent zu GlobalOpt ab, jedoch werden hier die Variationsbereiche der sensitiven Inputparameter stark verkleinert.

Im Ergebnis belegen die drei-dimensionalen Plots als auch die Auswertung der strömungs- und festigkeitsmechanischen Kenngrößen deutlich, dass die gesetzten Ziele sehr gut erreicht werden. Durch den Einsatz moderner automatisierter Optimierungsmethoden ist eine Spannungsreduktion bei gleichzeitigem Erhalt der guten strömungsmechanischen Eigenschaften möglich. Das Optimierungsziel ist mit insgesamt 560 Samples erreicht worden. Ohne das effektive Zusammenwirken aller Softwarekomponenten in der Ansys Workbench sowie der hoch entwickelten Metamodelle der Software OptiSlang wäre dieses Ziel entweder mit erheblich größerem Zeitaufwand oder überhaupt nicht realisierbar gewesen. (jup)

(ID:35333000)