A beleza das turbinas a gás
Há quem diga que a beleza está nos olhos de quem vê, mas outros acreditam que a beleza pode ser universal. Parece loucura para alguns, mas muitas vezes a maquinaria intrincada e complexa de uma turbina a gás, juntamente com a simulação resultante, é considerada incrivelmente bonita. Há algo hipnotizante em todas as lâminas, válvulas, rotores, bem como nas linhas de combustível e fiação. O formato e a estrutura das lâminas, palhetas, canais e cavidades exibem uma beleza intuitiva, que, segundo especialistas em design, é essencial para o sucesso de uma peça e montagem. Caso contrário, há grande risco de falhas. A teoria é que a física dos fluidos e estruturas deve se alinhar e parecer natural, quase como se viesse da natureza, ainda que seja contraintuitivo diante da complexidade das peças, componentes, fiação, ligas e compostos — o auge da engenharia humana.
Assim como as turbinas a gás, as simulações de dinâmica de fluidos computacional (CFD) também são conhecidas por sua capacidade de hipnotizar as pessoas com seus resultados coloridos. E com mais poder computacional, são feitas simulações cada vez mais instáveis com maior fidelidade e física mais complexa. E ainda mais longe e mais rápido com GPUs. E com os avanços no aprendizado de máquina, pode-se ir ainda mais longe e mais rápido.
Avanços em simulações de turbinas a gás e aprendizado de máquina
A Siemens Energy implementou um fluxo de trabalho de análise e otimização multidisciplinar (MDAO) líder do setor com o suporte das tecnologias de simulação do Simcenter. Este ambiente incorpora recursos avançados, como captura expandida de conhecimento empresarial, assistentes de design alimentados por inteligência artificial (IA) e modelagem de ordem reduzida que podem operar quase em tempo real. Esses avanços, incluindo métodos de ciência de dados como aprendizado de máquina, melhoraram significativamente a qualidade e a eficiência do processo de design.
Benefícios das simulações de turbinas a gás
Estado atual da arte do fluxo de trabalho de projeto de turbinas a gás
A abordagem “clássica” de uma imagem CAD de um conjunto de motor a jato usando NX pode ser observado abaixo. Projetar uma turbina a gás no passado levaria vários anos e nem sempre seria um sucesso. Graças às ferramentas digitais, podemos melhorar o design de hoje facilmente com uma abordagem multidisciplinar de design e otimização.
Conjunto de motor a jato (gerado com NX).
Embora seja física muito avançada e geometrias complexas, hoje é possível combinar várias dessas etapas de forma automatizada. Mantendo o CAD ativo, as condições de contorno e várias versões permanecem totalmente sob seu controle. O processo de design de um componente é mostrado no esquema abaixo. Isso é feito unindo o CAD do NX a várias ferramentas de simulação CAE, como Simcenter STAR-CCM+ e Simcenter 3D. A automação e a otimização são tratadas pelo HEEDS e todos os dados são gerenciados pelo Teamcenter. Realmente não importa se é maior eficiência por meio da aerodinâmica, melhor integridade mecânica e durabilidade, redução do uso de ar de resfriamento ou novos combustíveis de combustão; todos eles afetam uns aos outros e não há como ser competitivo e inovador a menos que se utilize corretamente métodos modernos de exploração espacial de design multidisciplinar.
Processo de design de última geração para um componente de turbomáquinas
Para fazer o desenvolvimento de produtos de forma eficaz, queremos avaliar o máximo de designs o mais cedo possível no processo. Dar os próximos passos para o futuro significa combinar isso com aprendizado de máquina, já que o espaço de design pode se tornar grande rapidamente e com muitas disciplinas envolvidas. E se pudéssemos ter um algoritmo de aprendizado de máquina treinando a si mesmo em tempo real no espaço de design que está sendo avaliado atualmente com dinâmica de fluidos computacional (CFD) ou método de elementos finitos (FEM)?
Uma melhoria na otimização de design multidisciplinar para engenharia de produtos futuros
Para isso, temos duas provas de conceito que estão relacionadas à turbomáquina. Uma é otimizar a eficiência de uma bomba d'água a uma vazão de 110 kg/s e 1200 rpm. Trabalhamos em um modelo parametrizado com 12 variáveis geométricas e o número de lâminas.
O HEEDS, um software abrangente de análise e otimização de design multidisciplinar (MDAO), usa seu método de pesquisa padrão, SHERPA, para conduzir várias estratégias de pesquisa simultaneamente e se adapta dinamicamente ao problema à medida que aprende sobre o espaço de design. Com o SHERPA, o HEEDS pode descobrir 300 variações de design em 40 horas. Com a introdução do HEEDS AI Simulation Predictor, uma extensão complementar no HEEDS, a tecnologia de pesquisa do SHERPA é significativamente aprimorada. Algumas simulações de CFD são substituídas por avaliações de IA conduzidas por meio de um modelo de IA treinado automaticamente, aproveitando os insights obtidos nas primeiras simulações - revolucionando esse processo. Nesse caso, ele contou 151 execuções de CFD, enquanto 149 foram feitas com avaliação de IA (para um total de 300). Isso levou cerca de 20 horas, atingindo os mesmos resultados e economizando 49% em tempo. A eficiência da bomba aumentou em 3% e a altura manométrica em 10%.
Bomba de água - exploração do espaço de projeto com HEEDS AI Simulation Predictor - resultados CAD
Eficiência da bomba de água para vários projetos - exploração do espaço de projeto com o HEEDS AI Simulation Predictor.
O segundo caso é uma lâmina de turbina a gás para otimização de resfriamento. Aqui, o objetivo é minimizar a temperatura da lâmina e minimizar o fluxo de massa de ar de resfriamento. Um CAD parametrizado do NX é usado para simular no Simcenter STAR-CCM+. O CAD tem 34 características parametrizadas no canal serpentino com mudanças de nervuras de resfriamento e furos de chuveiro. As 500 avaliações de design feitas para este caso experimentaram uma economia de tempo aproximada de 38%, pulando simulações de CFD com IA e ainda alcançando a mesma melhor solução. Isso pode significar 20 dias de tempo economizados se 160 núcleos forem usados para cada simulação. Dessa forma, você pode facilmente economizar semanas e meses em projetos e obter um produto melhor mais rápido para o mercado.
Temperatura externa e interna para exploração espacial de projeto de lâmina de turbina de transferência de calor conjugada com HEEDS AI Simulation Predictor, NX e Simcenter STAR-CCM+.
Frente de Pareto da exploração do espaço de projeto para minimizar a temperatura da lâmina e reduzir os resultados do fluxo de massa da entrada de resfriamento usando o HEEDS AI Simulation Predictor.
A partir desses primeiros exemplos de adição de IA e aprendizado de máquina a um fluxo de trabalho CAD-CAE já impressionante, já é possível ver o potencial e como é fácil começar sem ser um especialista em aprendizado de máquina ou otimização. Quão grande será a revolução da IA e do ML e o impacto que ela terá no destino da indústria mecânica é muito cedo para dizer. Mas já sabemos que será a chave para permanecer à frente da concorrência.
Tecnologia de gêmeo digital para turbomáquinas.
Agende uma reunião com a CAEXPERTS e descubra como os últimos avanços em simulações de turbinas a gás e aprendizado de máquina podem transformar seus projetos. Aproveite essa oportunidade para explorar soluções inovadoras que impulsionam a precisão, eficiência e excelência técnica no seu setor.
WhatsApp: +55 (48) 988144798
E-mail: contato@caexperts.com.br
Comments