PRESENTACIÓN PACHUCA .pptx

Pachuca

1. Instituto Politécnico Nacional Escuela Superior de Ingeniería Mecánica y Eléctrica Sección de Estudios de Posgrado e Investigación Unidad Zacatenco Predicción de rendimiento aerodinámico en compresores axiales transónicos de alto índice de derivación mediante redes neuronales M en C. Luis Cuauhtémoc Sosa Manzo Director de Tesis: Dr. Luis Alfonso Moreno Pacheco

2. Desarrollar y entrenar un modelo de red neuronal profunda utilizando conjuntos de datos de campos de flujo generados mediante dinámica de fluidos computacional (CFD) de compresores axiales transónicos con características operativas distintas, con el fin de predecir parámetros clave de rendimiento aerodinámico - incluyendo eficiencia isentrópica, relación de presiones, incremento de temperatura y carga aerodinámica - durante las etapas preliminares del proceso de diseño de nuevos compresores axi ales transónicos . Objetivo

3. Diseño de una red neuronal profunda multicapa. Conjunto de 100 compresores diversos en sus características geométricas y operativas para mayor diversidad de datos de entrenamiento y validación de la red neuronal. Consideraciones

4. Introducción La constante búsqueda por mejorar el desempeño de las turbinas de gas, está centrada en 3 áreas [1]. Incremento de la temperatura del fluido de trabajo en la cámara de combustión [2]. Modificación del ciclo base [2]. Incremento de la eficiencia de los componentes de la turbina de gas.

5. Turbofan El motor turbofan, es un motor a reacción con aplicación directa en la propulsión aérea, originalmente fue concebido como un método para aumentar la eficiencia de los motores turborreactor. Gloster E28/39 15 Mayo 1941 Boeing 777-300ER 18 Julio 2023

6. Turbofan Evolución de turborreactor a turbofan

7. Turbofan Componentes de un turbofan

8. Fan como compresor axial Operación básica del Fan Compresor axial de baja presión. Mueve grandes flujos másicos a baja velocidad. Genera el 74% del empuje total en un motor turbofan . Uno de los elementos más estudiados en turbomaquinaria para optimizar.

9. Fan como compresor axial Operación básica del Fan Mediante una corona rotora ( rotor ) de álabes incrementa la energía cinética y la presión total del flujo de aire. Posterior al rotor, hay una corona estatora ( estator ) que redirige el flujo del aire. La interacción rotor-estator se traduce en la aceleración del flujo en el rotor y una desaceleración en el estator, por lo tanto, un aumento de presión estática en el flujo ( compresión ).

10. Diseño del Fan Datos iniciales para el diseño del fan Tabla de datos iniciales para el diseño del fan a estudiar

11. Diseño del Fan Diseño tridimensional El diseño tridimensional del álabe implica la apilación de los perfiles de cada radio mediante el concepto de línea de apilamiento , la cual, define la forma en las que los perfiles se apilan en la dirección radial. Diseño final del álabe base

12. Diseño del Fan Diseño tridimensional Rotor base completo Altura del rotor [m] 1.10m Número de álabes 20 álabes Cuerda de radio de raíz [m] 0.19m Cuerda de radio medio [m] 0.41m Cuerda de radio de punta [m] 0.64m

13. Aerodinámica del compresor Los efectos que causan disipación de energía son inherentes al flujo real. Estos efectos llamados “irreversibilidades”, degradan el rendimiento del fan y originan un aumento en la entropía del fluido. Comparar el rendimiento real con el teórico , es una medida apropiada de su eficiencia real. L a relación rendimientos se conoce como “ eficiencia isentrópica”. Aerodinámica del compresor Turbofan ideal Turbofan real Ciclo ideal vs. real

14. Descripción del problema Ondas de choque en el radio de raíz Ondas de choque en el radio medio Ondas de choque en el radio de punta Las complejidades en el comportamiento del flujo en este tipo de compresores, representa un reto mayúsculo para los equipos de diseño, así como un elevado costo y tiempo de desarrollo. La tendencia es reducir los costos y tiempos de desarrollo para estos compresores que son altamente demandados en la industria aeronáutica, es por eso que se comienzan a explorar nuevas técnicas de diseño y validación de diseños. Aerodinámica del compresor

15. Descripción del problema Las complejidades en el comportamiento del flujo en este tipo de compresores, representa un reto mayúsculo para los equipos de diseño, así como un elevado costo y tiempo de desarrollo. La tendencia es reducir los costos y tiempos de desarrollo para estos compresores que son altamente demandados en la industria aeronáutica, es por eso que se comienzan a explorar nuevas técnicas de diseño y validación de diseños. Aerodinámica del compresor

16. Redes Neuronales Una red neuronal es un modelo computacional inspirado en el cerebro humano, compuesto por  capas de nodos (neuronas)  interconectados que procesan información. Aprenden  a partir de datos, ajustando pesos en las conexiones. Se usan  en reconocimiento de patrones, predicción, clasificación, etc. Tipos comunes : redes neuronales artificiales (ANN), convolucionales (CNN) y recurrentes (RNN). Funcionamiento básico : Entrada  → Datos ingresan a la red. Procesamiento  → Cálculos en capas ocultas (con funciones de activación). Salida  → Resultado ( ej : clasificación). Ejemplo: Reconocimiento de imágenes, traducción automática. Redes neuronales

17. Redes Neuronales Esquema de Redes Neuronales Capa de entradas Capas ocultas Capa de salida Redes neuronales

18. Entrenamiento de una Red Neuronal Redes neuronales

19. Aerodinámica Computacional del Fan Redes neuronales

20. Aerodinámica Computacional del Fan Generación del dominio computacional Discretización del dominio computacional Redes neuronales

21. Redes neuronales

22. Redes neuronales

23. Redes neuronales

24. Optimización Proceso de mejora generacional mediante Evolución Diferencial

25. Optimización Álabe base Álabe optimizado

26. Optimización Fan base Fan optimizado

27. Las redes neuronales, son una herramienta potencial para la reducción de tiempos y costos de desarrollo aerodinámico de compresores axiales transónicos. Su alta versatilidad y capacidad de aprendizaje, permitirán a los equipos de desarrollo, lograr mejores diseños desde etapas previas en un menor tiempo, y un menor costo. No se pretende desechar herramientas tan completas como lo son la experimentación en túneles de viento y la validación numérica mediante CFD, sino ser un complemento de estas técnicas de desarrollo para acortar los tiempos y costos de diseño. Las redes neuronales pueden ser aplicadas como evaluadoras de funciones objetivo a optimizar en fases iniciales del desarrollo del compresor, evitando el extensivo uso de recursos computacionales y logrando mejores resultados. C onclusiones

28. Gracias!