01 研究背景

什么是壓氣機的旋轉失速問題？

旋轉失速是沿壓氣機周向的非均勻流動狀態。失速現象一般首先發生在葉輪處，當離心式或軸流式壓縮機的操作工況發生變動時，氣流會在葉片的凹面附近形成氣流漩渦，氣流漩渦的聚集會阻礙通道內的氣流流通，減少通道內的有效流通面積，形成氣流堵塞團，不但會使發動機性能（推力、經濟性）大為惡化，限制發動機的工作范圍，更嚴重的可能會引起發動機突然熄火，或引起壓氣機葉片劇烈振動以致葉片斷裂而造成整臺發動機的損壞。

壓縮機中的旋轉失速 壓縮機中的旋轉失速

失速現象可能對壓縮機造成嚴重損害，因此預測在何種工況下會出現旋轉失速的現象就顯得十分有必要。在本次介紹的算例中，就使用法國電力（EDF）開發的通用計算流體力學（CFD）求解器 code_saturne進行數值模擬，并將仿真結果同實驗測量數據以及FLUENT商業軟件的仿真結果進行比較，證明了code_saturne進行可壓縮流場仿真計算的可信性。

code_saturne中的可壓縮算法和湍流模型的改進

壓氣機失速現象涉及到對旋轉可壓縮氣流流場不穩定性的高精度的捕捉，針對本案例，對code_saturne內的可壓縮流求解部分的源代碼做出了以下的優化和改進。

? 對流項的離散格式增加至3階

? 使用2階Crank-Nicholson時間差分格式

? 植入并試驗了由?ada和Torrilhon提出的3階限制器

同時針對code_saturne中的k-ω SST湍流模型進行了旋轉和曲率修正，使之更加適用于旋轉氣流仿真。

為了對改進后的k-ω SST湍流模型，在code_saturne中測試了旋轉管流的經典驗證算例，模擬繞軸向旋轉的管道中的氣流流場。

算例中流場對應的雷諾數（Re）為5800，測試不同羅斯貝數(Ro)下的模擬結果并同DNS仿真結果以及FLUENT商業流體力學軟件的仿真結果進行比較，驗證了改進后的k-ω SST湍流模型對于旋轉流場湍流特征的捕捉精度。

改進湍流模型前后的速度分布結果的比較

改進湍流模型前后的湍流粘性分布結果的比較

02 應用案例

NASA Rotor 67多級壓氣機風扇轉子

NASA Rotor 67 是可壓縮流體的經典驗證案例之一，整個結構由22個風扇葉片組成，其設計工況為轉速16043 rpm，流量為33.25kg/s。本計算案例采用y+平均值為35的網格量為230萬的網格進行計算。計算使用 S-A湍流模和k-ω SST模型分別進行計算，并使用1階時間差分格式和2階MUSCL格式。

使用code_saturne仿真計算所得出的結果同公開的實驗測量數據以及使用Fluent商業計算軟件的仿真結果進行了對比，code_saturne和FLUENT的計算結果十分接近，且都與實驗所得數據基本吻合。

總壓力比和效率的code_saturne仿真結果，同實驗數據和FLUENT仿真結果的比較

質量流量為34.28 kg/s時的馬赫數云圖和等高線code_saturne (CS) 和Fluent的結果對比

NASA CC3離心式壓縮機的仿真

案例中模擬的NASA CC3離心式壓縮機的設計運轉工況為：

NASA CC3網格以及壓力云圖

壓縮機結構由15個葉片和15個分流葉片組成，整個壓縮機分別使用平均y+值為30的2180萬網格量的網格，和平均y+值為5的7000萬網格量的兩套網格進行了仿真模擬。模擬使用改進的 k-ω SST 湍流模型，1階時間差分格式 和2階 MUSCL格式。

使用code_saturne仿真計算所得出的數據與使用Fluent進行模擬的結果相比十分接近，同時也更為接近實驗數據。

通過觀察在軸面上的速度云圖，也可以在葉輪與擴壓器之間捕捉到旋轉失速的現象，在葉輪和擴壓器中發現了四個脫流點，葉輪中脫流點處的速度是葉輪中旋轉速度的0.0587倍。還可以觀察到壓力擾動向上移動至葉輪的入口，同時高速氣流團向下游的的擴散器移動。

3.9kg/s 流量下（距輪轂70%范圍）的軸面速度

03 結論

經過改進后的code_saturne算法采用了更高階的離散格式，可以準確地預測到離心式壓縮機中所產生的失速現象，仿真結果同Fluent模擬結果相比十分接近，且更符合實驗數據。如果想要得到更加精確的仿真結果，可以采用更加精細的網格或者LES湍流模型。但是由于壓縮機中氣流流場的速度較大，需要的計算資源也會更多。

限時試用，歡迎體驗！

遠算自主研發了短視頻水流測速APP，采用先進大尺度粒子圖像測速技術，實現快速便捷流速測量的零門檻水利工具，帶來“視頻一點，流速在手”的超強體驗，輕松、便捷地實現河流測速。目前遠算還上新了小程序版本，歡迎大家掃碼使用！

---

更多資訊可登錄格物CAE官方網站

https://cae.yuansuan.cn/

或關注微信公眾號【遠算云學院】

遠算在bilibili、頭條、知乎、技術鄰定期發布課程視頻等內容

敬請關注