ارائه‌کننده: سجاد داوری

استاد راهنما: دکتر فتح اله امّی

استاد مشاور: دکتر زهیر صبوحی

استاد ناظر داخلی اول: دکتر امین فرخ آبادی

استاد ناظر داخلی دوم: دکتر ابراهیم کدیور

استاد ناظر خارجی اول: دکتر وحید اصفهانیان

استاد ناظر خارجی دوم: دکتر آرش شمس طالقانی

تاریخ: 1404/12/12

ساعت: 10 صبح

مکان: دانشکده مهندسی مکانیک، کلاس 251

چکیده:

 امروزه انواع موتورهای توربینی در صنعت تولید انرژی و هوانوردی کاربرد گسترده‌ای دارند. بااین‌حال، در سال‌های اخیر نگرانی‌های زیست‌محیطی موجب شده است که موضوع انتشار آلاینده‌ها با حساسیت بیشتری موردتوجه قرار گیرد. انتشار آلاینده‌هایی همچون ذرات معلق (PM) می‌تواند منجر به بروز بیماری‌های قلبی–عروقی و ریوی شده و در نهایت باعث کاهش طول عمر طبیعی انسان و همچنین تشدید تغییرات اقلیمی گردد. یکی از منابع اصلی تولید این آلاینده‌ها موتورهای توربینی هستند. دوده، نوعی از ذرات معلق غیرفرار اولیه است که به طور مستقیم از محفظه احتراق منتشر می‌شود. ازآنجاکه اندازه این ذرات بسیار کوچک است، بخش عمده‌ای از دوده منتشر شده از محفظه احتراق موتورهای هوایی در گروه PM2.5قرار می‌گیرد. نگاهی به قوانین و استانداردهای زیست‌محیطی حوزه هوانوردی نشان می‌دهد که نیاز به توسعه و بهینه‌سازی نسل جدیدی از محفظه‌های احتراق با سطح انتشار آلاینده به‌مراتب پایین‌تر از نمونه‌های متداول گذشته امری اجتناب‌ناپذیر است.

روش‌های سنتی طراحی محفظه احتراق که عمدتاً بر پایه سعی و خطا و تجربیات پیشین استوار بودند، دیگر پاسخگوی الزامات کنونی نیستند. در مقابل، طراحی بهینه با بهره‌گیری از توان محاسباتی امروزی می‌تواند تعداد بسیار بیشتری از متغیرهای طراحی را در نظر گرفته و در زمان کوتاه‌تری نسبت به روش‌های مرسوم به نتایج مطلوب دست یابد. در این رویکرد، فرایند زمان‌بر سعی و خطا با یک الگوریتم بهینه‌سازی خودکار جایگزین می‌شود.

در این راستا، به‌منظور بهینه‌سازی هم‌زمان سه پارامتر هندسی کلیدی محفظه احتراق، رویکردی ترکیبی مبتنی بر مدل‌سازی عددی، شبکه‌های عصبی مصنوعی (ANNs) و الگوریتم ژنتیک چندهدفه اصلاح‌شده (NSGA-II) پیشنهاد شده است. در گام نخست، از روش مدل‌سازی اجزا برای مطالعه میدان جریان داخلی و تعیین ابعاد مقدماتی استفاده می‌شود. سپس جهت شبیه‌سازی فرایند احتراق، شبکه رآکتور شیمیایی (CRN) همراه با مدل‌های تکمیلی نظیر مدل تبخیر قطرات، مدل هم‌ارزی غیریکنواخت و مدل پیش‌بینی دوده به کار گرفته می‌شود. نتایج حاصل از این شبیه‌سازی‌ها برای آموزش شبکه عصبی مورداستفاده قرار گرفته و در نهایت، الگوریتم تکاملی چندهدفه (NSGA-II) برای بهینه‌سازی طراحی اعمال می‌شود.

هدف از این فرایند، ارتقای عملکرد احتراقی و حرارتی محفظه احتراق و درعین‌حال کاهش آلاینده‌ها، به‌ویژه ذرات معلق غیرفرار (nvPM)، است. به‌منظور انتخاب راه‌حل نهایی بهینه، روش تصمیم‌گیری چندمعیاره TOPSIS (تکنیک اولویت‌بندی بر اساس شباهت به راه‌حل ایده‌آل) به کار گرفته می‌شود. نتایج نشان می‌دهد که با این رویکرد، آلاینده‌های CO تا 7.1%، NOx  تا 4.9% و nvPM  تا 16% نسبت به مقادیر اولیه کاهش می‌یابند. این دستاورد می‌تواند گامی مهم در توسعه محفظه‌های احتراق توربین گاز با راندمان بالاتر و آلایندگی کمتر باشد. این رویکرد و نتایج آن بر اساس داده‌های موتور CFM56-7B27 ارزیابی و اعتبارسنجی شده‌اند.