涡轮机CFD分析

分类: 流体解析(CFD) | 综合版 2026-04-06
CAE visualization for turbine cfd theory - technical simulation diagram
タービンCFD解析 — 段効率と仕事の基礎理論

理论与物理

概述

🧑‍🎓

涡轮CFD和压缩机有什么不同?


🎓

涡轮是从流体中提取能量的一侧。由于流动加速,不易发生像压缩机那样的大规模分离。取而代之,叶片冷却、二次流损失、跨音速激波成为主要课题。


级功与等熵效率

🧑‍🎓

涡轮的功如何表示?


🎓

从欧拉方程定义输出和效率。


$$ W = \dot{m}(h_{01} - h_{02}) = \dot{m} U (C_{\theta 1} - C_{\theta 2}) $$

$$ \eta_{is} = \frac{h_{01} - h_{02}}{h_{01} - h_{02s}} $$

$h_{02s}$ 是等熵膨胀后的焓。燃气轮机高压级的 $\eta_{is}=90\sim92\%$,低压级为$88\sim90\%$是现代设计水平。


叶片负荷系数

🧑‍🎓

如何评估叶片负荷的大小?


🎓

Zweifel叶片负荷系数是经典指标。


$$ Z_w = \frac{2(\tan\alpha_1 + \tan\alpha_2)\cos^2\alpha_2}{s/c_x} $$

$s$: 节距,$c_x$: 轴向弦长。$Z_w \approx 0.8$ 被认为是传统的优化值,但最近的高负荷设计中也有研究 $Z_w > 1.0$ 的情况。


软件选择

🧑‍🎓

涡轮CFD使用什么软件?


🎓

Ansys CFX + TurboGrid 在航空发动机制造商中使用最广泛。NUMECA FINE/Turbo 在多级涡轮的设置上效率高,罗尔斯·罗伊斯等公司使用。STAR-CCM+ 在 CHT(共轭传热)分析方面,对涡轮叶片冷却有优势。

Coffee Break 闲谈

涡轮效率理论的基石——朗肯循环与热效率(1859年)

量化蒸汽涡轮热效率的朗肯循环(Rankine Cycle)理论,由苏格兰工程师威廉·朗肯(William Rankine,1820-1872)确立。相对于卡诺效率,通过朗肯循环计算来求取实际蒸汽涡轮系统所能达到效率的方法,至今仍是发电厂设计的基础。从朗肯将蒸汽机的热力学分析整理成论文的1859年算起,165年后的今天,最新的燃气轮机联合循环(GTCC)发电已将热效率提升至64%。这一提升中约有三分之一得益于CFD带来的叶型优化(包括高温区域的冷却技术),160年前的理论框架与现代CFD相结合,至今仍在发挥作用。

各项的物理意义
  • 时间项 $\partial(\rho\phi)/\partial t$:想象一下拧开水龙头的瞬间。最初水流会不稳定地喷溅,过一会儿才会变成稳定的水流,对吧?描述这个“变化过程中”的就是时间项。心脏搏动导致血流脉动,发动机阀门每次开闭引起流动变化,这些都是非定常现象。那么定常分析是什么?就是“经过足够时间流动稳定后”的状态——也就是将此项设为零。计算成本大幅降低,因此先用定常求解是CFD的基本策略。
  • 对流项 $\nabla \cdot (\rho \mathbf{u} \phi)$:把落叶扔进河里会怎样?会被水流带着往下游漂,对吧?这就是“对流”——流体运动搬运物质的效果。暖风的暖气能送到房间另一端,也是因为空气这个“搬运工”通过对流输送热量。这里有趣的是——此项包含“速度×速度”,因此是非线性的。也就是说,流速加快时此项会急剧增强,变得难以控制。这就是湍流的根本原因。常见的误解:“对流和传导差不多”→ 完全不一样!对流是流动搬运,传导是分子传递。效率有天壤之别。
  • 扩散项 $\nabla \cdot (\Gamma \nabla \phi)$:有过在咖啡里倒入牛奶后放置的经历吗?即使不搅拌,过一会儿也会自然混合。那就是分子扩散。那么下一个问题——蜂蜜和水,哪个更容易流动?当然是水,对吧?因为蜂蜜的粘度($\mu$)高,所以不易流动。粘度越大,扩散项越强,流体的运动就变得“粘稠”。雷诺数小的流动(缓慢、粘稠)中扩散占主导。相反,Re数大的流动中对流占压倒性优势,扩散则成为配角。
  • 压力项 $-\nabla p$:注射器的活塞一推,液体就会从针头有力地射出,对吧?为什么?因为活塞侧压力高,针头侧压力低——这个压差产生了推动流体的力。水坝放水也是同样原理。天气图上等压线密集的地方会怎样?没错,会刮强风。“有压差的地方就会产生流动”——这就是纳维-斯托克斯方程压力项的物理意义。这里的误解点:CFD中的“压力”通常指表压而非绝对压力。切换到可压缩分析时结果突然出错,原因可能就是混淆了绝对压力/表压。
  • 源项 $S_\phi$:受热的空气会上升——为什么?因为比周围空气轻(密度低),被浮力推上去了。这个浮力作为源项添加到方程中。其他例子还有,燃气灶火焰产生化学反应热,工厂电磁泵对金属熔液施加洛伦兹力……这些都是“从外部向流体注入能量或力”的作用,都用源项表示。忘记源项会怎样?自然对流分析中忘记加入浮力,流体就完全不动——就像冬天房间里开了暖气,热空气却不上浮,得到这种物理上不可能的结果。
假设条件与适用范围
  • 连续介质假设:克努森数 Kn < 0.01(分子平均自由程 ≪ 特征长度)时成立
  • 牛顿流体假设:剪切应力与应变速率呈线性关系(非牛顿流体需要粘度模型)
  • 不可压缩假设(Ma < 0.3 时):将密度视为常数。马赫数0.3以上需考虑压缩性效应
  • 布西涅斯克近似(自然对流):仅在浮力项中考虑密度变化,其他项使用恒定密度
  • 不适用的情形:稀薄气体(Kn > 0.1)、超音速/高超音速流动(需要激波捕捉)、自由表面流动(需要VOF/Level Set等方法)
量纲分析与单位制
变量SI单位注意事项·换算备忘
速度 $u$m/s入口条件从体积流量换算时,注意截面积单位
压力 $p$Pa区分表压和绝对压力。可压缩分析使用绝对压力
密度 $\rho$kg/m³空气: 约1.225 kg/m³@20°C,水: 约998 kg/m³@20°C
粘性系数 $\mu$Pa·s注意与运动粘性系数 $\nu = \mu/\rho$ [m²/s] 混淆
雷诺数 $Re$无量纲$Re = \rho u L / \mu$。层流/湍流转换的判定指标
CFL数无量纲$CFL = u \Delta t / \Delta x$。直接关系到时间步长的稳定性

数值解法与实现

叶片冷却的重要性

🧑‍🎓

涡轮叶片冷却在CFD中如何处理?


🎓

高压涡轮的入口燃气温度达到1500~1800℃,远超叶片材料的耐热极限(镍基超合金约1000℃)。需要通过内部冷却通道和气膜冷却来降低叶片表面温度。


冷却模型的层级

🧑‍🎓

如何将冷却纳入CFD?


🎓

根据精度与成本的权衡,存在多个层级。


层级模型计算成本精度
L0无冷却流量(绝热壁)最低无冷却的基准评估
L1源项(质量/能量注入)气膜冷却的概算
L2离散孔(单独冷却孔边界条件)气膜效率的定量评估
L3解析冷却孔(孔网格化)最高精度但工作量巨大
L4CHT(流体+固体耦合)最高可预测叶片内部温度分布
🧑‍🎓

L3和L4实用吗?


🎓

单叶片的L3/L4已作为单体计算实用化。STAR-CCM+的CHT在此用途上评价很高。多级情况下的L3/L4目前还处于研究水平。


气膜冷却效率

🧑‍🎓

如何评估气膜冷却的效果?


🎓

由绝热气膜冷却效率定义。


$$ \eta_f = \frac{T_g - T_{aw}}{T_g - T_c} $$

$T_g$: 主流燃气温度,$T_{aw}$: 绝热壁面温度,$T_c$: 冷却空气温度。$\eta_f = 0$ 表示无冷却,$\eta_f = 1$ 表示完全冷却。CFD中通过输出叶片表面的绝热壁面温度来计算。

Coffee Break 闲谈

燃气轮机叶片CFD的数值设置——高温燃烧气体的物性与传热模型选择

燃气轮机叶片CFD分析中,工作气体(高温燃烧气体)物性值的准确设置,左右着传热预测的精度。燃烧后的气体是CO2·H2O·N2·O2的混合物,需要使用多项式近似或WSGG模型来设置温度依赖的比热Cp(T)·粘度mu(T)·导热系数k(T)。常用的“将1500K时的空气物性值作为常数使用”的近似方法,在高温侧会低估粘度10~15%,这成为叶片表面边界层厚度和HTC(传热系数)预测误差的原因。NASA的CHT(共轭传热)基准实验中,通过适当设置物性的多项式近似,CFD将叶片表面HTC分布与实验的误差控制在±8%以内,证明了物性设置精度是高温叶片CFD的基础。

迎风格式(Upwind)

一阶迎风:数值扩散大但稳定。二阶迎风:精度提高但有振荡风险。高雷诺数流动中必备。

中心差分(Central Differencing)

二阶精度,但Pe数 > 2时会发生数值振荡。适用于低雷诺数的扩散主导流动。

TVD格式(MUSCL、QUICK等)

通过限制器函数抑制数值振荡同时保持高精度。对激波或陡峭梯度的捕捉有效。

有限体积法 vs 有限元法

FVM: 自然满足守恒定律。CFD的主流。FEM: 对复杂形状·多物理场有利。SPH等无网格法也在发展中。

CFL条件(库朗数)

显式方法: CFL ≤ 1 为稳定条件。隐式方法: CFL > 1 也稳定,但影响精度和迭代次数。LES: 推荐 CFL ≈ 1。物理意义:一个时间步内信息传播不超过一个网格。

残差监控

连续性方程·动量·能量的各项残差下降3~4个数量级可判断为收敛。质量守恒残差尤其重要。

松弛因子

压力: 0.2~0.3,速度: 0.5~0.7 是一般的初始值。发散时降低松弛因子。收敛后可提高以加速。

非定常计算的内部迭代

在每个时间步内迭代直至收敛到定常解。内部迭代次数: 5~20次为参考值。残差在时间步间波动时需重新审视时间步长。

SIMPLE法的比喻

SIMPLE法是“交替调整”的方法。先假设求出速度(预测步),然后根据该速度修正压力以满足质量守恒(修正步),再用修正后的压力修正速度——反复进行这种“传球”过程以接近正确答案。类似于两人调整架子水平的作业:一人调整高度,另一人调整平衡,如此反复交替。

迎风格式的比喻

迎风格式是“站在河流中重视上游信息”的方法。站在河里的人看下游也无法知道水的来源——反映了“上游信息决定下游”这一物理的离散化方法。精度为一阶,但能正确捕捉流动方向,因此稳定性高。

实践指南

涡轮叶栅网格

🧑‍🎓

涡轮叶栅的网格和压缩机一样吗?


🎓

基本结构相同,但有涡轮特有的注意事项。


  • 后缘的薄度: 涡轮叶片后缘非常薄(0.3~0.8mm)。O型网格在后缘周围需要足够的网格
  • 冷却孔: L2/L3模型需要在冷却孔周围进行局部细化
  • 叶片表面的跨音速区域: 吸力面的超音速区和后缘激波的分辨

🧑‍🎓

后缘0.3mm的话网格也会相当细密吧。


🎓

后缘的O型网格在径向至少需要10个网格单元,后缘正后的尾迹区域也需要细化网格。TurboGrid的 trailing edge cutoff 功能可以控制后缘形状。


跨音速涡轮叶栅

🧑‍🎓

涡轮的流动会变成超音速吗?


🎓

高压涡轮中,叶间马赫数可达1.1~1.3。在吸力面加速到超音速后,从后缘发射出斜激波。准确预测该激波入射到相邻叶片的尾缘激波系统,是决定CFD精度的关键。


🧑‍🎓

分辨激波需要多少网格?


🎓

推荐激波方向正交的网格尺寸小于弦长的0.5%,激波前后至少有10个网格单元。使用自适应网格细化(AMR)将网格集中在激波位置也很有效。可以使用Fluent或STAR-CCM+的AMR功能。


性能预测精度

🧑‍🎓

涡轮CFD的精度如何?


🎓
指标精度
级效率(多级)±0.5~1.5个百分点
叶片表面压力分布良好(与实验定性一致)
叶片表面传热系数±10~2
関連シミュレーター

この分野のインタラクティブシミュレーターで理論を体感しよう

シミュレーター一覧

関連する分野

熱解析V&V・品質保証構造解析
この記事の評価
ご回答ありがとうございます!
参考に
なった
もっと
詳しく
誤りを
報告
参考になった
0
もっと詳しく
0
誤りを報告
0
Written by NovaSolver Contributors
Anonymous Engineers & AI — サイトマップ
关于作者