从每个风扇叶片的尾部注入粒子,并按流向速度进行颜色编码(红色表示高速度,蓝色表示低速度),为了可视化的目的,机舱被隐藏。表面的颜色由离墙第二网格点处的流向速度决定(红色表示高速度,蓝色表示低速度)。每个叶片尾迹涡卷的滚动和分解是明显的,叶片末端涡系统内部的复杂气动相互作用也是显而易见的。
NASA为该机构未来十年的计算流体动力学能力设定了几个目标,包括全飞机引擎模拟。因此,能够准确可靠地模拟发动机旋转叶片级联产生的复杂流动物理现象的能力是非常可取的。然而,尝试捕捉大量湍流气动和气动声学数据的整个空气呼吸式涡轮风扇喷气发动机的时间精确模拟,在计算上是非常昂贵的。在NASA艾姆斯研究中心的一个研究团队的目标是通过使用滑动网格技术,来降低这些复杂模拟的成本,这促进了计算模型中静止和旋转部分之间的流动变量的通信。这种仿真方法避免了每次时间步长都必须执行的昂贵连通性任务。艾姆斯团队已经使用自家开发的结构化曲线计算流体动力学求解器——发射、上升和车辆空气动力学 (Launch, Ascent, and Vehicle Aerodynamics, LAVA) 框架,实现了这种新方法,并且目前正在使用NASA源头诊断测试活动的数据进行验证。
要捕捉旋转涡轮风扇的噪声信号的主要特征,需要获得足够长的时间窗口的时序精确解数据,通常在十个或更多的风扇旋转周期左右。有了捕捉高频音调所需的大型数值网格,这些仿真需要的计算资源只有在世界上最大的高性能计算(HPC)设施中才能获得,例如NASA高级超级计算(NAS)设施。
所有仿真都在NASA高级超级计算(NAS)设施的Pleiades超级计算机上运行。每次仿真在20核Intel "Skylake"节点上运行,仅用于获取十个风扇旋转的数据,就使用了超过480,000个核心小时和数十太字节的短期磁盘存储。
到目前为止的一个关键结果是,非定常雷诺平均纳维-斯托克斯(URANS)计算出人意料地能够预测发动机风扇叶片排下游发展的平均流场,特别是与使用混合RANS/大涡模拟方法进行的尺度解析仿真相比。这支持了URANS可能足以捕捉涡轮风扇组件产生的音调噪声内容的前提。
本项工作所获得的结果将与NASA源头诊断测试活动期间获得的实验数据进行比较,该测试是在NASA Glenn研究中心的低速消声风洞进行的,并将用于确定滑动网格技术在LAVA软件框架内的工作原理。
该项目的下一步将是彻底比较通过仿真预测的涡轮风扇模型周围的气动声学场与风洞实验中捕获的数据,目标是验证LAVA求解器准确模拟这一复杂流动环境的能力。