收稿日期:2023- 04- 06修回日期:2023- 08- 26
基金项目:中国工程院战略研究与咨询项目(2022-XY-06)
作者简介:尚现伟(1996—),男,博士生,研究领域为液体火箭发动机系统动力学。
基金项目:中国工程院战略研究与咨询项目(2022-XY-06)
作者简介:尚现伟(1996—),男,博士生,研究领域为液体火箭发动机系统动力学。
航天动力系统分析软件发展途径思考
1.北京航空航天大学 宇航学院,北京 102206; 2.中国航天员科研训练中心,北京 100094
Consideration on the development of aerospace propulsion system analysis software
SHANG Xianwei1, QIN Zheng2, JIN Ping1, CAI Guobiao1
1.School of Astronautics, Beijing University of Aeronautics and Astronautics, Beijing 102206, China; 2.Astronaut Research and Training Center of China, Beijing 100094, China
aerospace propulsion system; industrial software; models and solvers; CAE; intelligentization
DOI: 10.3969/j.issn.1672-9374.2024.02.001
备注
摘要
全文
图/表
参考文献
航天动力系统分析软件是推进航天技术发展的重要基石,但目前国内相关软件与国外前沿还存在较大差距,亟待明确我国高水平自主可控的航天动力系统分析软件的发展方向。首先对大型通用分析软件的发展历程进行了系统梳理,剖析了其发展趋势; 并进一步分析了航空发动机领域中使用的典型分析软件发展规律与特征; 通过借鉴上述软件的研发经验,结合目前航天动力系统分析软件的发展现状,提出了我国相关软件的发展方向与发展途径。研究建议,分3个阶段逐步突破具有航天动力特色的通用仿真平台开发、软件模型与求解器研发、数据融合与管理这3大方向,最终形成多领域、多物理场、多维度、智能化并集成数据融合管理的航天动力系统智能化分析软件体系,为我国航天技术的稳健发展提供有力支撑。
Aerospace propulsion system analysis software is an important cornerstone to promote the development of space technology, but there is still a big gap between domestic and foreign software, and it is urgent to determine the development direction of China's high-level autonomous and controllable aerospace propulsion system analysis software. The development history of large-scale general analysis software is systematically sorted out and its development trend is analyzed. The development rules and characteristics of typical analysis software used in the aero-engine field are further analyzed. By referring to the above software development experience and combining it with the current development status of aerospace propulsion system analysis software, the development direction and approach of relevant software in China is put forward. The study proposes to break through the three major directions of general simulation platform development, software model and solver development, and intelligent data fusion and management with aerospace propulsion characteristics in three stages. Eventually, an intelligent analysis software system for aerospace propulsion system with multi-domain, multi-physical field, multi-dimension, intelligence and integrated data fusion management will be formed, which will provide strong support for the steady development of China's aerospace technology.
引言
经过60余年的发展,中国航天取得了举世瞩目的成就。从1970年长征一号运载火箭成功发射第一颗人造卫星东方红一号,到2003年第一艘载人飞船“神舟五号”搭载首位宇航员顺利升空,再到2022年中国空间站全面建成,航天动力系统发挥着不可替代的关键作用。动力系统作为航天发展的基石,必须确保其高效可靠地完成发射任务。为此,在设计阶段就需要建立各类高精度模型并开展大量的分析工作,全面考察各种工况下航天动力系统的各项指标。其中一些功能强大的分析软件已经在航天动力系统中得到广泛使用,并发挥了至关重要的作用,如ANSYS、ABAQUS、Nastran、AMESim等。这些国外计算机辅助工程(CAE)产品功能完善、性能优异,已经占据了全球超过90%的市场份额,而我国的相关软件与世界先进水平存在着明显差距[1]。
近年来,国外在科技领域的壁垒日益升高,国外软件对中国禁令越来越多,如2019年,美国EDA软件对中国禁用; 2020年,Mathworks旗下的工业软件MATLAB对我国部分高校禁用; 2022年,UI设计协作工具软件Figma对我国部分民营企业禁用。随着国外工业软件厂商禁用范围的扩大,可能会波及航天动力系统所使用的国外相关软件,加之我国尚未研发出被行业普遍认可和接受的航天动力系统分析软件[2],使得我国航天事业发展和信息安全存在极大隐患。因此亟待调研相关软件的发展现状,提炼软件特点与趋势,为我国航天动力系统分析软件指明发展方向,突破这一“卡脖子”技术。
本文对航空航天动力系统分析过程中所涉及的典型通用分析软件,以及航空发动机和航天发动机的专用分析软件进行研究,分析相关软件的发展历程、主要特点及发展趋势。初步提出我国研发航天动力系统分析软件的方向与途径,为我国后续航天动力系统分析软件的论证和研制提供参考。
1 大型通用分析软件发展历程与趋势
2 航空发动机软件发展历程与趋势
3 航天发动机分析软件
航天发动机工作在极端力热载荷下,对燃烧流动及热结构的数值仿真提出了更高要求。航天发动机的应用、系统及核心组件如图 15所示,涉及复杂热力系统的燃烧流动、传热、结构场、多学科优化设计及系统仿真等。极端恶劣工况和复杂结构使得航天发动机的数值仿真尤为复杂,计算难度较大。在航天发动机设计和仿真过程中,前文提及的ANSYS、ABAQUS、Nastran、AMESim等大型通用分析软件占主导,也涉及一些专用分析软件,如EcosimPro、CARINS和NPSS等。
图 15 液体火箭发动机应用、系统及组件
Fig.15 Liquid rocket engine applications, systems and components3.1 EcosimProEcosimPro是西班牙EAI公司的多学科系统仿真工具,是ESA火箭和卫星推进系统的标准建模工具,对于航天发动机的系统级仿真有较好的适用性[33]。
EcosimPro在航天发动机方面建立了大量仿真模型,一方面可以对设计经验、数据等信息进行固化,另一方面降低了使用难度,提高了仿真效率。EcosimPro的航天发动机仿真模型库如图 16所示,包含了燃烧室、涡轮泵、再生冷却、阀门、管路、容腔、贮箱、转子等模型[34]。
图 16 EcosimPro 航天发动机仿真模型
Fig.16 EcosimPro aerospace engine simulation modelsEcosimPro于1999年对外发布3.0版本,包含基本的发动机仿真模型。2005年发布4.0版,进行了模型和求解器的优化。2016年发布5.6版本,进行了模型的扩展,对于软件整体架构进行了优化。从应用现状来看,EcosimPro在欧洲各大航天机构得到广泛应用,并且处于不断发展阶段,软件的模块在一直更新迭代中,能够逐渐适用于更加复杂的仿真问题[35]。
3.2 CARINSCARINS是一种多功能、灵活的工具,用于液体火箭发动机动态特性预测。自2000年起,法国空间研究中心(CNES)和法国国家航空航天科研局(ONERA)联合研制了通用化液体火箭发动机瞬变过程仿真工具CARINS。CARINS使用面向对象编程语言编写,具备易于用户操作的图形界面,并通过计算机代数系统实现模型的自动生成[36-37]。
自2016年以来,CARINS已逐步转变编程语言,以简化代码的维护,选择Python进行软件的重开发,CARMEN GUI界面如图 17所示[38]。基于CARINS开发了专用的集成策略,使用Fortran到Python的接口生成器实现。目前正在将每个基本组件从标准CARINS库迁移到CARMEN库,并对其物理建模进行了完整的修订和改进[39]。
图 17 CARMEN GUI界面
Fig.17 CARMEN GUI interfaceCARINS在研发完成后,对于航天动力系统有较强的针对性,但后续缺少进行软件的持续更新和优化,导致在航天动力系统方面的应用受限。
3.3 NPSS美国航空航天局NASA和美国国防部(United States Department of Defense,DOD)在1989年提出了“推进系统数值仿真平台”(Numerical Propulsion System Simulation,NPSS)的研究计划。该计划的主要目的是设计、分析和评估推进系统的各个部件、子系统和多学科工程,减少研究和试验费用,并提供高保真的三维动态多学科集成设计和分析模型,最终实现推进系统/飞行器的一体化综合仿真。NPSS主要功能模块如图 18所示[40]。
图 18 NPSS主要功能模块
Fig.18 Main function modules of NPSSNPSS的发展分为3个阶段:第一阶段为技术准备阶段(1989—1996年),主要进行软件的顶层设计和工程模块的关键技术研究; 第二阶段为集成调试阶段(1997—2001年),主要以NCP、ADPAC、APNASA、NCC等模块为核心,以稳态气动热力仿真为重点; 第三阶段为发展应用阶段(2002—2010年),以多学科、非定常综合仿真为重点,将气动/传热/燃烧耦合仿真和流-固-热多物理场耦合仿真技术作为核心。NPSS已经在推进系统的建模仿真得到了广泛的应用,如图 19所示[40]。
图 19 NPSS 推进系统仿真建模案例
Fig.19 Propulsion system simulation modeling case in NPSSNPSS软件的主要应用领域、应用单位及相关项目如图 20所示,包括火箭推进系统建模与仿真、航空发动机系统建模以及其他热力系统分析[41]。客户包括罗罗、通用电气、波音、洛克达因、NASA等知名航空航天相关企业[42-43]。
通过以上对典型航天发动机专用分析软件发展过程的梳理,可以发现航天发动机专用软件主要集中在系统级仿真,在此基础上逐渐向多学科仿真发展,如NPSS平台。最后,应用领域不断扩大,从初始的推进系统仿真发展到整机三维稳态/过渡态多学科综合仿真[44]。航天发动机专用分析软件的发展方向之一为多领域多物理场和多维度集成,包括复杂模型和求解器研发,以应对更为复杂的仿真场景并达到更高计算精度和效率。
图 20 NPSS主要应用场景
Fig.20 The main application scenarios of NPSS4 航天动力系统分析软件发展方向与途径
5 结论
本文对航天动力系统分析软件的发展方向及发展阶段进行了探讨。基于通用仿真平台开发、仿真模型及求解器研发和数据管理这3个方向,分3个阶段开展软件的研发工作,层层递进完成各阶段发展目标。最终形成多领域、多物理场、多维度、智能化并集成数据融合管理的航天动力系统智能化分析软件体系,缩小与国外的差距,突破国外壁垒,保障我国航天事业的发展和信息安全。
4.1 航天动力系统分析软件发展方向国内方面,近年来自主研发工业软件持续加速发展。在通用分析软件方面,2007年,大连理工大学基于结构有限元分析与优化软件JIGFEX/DDJ/JIFEX,启动了SiPESC平台研发。目前该平台构建了系统集成、结构分析、结构拓扑优化等模块[45-46]。2009年,同元软控发布商业软件MWORKS,在我国数字空间站工程中得到深入应用[47-48]。2020年,中国空气动力研究与发展中心发布国产计算流体力学软件NNW-FlowStar,专注于航空航天领域复杂气动特性分析和多体运动仿真[49-50]。在航天动力系统专用分析软件方面,2003年,国防科技大学研发了补燃循环液氢/液氧发动机系统瞬变过程的模块化建模和仿真软件LRETMMSS[51]。北京航空航天大学徐旭团队针对高超声速流动研发了专用软件,采用格心型非结构有限体积法求解Navier-Stokes方程,对高空、高马赫数流动计算精度较高[52]。虽然我国的工业软件已经取得了长足发展,但与国外成熟商业软件相比,在仿真模型复杂度、求解器性能及软件适应性方面差距较大。
由于目前国际形势极不稳定,国外对我国的技术封锁持续加强,发展国产工业软件刻不容缓。航天动力系统作为我国航天发展的基石,需求尤为迫切。需要通过总结大型通用分析软件和航空发动机分析软件的发展历程、发展特点及发展趋势,并结合目前航天发动机专用分析软件的研发现状,提出我国高水平自主可控的航天动力系统分析软件的发展方向和实施途径。在航天动力系统分析软件领域,如系统仿真软件、流场仿真软件和结构场仿真软件等,可按照通用仿真平台开发、仿真模型及求解器研发和数据管理这3个方向发展,如图 21所示。
4.1.1 具有航天动力特色的通用仿真平台开发目前国外已经积极布局,大力发展多物理场多维度的通用仿真平台,我国应积极跟进。通用仿真平台的自主研发需要统一接口,进行软件的模块化集成。通过模块化集成来融合不同学科、不同物理场仿真,采用基于模块的方法全面支撑通用仿真平台架构。通过多层次、多学科、多维度及多物理场的仿真来验证通用仿真平台。
图 21 航天动力系统分析软件发展方向与发展阶段
Fig.21 Development directions and stages of aerospace propulsion system analysis software4.1.2 仿真分析模型及求解器研发国外在原有软件架构的基础上,持续开发新的求解器及仿真模型,结合深度学习技术,提高软件适应性。我国在此方面还有差距,需要在模型及求解器方面进一步发展,并结合深度学习技术,如数据驱动、机理驱动及数据机理融合等方法。在模型方面,需要针对流场开发适用于复杂物理过程的湍流、燃烧、多相流等模型,针对结构场建立复杂弹塑性、黏塑性及黏塑性损伤等本构模型。在求解器方面,需要开发适应于航天动力系统复杂流固热问题的高精度高效率求解器。在深度学习技术应用方面,需要结合适用性强的数据驱动建模技术,提高软件性能及适用性。通过对CAE类软件模型及求解器的深入研发,建设具有自主产权的智能化仿真软件体系。
4.1.3 数据融合与管理航天动力系统在仿真和试验中产生海量数据,数据对于建立和校核仿真模型至关重要,需要对数据进行智能化高效管理。其中数据管理分为试验和仿真数据管理两方面,对于发动机试验数据,主要包含组件冷流试验、热试试验、可靠性试验、历史数据和相似发动机数据等。发动机仿真数据包括了组件系统特性、燃烧流动、热结构及可靠性仿真数据等。需要针对航天动力系统数据特点,结合深度学习方法,充分挖掘数据潜在机理,研发数据智能化融合管理模块。
4.2 航天动力系统分析软件发展途径通过对以上3个发展方向进行重点突破,可全面具体地布局和开展航天动力系统分析软件研发工作。在建立具有航天动力特色的通用仿真平台的基础上发展模型和求解器,最后融合智能化数据管理模块,打破国外技术壁垒,实现航天动力系统分析软件的全面发展。基于以上3个发展方向,我国航天动力系统分析软件研发可分3个阶段展开。
第一阶段,通过模块化集成建设完成多领域通用仿真平台。选择一款符合要求的现有国产通用分析软件,进行深度二次开发,通过模块化集成,对上述各类软件进行融合。目标是所研发的仿真分析软件能够基本满足需求,初步构建完成具有航天动力特色的通用仿真平台。
第二阶段,完善通用仿真平台中的仿真模型和求解器。通过完善各类仿真模型和求解器,满足复杂问题仿真求解的需求。结合深度学习技术,提高模型及求解器智能化水平。目标是完善各类模型和求解器,具备智能化特征,能够实现航天动力系统多领域多物理场耦合仿真。
第三阶段,进行通用仿真平台中系统仿真、流场和结构场仿真的深度模块化集成。同时,发展智能化数据融合与管理平台,建立行之有效的智能化分析方法。目标是实现仿真模块深度集成和智能化数据管理。
- [1] 高亮,李培根,黄培,等.数字化设计类工业软件发展策略研究[J].中国工程科学,2023,25(2):254-262.
- [2]臧雪静, 李也然, 王庆国, 等. 加快培育我国航天领域工业软件启示建议[J]. 航天工业管理, 2022(8): 53-55.
- [3]黄志新. ANSYS Workbench 16.0超级学习手册 [M]. 北京: 人民邮电出版社, 2018.
- [4]叶书睿, 郝文宇, 孙直, 等. 考虑增材制造悬垂约束的传力机架轻量化设计方法[J]. 火箭推进, 2023,49(4): 26-35.
- [5]MATSSON J E. An introduction to ANSYS fluent 2022[M]. Singapore: SDC Publications, 2022.
- [6]张晟, 金平, 蔡国飙. 推力室冷却通道结构可靠性仿真及参数敏感性分析[J]. 航空动力学报, 2018,33(11): 2651-2659.
- [7]LEE H H. Finite element simulations with ANSYS workbench 2022: theory, applications, case studies [M]. Singapore: SDC Publications, 2022.
- [8]尚现伟, 张强, 金平, 等. 超弹性橡胶膜片疲劳寿命及可靠性分析[J]. 导弹与航天运载技术, 2022(3): 47-52.
- [9]QI Y Q, JIN P, LI R Z, et al. Dynamic reliability analysis for the reusable thrust chamber: a multi-failure modes investigation based on coupled thermal-structural analysis[J]. Reliability Engineering & System Safety, 2020, 204: 107080.
- [10]祖磊, 葛庆, 李德宝, 等. 基于ABAQUS的固体火箭发动机复合材料壳体快速化建模方法及验证分析[J]. 固体火箭技术, 2022, 45(1): 67-75.
- [11]杨磊, 郭治斌, 尤春艳, 等. 一种基于ABAQUS的火箭弹部段连接刚度模型修正方法研究[J]. 机械, 2021, 48(12): 43-48.
- [12]HÖTTE F, HAUPT M C. Transient 3D conjugate heat transfer simulation of a rectangular GOX-GCH4 rocket combustion chamber and validation[J]. Aerospace Science and Technology, 2020, 105: 106043.
- [13]叶莺樱. 某新型发动机结构振动特性分析[D]. 北京: 中国运载火箭技术研究院, 2019.
- [14]HORNE S. MSC/NASTRAN[M]//Finite element systems. Berlin: Springer, 1982: 287-294.
- [15]MACNEAL R H.The NASTRAN theoretical manual[M]. American: Scientific and Technical Information Office, 1970.
- [16]GASPARETTO V E L, REID J, PARSONS W P, et al. Multi-objective design optimization of multiple tuned mass dampers for attenuation of dynamic aeroelastic response of aerospace structures[J]. Aerospace, 2023,10(3): 235.
- [17]GOMEZ A, SMITH H. Liquid hydrogen fuel tanks for commercial aviation: structural sizing and stress analysis[J]. Aerospace Science and Technology, 2019, 95: 105438.
- [18]ABDUL-AZIZ A. Assessment of crack growth in a space shuttle main engine first-stage high-pressure fuel turbopump blade[J]. Finite Elements in Analysis and Design, 2002, 39(1): 1-15.
- [19]高庆, 王建民, 王晓晖, 等. 基于Nastran动力学优化的频响函数模型修正方法[J]. 导弹与航天运载技术, 2010(3): 39-42.
- [20]陈文英, 张兵志. 基于Patran和MSC Nastran的压电智能桁架结构振动模态分析[J]. 计算机辅助工程, 2013, 22(S1): 179-182.
- [21]李宇峰, 晏明生, 安宁, 等. 基于MSC.Nastran/HyperWorks的薄壁圆筒隔框结构拓扑优化设计[J]. 强度与环境, 2015, 42(4): 35-39.
- [22]WANG Z F, FANG J, SONG Z J, et al. Study on speed sensor-less vector control of induction motors based on AMESim-matlab/simulink simulation[J]. Energy Procedia, 2017, 105: 2378-2383.
- [23]付永领, 祁晓野. AMESim系统建模和仿真: 从入门到精通[M]. 北京: 北京航空航天大学出版社, 2006.
- [24]GILBERT CHANDRA D, VINOTH B, SRINIVASULU REDDY U, et al. Recurrent neural network based soft sensor for flow estimation in liquid rocket engine injector calibration[J]. Flow Measurement and Instrumentation, 2022, 83: 102105.
- [25]ZHOU C, YU N J, CAI G B, et al. Comparison between the dynamic characteristics of electric pump fed engine and expander cycle engine[J]. Aerospace Science and Technology, 2022, 124: 107508.
- [26]RAHME S, MESKIN N. Adaptive sliding mode observer for sensor fault diagnosis of an industrial gas turbine[J]. Control Engineering Practice, 2015, 38: 57-74.
- [27]BERTONI M, JOHANSSON C, LARSSON T C. Methods and tools for knowledge sharing in product development[M]//BORDEGONI M, RIZZI C. Innovation in Product Design. London: Springer, 2011.
- [28]STAFFORD J, NEWPORT D, GRIMES R. A compact modeling approach to enhance collaborative design of thermal-fluid systems[J]. Journal of Electronic Packaging, 2014, 136(1): 011004.
- [29]ALEXIOU A, TSALAVOUTAS A, PONS B, et al. Assessing alternative fuels for helicopter operation [J]. Journal of Engineering for Gas Turbines and Power, 2012, 134(11): 35-47.
- [30]BALA A, SETHI V, GATTO E L, et al. PROOSIS:a collaborative venture for gas turbine performance simulation using an object oriented programming schema[C]//18th ISABE Conference. Beijing: [s.n.], 2007.
- [31]REDON R, LARSSON A, LEBLOND R, et al. VIVACE context based search platform[C]//6th International and Interdisciplinary Conference on Modeling and Using Context. Roskilde, Denmark: ACM, 2007.
- [32]MOROZ L, BURLAKA M, BARANNIK V, et al. Liquid rocket propulsion launcher design system to train AxSTREAM. AI. reusability aspects[C]//8th European Conference for Aeronautics and Space Science. Reston, Virginia: AIAA, 2019.
- [33]LEONARDI M, DI MATTEO F, STEELAN T J, et al. Thrust chamber modelling for the analysis of liquid rocket engine transients[C]//Space Propulsion Conference. [S.l.]:[s.n.], 2014.
- [34]EINICKE K. Mixture ratio and combustion chamber pressure control of an expander-bleed rocket engine with reinforcement learning[D]. Dresden: TU Dresden, 2021.
- [35]LEONARDI M, NASUTI F, DI MATTEO F, et al. A methodology to study the possible occurrence of chugging in liquid rocket engines during transient start-up[J]. Acta Astronautica, 2017, 139: 344-356.
- [36]ORDONNEAU G, ALBANO G, MASSE J. CARINS: a future versatile and flexible tool for engine transient prediction[C]//4th International Conference on Launcher Technology “Space Launcher Liquid Propulsion”. Corsica Island: ESA, 2002.
- [37]IANNETTI A, MARZAT J, PIET-LAHANIER H, et al. Fault diagnosis benchmark for a rocket engine demonstrator[J]. IFAC-PapersOnLine, 2015, 48(21): 895-900.
- [38]CLIQUET E, IANNETTI A, MASSE J. Carmen, liquid propulsion systems simulation platform[J]. Progress in Propulsion Physics, 2011, 2: 695-706.
- [39]IANNETTI A, PALERM S, MARZAT J, et al. HMS developments for the rocket engine demonstrator Mascotte[C]//51st AIAA/SAE/ASEE Joint Propulsion Conference. Reston, Virginia: AIAA, 2015.
- [40]金捷. 美国推进系统数值仿真(NPSS)计划综述[J]. 燃气涡轮试验与研究, 2003, 16(1): 57-62.
- [41]CARTER R E, SMITH B M, CLEARY S C, et al. An integrated hybrid-electric airplane, propulsion and power sizing method[C]//AIAA SCITECH 2022 Forum. Reston, Virginia: AIAA, 2022.
- [42]CARTER R E, AGARWAL R K. Development of a liquid hydrogen combustion high bypass geared turbofan model in NPSS[C]//AIAA AVIATION 2022 Forum. Reston, Virginia: AIAA, 2022.
- [43]JOYNER C R, JENNINGS T, HANKS D E, et al. NTP engine system design and modeling[C]//ASCEND 2022. Reston, Virginia: AIAA, 2022.
- [44]FILIPPONE A, BOJDO N. Rotorcraft propulsion systems[M]//Lecture Notes in Rotorcraft Engineering. [S.l.]: Springer International Publishing, 2023: 57-83.
- [45]姜殿恒, 陈飙松, 张盛, 等. 基于SiPESC平台的声子晶体能带结构分析算法研究及软件实现[J]. 工程力学, 2022, 39(12): 1-12.
- [46]周英杰, 陆旭泽, 张盛, 等. 基于SiPESC平台用户材料子程序的UMAT实现[J]. 计算机辅助工程, 2016, 25(3): 5-12.
- [47]石小林, 王为. 数字空间站建设及其应用[J]. 航天器工程, 2022, 31(6): 76-85.
- [48]邢涛, 孙乐丰, 王为,等. 数字空间站动力学与控制仿真建模与飞控应用[J]. 空间控制技术与应用, 2021, 47(5): 40-47.
- [49]张培红,周桂宇,沈盈盈,等.NNW-FlowStar软件模拟并联分离特性研究[J/OL].北京航空航天大学学报:1-14[2024-04-23]. https://doi.org/10.13700/j.bh.1001-5965.2023.0275.
- [50]陈坚强, 吴晓军, 张健,等. FlowStar: 国家数值风洞(NNW)工程非结构通用CFD软件[J]. 航空学报, 2021, 42(9): 1-22.
- [51]刘昆, 张育林, 程谋森. 液体火箭发动机系统瞬变过程模块化建模与仿真[J]. 推进技术, 2003, 24(5): 401-405.
- [52]吴忧,徐旭,陈兵,等.高马赫数下横/逆向喷流干扰流场数值研究[J]. 航空学报, 2021, 42(S1):28-41.
航空发动机与航天发动机均采用喷气推进的工作原理,有着相似的系统构成,因此借鉴成熟的航空发动机软件对航天发动机软件发展具有重要意义。在航空发动机分析软件方面,PROOSIS和AxSTREAM具有代表性,已在行业内广泛应用。本节提炼了以上两种典型航空发动机软件的研发历程并剖析其趋势,为航天动力系统分析软件的发展提供思路。
2.1 软件发展历程2.1.1 PROOSIS发展历程在航空发动机仿真方面,各大航空发动机生产商广泛应用了商业软件及自研软件。以英国罗尔斯·罗伊斯(Rolls Royce)、美国普拉特·惠特尼(Pratt & Whitney)及美国通用电气(General Electric)这3大知名航空发动机生产商为例,其所应用的典型商业软件如图8所示。其中PROOSIS得到了航空发动机生产商的广泛应用,其发展历程具有代表性。
图8 3大航空发动机生产商软件应用情况
Fig.8 Software application in aeroengine manufacturersPROOSIS是一款基于EcosimPro工具开发的航空发动机仿真软件。用户可以建立发动机物理系统的数学模型,并解决航空发动机中复杂数值问题。PROOSIS集成了热、机械、电气、数学、控制等多学科专业元件库,可以用于解决多种航空发动机的性能计算、总体设计分析、热管理、环控系统仿真等问题,如图 9所示。PROOSIS的主要客户包括英国罗尔斯·罗伊斯、美国普拉特·惠特尼、美国通用电气、法国赛峰集团和德国亚琛大学动力研究所等[26]。
PROOSIS发展历程如图 10所示,2008年发布2.0版本,之后推出了瞬态求解器、约束下的建模等功能,能够实现发动机与飞机仿真模型的集成。
图9 PROOSIS中开展航空发动机多学科联合仿真
Fig.9 Multidisciplinary joint simulation of aeroengine based on PROOSIS
图 10 PROOSIS发展历程
Fig.10 Development history of PROOSIS在航空发动机设计方面,PROOSIS应用广泛[27-29],法国DGEN380航空发动机设计过程广泛采用了PROOSIS软件,图 11为此型发动机在不同工况下的性能分析。
图 11 基于PROOSIS的法国DGEN 380发动机性能分析
Fig.11 Performance analysis of French DGEN 380 engine based on PROOSIS发展至今,PROOSIS已经能够针对航空发动机实现多领域多学科系统级耦合仿真[27-28]。
2.1.2 AxSTREAM发展历程AxSTREAM由美国SoftInWay公司开发,用于叶轮机械的快速优化设计与气动分析,其平台架构如图 12所示。该软件嵌入了大量的叶轮机械经验数据,采用了多目标、多参数、多学科和多因素综合设计策略与方法,使其在叶轮机械设计、性能分析和优化等方面具有极高的工程应用价值。
AxSTREAM主要用于叶轮机械的一维和二维初步设计、气动分析优化、全三维叶片造型与三维CFD数值验算、全三维FEA强度和振动校核等方面[32]。图 13为基于AxSTREAM的叶轮机械多学科设计、分析与优化结果。
图 12 AxSTREAM 平台的详细架构
Fig.12 Detailed framework of the AxSTREAM platform
图 13 基于AxSTREAM的多学科设计、分析及优化
Fig.13 Multidisciplinary design, analysis and optimization software platform based on AxSTREAMAxSTREAM从最初专注于轴流旋转机械的设计,发展到轴流/径流/混流式设计,之后加入了结构分析模型、流体仿真模型和求解器,可进行轴流涡轮、轴流压气机、向心涡轮、离心压气机、混流式涡轮和压气机的设计与气动分析,可应用于汽轮机、燃气轮机、航空发动机、风机、涡轮增压器和涡轮泵等多种叶轮机械。其发展历程如图 14所示。
在叶轮机械的一维和二维初步设计方面AxSTREAM应用广泛,特别是在航空发动机设计领域。从其发展历程上看,该软件更新迭代速度较快,逐渐引入更多的更为复杂的模型和求解器,以面对更为多样化和复杂的应用需求。
图 14 AxSTREAM发展历程
Fig.14 Development history of AxSTREAM2.2 软件发展趋势多领域、多维度及多物理场仿真能够更加真实地反映实际工况,对于发动机的设计、优化和故障诊断等方面都具有重要意义。多领域多物理场仿真模型和求解器的研发是显著趋势,高性能仿真模型和求解器能够更好地处理复杂问题。如PROOSIS在系统级仿真模型和求解器基础上,引入计算流体力学(Computational Fluid Dynamics,CFD)求解器,能够进行初步CFD分析。AxSTREAM在最初气动设计基础上,引入CFD及FEA仿真模型和求解器,能够初步进行流体数值仿真和结构场仿真分析。航空发动机软件从单一模块逐渐发展为多功能、多维度和集成式的仿真软件。
本节以ANSYS、ABAQUS、Nastran、AMESim等典型通用分析软件为研究对象,梳理了其发展历程,在此基础上总结分析了大型通用分析软件的发展趋势。
1.1 软件发展历程1.1.1 ANSYS发展历程作为大型通用分析软件的巨头,ANSYS逐渐成为世界范围内增长最快的CAE软件。随着ANSYS Workbench平台的问世,使得ANSYS 逐渐成为涵盖结构、流体、电场、磁场、声场分析于一体的大型通用分析软件。在航空航天领域,ANSYS占据主要市场,过去50年,其主要发展历程如图 1所示。ANSYS软件功能不断完善,依托其强大的研发能力,并通过不断收购其他软件来扩展模块[3-4]。
图1 ANSYS 发展时间线
Fig.1 Development timeline of ANSYS自1970年推出ANSYS产品时,已经具备了力、热三维分析的能力,同时包含板壳、非线性、塑性等过程分析。1996年,ANSYS推出5.3版,此版是ANSYS第一次支持LS-DYNA模块[5-6]。ANSYS的标志性事件之一是2002年推出了Workbench平台,很大程度上提升了ANSYS软件的便捷性和操作性[7-9]。此外,ANSYS积极对云端化进行布局。ANSYS Cloud是一种基于云计算的CAE解决方案,为工程师和科学家提供了一种快速、可靠和高效的仿真工具。
随着深度学习技术的发展,ANSYS也在进行相关布局,推出了ANSYS Twin Builder工具箱,其技术路线如图 2所示。
图2 ANSYS Twin Builder 技术路线
Fig.2 Technology roadmap of ANSYS Twin BuilderANSYS Twin Builder的核心技术是通过数据驱动建立降阶模型(Reduced Order Model,ROM),完成数字孪生体模型构建。旨在基于深度学习技术,在统一的工作流程中进行建模、构建及验证,并与工业物联网(IIoT)平台进行集成、部署及运行数字孪生体。可以看到,深度学习技术将一定程度上提高大型通用分析软件的智能化水平及软件适用性。
1.1.2 ABAQUS发展历程ABAQUS是一款典型的CAE类分析软件,在航空航天领域广泛应用,其发展历程如图 3所示。1972年,有限元软件MARC问世,其为ABAQUS的前身。ABAQUS研发初期主要应用在核反应堆相关的开发工作,包括核燃料棒的接触、蠕变和松弛等问题。ABAQUS可进行温度相关的蠕变、塑性及接触建模[10-11]。1978年,ABAQUS正式推出,具备非线性计算功能。1979年,ABAQUS推出结构分析模块Abaqus/Aqua; 1987年,推出后处理模块Abaqus/Post; 1992年,推出显式动力学模块Abaqus/Explicit; 2010年,推出计算流体力学模块Abaqus/CFD; 2016年推出工程模拟分析模块SIMULIA Suite,包含Abaqus/Isight/Tosca/fe-safe等模块; 2022年其仿真模型和求解器进行了进一步优化和重构[12-13]。
从ABAQUS发展历程可以发现,ABAQUS从最初的功能单一的有限元仿真软件,发展为多领域、多场耦合的有限元仿真平台。其原因可以归结为3个方面:一是得益于军工、航空航天领域的广泛应用产生的推动效果; 二是其软件发展模式与用户深度融合,基于用户实际需求及通过与用户交互来提升产品性能; 三是得益于收购兼并,通过收购相关特色软件,ABAQUS得到了进一步的发展。目前在我国航天领域,ABAQUS凭借其优异性能,应用较为广泛。
图3 ABAQUS发展历程
Fig.3 Development history of ABAQUS1.1.3 Nastran发展历程美国MSC旗下软件Nastran是一款开发时间较早,技术实力雄厚的CAE软件。与多数工业软件类似,Nastran的研发契机同样出自美国军方航空航天单位的需求。1966年,美国航空航天局(National Aeronautics and Space Administration,NASA)为满足阿波罗登月计划中对结构分析的迫切需求,研发了有限元分析软件Nastran[14]。Nastran软件的发展可以分为4个主要阶段,分别为研发阶段、软件商业化阶段、功能拓展阶段及现阶段的完善补充阶段,如图4所示[15-16]。
图4 Nastran发展历程
Fig.4 Development history of Nastran1990年,Nastran具有动态非线性结构分析功能。进入21世纪后,随着高超声速飞行器、空间碎片防护、3D打印等热点领域的需求提升,Nastran在2010年起逐渐在软件框架中加入极端力学、复合材料分析、增材制造等模块,提高了Nastran在新兴领域的适应性。从发展现状来看,Nastran具备CAE类软件的典型功能,并在复合材料、耦合分析、非线性分析、多学科优化方面具备鲜明特点。Nastran的发展离不开多次收购兼并,MSC在1989年通过收购荷兰的PISCES,发展了高度非线性模块; 1999年收购了商业非线性有限元程序MARC; 2002年收购世界著名虚拟样机仿真软件MDI公司,将动力学仿真分析软件Adams收入旗下; 2011年和2012年分别收购了比利时著名的声学软件公司FFT,发展了声学模块[17-18]。
相比ANSYS、ABAQUS等软件,Nastran的主要特点可以归纳为:符合CAE流程的用户界面、极好的兼容性和开放性、强大的客户化定制功能、CAD模型的直接访问技术、高级面网格剖分功能、支持多种CAE求解器、独特的复合材料建模工具、支持疲劳分析建模、不同硬件平台和操作系统下数据库兼容[19-20]。Nastran的分析功能几乎覆盖绝大多数工程应用领域[21],在我国航天动力系统结构分析方面应用广泛。
1.1.4 AMESim发展历程在跨领域和多学科的系统分析领域,西门子旗下的AMESim软件是典型代表。AMESim可进行多领域复杂系统的数值仿真和优化,包括流体、热、机械、机电、动力传动等。该软件具有高度的可扩展性和易用性,能够适应各种应用场景[22]。AMESim软件最显著的特点是具备较为完整的多学科模型库,封装了大量模型、经验和工程技术数据,方便用户进行跨学科和跨领域的系统仿真研究。
AMESim被广泛应用于航空航天领域,如动力系统建模、动力系统控制、飞机液压系统等。在航天动力系统研究中,AMESim的应用非常广泛。图 5所示为某型液体火箭发动机推力室系统仿真模型,由AMESim模型库构建,能够模拟液体火箭发动机启动、关机、变工况等复杂燃烧流动、传热及控制过程[23]。
图5 某型液体火箭发动机推力室系统仿真模型
Fig.5 Simulation model of thrust chamber system in a liquid rocket engineAMESim的发展历程如图 6所示,该软件在1989年完成了核心的建模方法和算法的开发。1995年推出了第一个商业版本,此时产品的主要功能是进行流体控制系统的仿真计算。
在深度学习技术应用方面,AMESim于2020年推出Neural Network Builder工具箱,基于数据驱动,用于实现高保真的静态或动态模型降阶ROM,如图7所示。ROM使得应用场景从研发端的仿真分析,延伸到制造端或运维端的“虚拟传感器”[24]。Neural Network Builder基于详细机理模型和多源异构数据,通过数据驱动技术完成模型降阶及数据机理融合建模[25]。
图6 AMESim 发展历程
Fig.6 Development history of AMESim
图7 AMESim 基于深度学习的降阶方法
Fig.7 Intelligent descending technology of AMESim对于航天动力系统的系统级仿真,AMESim得到了较为广泛的应用。此外,AMESim版本更新迭代较快,逐渐增加更多复杂的仿真模型,并且对求解器进行优化,提高软件性能,逐渐融合深度学习技术,提高软件智能化水平。
1.2 软件发展趋势大型通用分析软件在功能上具有一定的相似性,通过研究其发展历程,可以将其发展趋势与特点归纳如下。
1.2.1 软件分析模块的集成化随着工程设计的复杂性不断提高,需要不同领域的专家协同工作,现代CAE软件趋向于集成化和多学科协同。如ANSYS软件逐渐发展成为涵盖结构、流体、电磁等多个学科领域的通用工程仿真软件。通用分析软件的发展趋势也将越来越多地集成各个学科领域的功能,以满足更复杂的工程设计需求,朝着大型通用仿真平台的方向发展。
1.2.2 仿真模型和求解器的复杂化及智能化为了求解更为复杂的问题,软件需要开发更为先进和有针对性的仿真模型和求解器,同时提高智能化水平。如ANSYS通过不断收购不同领域的分析软件来扩展自身的求解器,并在软件中增加更多复杂的仿真模型。基于Twin Builder 模块,通过深度学习技术构建数字孪生体。AMESim持续开发不同领域的仿真模型以应对更为复杂的应用需求,同时不断优化求解器,提高计算精度和效率。同时,AMESim通过Neural Network Builder构建数据驱动和数据机理融合模型,提高智能化水平。研发更高性能的仿真模型、求解器及提高智能化水平是通用分析软件的重要发展趋势。
