مطالعه رفتار جریان سیال در توربوماشین ها با استفاده از روش های CFD

توربوماشین ها از جمله توربین های گازی، کمپرسورها و فن ها، اجزای کلیدی در صنایع هوافضا، انرژی و حمل ونقل هستند که عملکرد آنها به شدت وابسته به رفتار پیچیده جریان سیال در مراحل مختلف است. در سال های اخیر، شبیه سازی عددی جریان سیال (CFD) به عنوان ابزاری قدرتمند برای تحلیل و بهینه سازی عملکرد این سیستم ها مطرح شده است. پیشرفت در روش های عددی، قدرت محاسباتی و الگوریتم های هوش مصنوعی، منجر به تحولات عمیقی در دقت و کارایی شبیه سازی های CFD شده است. این مقاله مروری، به بررسی جامع روش های CFD در تحلیل جریان در توربوماشین ها می پردازد، با تمرکز بر شبیه سازی های با وفاداری بالا (High-Fidelity Simulations)، شامل دینامیک عددی مستقیم (DNS)، شبیه سازی گردابه های بزرگ (LES) و شبیه سازی ترکیبی رینولدز-گردابه های بزرگ (Hybrid RANS-LES). همچنین، نقش مدل های آشفتگی سنتی و توسعه مدل های داده محور و هوش مصنوعی در بهبود دقت پیش بینی ها مورد بررسی قرار می گیرد. در این مطالعه، به بررسی چالش های موجود در شبیه سازی جریان در توربوماشین ها از جمله اثرات آشفتگی، تعامل بین لایه های مرزی و گردابه های ناپایا، و تاثیر نشتی های محوری و شعاعی پرداخته می شود. همچنین، نقش شبیه سازی های با وفاداری بالا در درک مکانیسم های فیزیکی اساسی مانند جدایش جریان، بازگشت جریان و انتقال حرارت در توربین های فشار پایین مورد تحلیل قرار می گیرد. علاوه بر این، کاربرد الگوریتم های یادگیری ماشین در توسعه مدل های بسته بندی آشفتگی (Turbulence Closures) و بهینه سازی طراحی توربوماشین ها بررسی شده است. در نهایت، پیشنهاداتی برای جهت گیری های آینده در تحقیقات CFD ارائه شده و نتیجه گیری های کلی درباره نقش حیاتی CFD در توسعه توربوماشین های کارآمدتر، سبک تر و پایدارتر ارائه می شود.

کلیدواژه ها:

توربوماشین ، CFD ، شبیه سازی با وفاداری بالا ، آشفتگی ، هوش مصنوعی ، یادگیری ماشین ، شبیه سازی گردابه های بزرگ (LES) ، دینامیک عددی مستقیم (DNS) ، مدل های RANS ، بهینه سازی طراحی