高負荷低壓渦輪氣動設計

■ 姚李超 鄒正平 王一帆 許鵬程 杜鵬程/ 北京航空航天大學

高負荷低壓渦輪技術對航空發動機減輕質量和增加效率至關重要，掌握高負荷低壓渦輪內部復雜流動機理，發展精細化流動組織及氣動設計技術，可為我國先進大涵道比渦扇發動機獨立自主研制提供基礎理論及關鍵技術支撐。

高負荷低壓渦輪是減輕質量和增加效率的有效途徑，已成為先進渦扇發動機的關鍵技術之一。然而，高負荷低壓渦輪內部邊界層轉捩/分離、端區二次流動、不確定性影響等機理問題尚未完全突破，導致傳統設計技術難以有效解決高負荷帶來的高流動損失問題。因此，發展高精度試驗及仿真技術、理清復雜流動及損失機理，對提升高負荷低壓渦輪性能具有重要意義。

高負荷低壓渦輪幾何、氣動及損失特征

高負荷低壓渦輪的工作任務和環境決定其獨特的幾何及氣動特征。在幾何方面：體現出尺寸大、級數多、葉片輪轂比小而展弦比大、葉型收斂度小的特點。在氣動方面：首先，上游尾跡、通道渦等二次流加劇了進口氣動熱力參數的不均勻性；其次，工作雷諾數低，高空狀態下可低至30000～50000，此時“低雷諾數效應”明顯，邊界層極易分離；此外，葉片尾緣附近逆壓梯度大，吸力面邊界層發生分離的風險大幅提高。在流動損失方面：由于葉片展弦比大且一般帶冠，二次流損失占比較小而葉型損失占主導，其中吸力面側損失顯著高于壓力面側。對高負荷低壓渦輪而言，強逆壓梯度進一步加劇吸力面邊界層損失，同時壓力面前緣附近易出現分離泡并與二次流相互作用，導致二次流損失增大。

高負荷低壓渦輪試驗及仿真研究技術

實現對精細流動結構的準確識別是研究高負荷低壓渦輪內部流動機理，發展精細化設計技術的關鍵基礎。目前，試驗測量和數值模擬是深入認識精細流動的基本手段，二者是現代高性能航空發動機研發體系中不可或缺的環節。

多層次試驗研究技術

低壓渦輪內部復雜三維非定常流動受諸多幾何和氣動因素影響，難以通過單一試驗平臺同時考慮這些影響因素。為高效、低成本地研究內部流動，須通過模擬、適當簡化、相似變換等方法建立不同層次的試驗平臺。目前，國內外已經構建起完整的多層次試驗體系，覆蓋了從流動機理到工程驗證等不同層次的研究范疇，如圖1 所示。在機理研究層面：水洞、平板、高/低速葉柵、低速大尺寸試驗臺應用廣泛，其對流動做適當簡化，試驗難度較低、成本可控，卻又能捕捉到核心流動機理及關鍵參數的影響；其中，平板和葉柵試驗臺能有效模擬大多數影響邊界層發展的因素（如雷諾數、尾跡、負荷分布、湍流度、葉型曲率、攻角、壓縮性、端區、三維葉型等），同時便于采用熱線、熱膜和粒子圖像測速（PIV）等高精度流場測量技術，因此在邊界層流動研究中發揮重要作用；而低速試驗臺則可進一步考慮真實級環境中離心力等體積力的影響。在工程驗證層面：部件試驗臺主要用于性能驗證及長時運行試驗等；多部件/系統耦合試驗臺則可進一步研究多部件間的相互影響，如真實上下游邊條；發動機整機試驗臺則可提供最為真實的工作環境。隨著對內部流動簡化程度的降低，試驗所需考慮的影響因素越多，試驗臺的結構愈發復雜，其建設、試驗成本更高，周期也更長?？傮w而言，機理性試驗難以模擬極端環境，而整機環境則面臨高精度測量難度高等問題。因此，在進行相關研究時應根據不同層次的研究需求選擇合適的試驗技術。此外，試驗系統能力和條件保障、測試技術應用、數據正確性評判、結果分析方法等也值得重視。

圖1 高負荷低壓渦輪多層次試驗技術

高精度數值仿真技術

總體而言，數值模擬成本較低，具備極端環境模擬能力和全流場演化信息記錄能力，能較為準確地刻畫流場細節并量化損失，因此在流動機理研究和工程設計中得到廣泛應用。在求解納維-斯托克斯（N-S）方程的框架內，歐拉（Euler）+體積力、雷諾平均（RANS/URANS）、大渦模擬（LES）、混合RANS-LES和直接數值模擬（DNS）是常見的數值方法，如圖2所示。歐拉方法利用體積力模型考慮黏性和導熱，其對網格要求低、收斂快、魯棒性強，然而由于對流動進行大幅簡化且精度高度依賴于體積力模型，該方法僅應用于低維性能快速評估。雷諾平均方法基于“平均”概念采用湍流模型進行湍流模擬，計算耗費小且能有效捕捉二次流等，因而在工程領域發揮著巨大作用。雷諾平均方法框架下的多維度耦合方法在低成本、快速有效預測性能方面尤其具有突出優勢，其通過低維模型可有效考慮葉冠、封嚴等復雜幾何的影響，并大幅節省仿真開銷。然而，由于雷諾平均方法并不區分湍流尺度且丟失脈動信息，其精度依賴于湍流模型，同時也難以準確預測分離和轉捩等現象。DNS方法對湍流的模擬不引入任何模型或假設，計算精度最高，但卻存在耗費巨大及對復雜幾何處理能力有限等問題。LES方法既能保證對關鍵大尺度湍流的分辨率，又能節省對小尺度湍流求解的計算開銷，其對邊界層精細流動的計算精度遠高于RANS方法，而耗費則遠低于DNS方法，因而非常適用于邊界層精細流動機理研究?；旌蟁ANS-LES方法主要用于高雷諾數流動且存在湍流脈動重構問題，在低壓渦輪（尤其是低雷諾數下）流動機理研究中的應用相對較少。目前，RANS方法在工程設計中被大量應用于渦輪氣動性能評估及特性計算，而LES和DNS方法則主要被用于研究邊界層等精細流動機理。

圖2 計算流體力學（CFD）方法在高負荷低壓渦輪研究中的適用性

湍流度和尾跡等來流條件對邊界層演化和性能影響顯著，準確的來流條件模擬是獲得可信數值模擬結果的前提。目前，自由衰減各向同性湍流法和離散化合成湍流法在大渦模擬來流湍流生成中應用較多，二者均能生成滿足預定義特征的湍流脈動場；而采用時間演化尾跡流模擬方法從充分發展的槽道湍流模擬結果中提取滿足尾跡特征要求的瞬態流場即可獲得典型的來流尾跡。此外，在RANS方法框架下發展工程適用的湍流/轉捩模型對工程領域準確評判低壓渦輪性能也十分重要，目前基于人工智能方法進行湍流模型修正的相關研究有望在該問題上取得突破。

高負荷低壓渦輪關鍵流動特征及機理

如前所述，控制葉型損失與端區二次流損失是提升高負荷低壓渦輪性能的關鍵，因此，葉片表面邊界層演化、葉尖泄漏流動及摻混、輪轂端區二次流動是研究人員重點關注的關鍵流動特征，掌握其復雜流動機理對內部流動精細化組織意義重大，如圖3所示。

圖3 高負荷低壓渦輪內部關鍵流動特征

葉片邊界層非定常演化

強逆壓梯度下邊界層轉捩、分離是葉片邊界層非定常演化的核心機理問題。研究人員結合試驗測量和LES/DNS等手段對轉捩及分離機理做出了合理闡釋?？傮w而言，定常無尾跡來流下，吸力面邊界層在強逆壓梯度下極可能發生開式分離，導致較大的邊界層損失；而在非定常來流尾跡條件下，尾跡掃略后的寂靜區可將開式分離有效抑制為小尺寸分離泡，進而大幅降低損失。非定常來流尾跡抑制分離的“寂靜效應”是高負荷低壓渦輪中最為重要的應用之一。

低壓渦輪內部氣動熱力條件復雜，來流尾跡、雷諾數及湍流度、負荷大小及分布、葉型曲率及粗糙度、離心力、壁面換熱等諸多因素均會對邊界層發展演化產生影響。研究表明，來流尾跡特征對邊界層演化影響顯著，適當的折合頻率范圍內，尾跡的非定常性對分離具有明顯的抑制作用，過高或過小的折合頻率則會造成寂靜區的消失進而減弱對分離的抑制效果。因此，在特定工況下，存在最佳尾跡折合頻率使邊界層損失較低，但其與負荷大小/形式有關。尾跡流量系數的影響則具有多面性，會對邊界層損失和主流損失產生綜合影響。目前，針對尾跡自身特征，尤其是尾跡寬度、速度虧損及湍流強度等參數的影響機制的認識還有待深化。

來流雷諾數和湍流強度極大程度上決定了邊界層內初始擾動的強弱及增長趨勢，進而決定邊界層的轉捩和分離狀態?？傮w而言，雷諾數的變化顯著影響邊界層的分離特征，低雷諾數條件下的“低雷諾數效應”將顯著增加開式分離風險。對高負荷低壓渦輪而言，即使高雷諾數下尾跡非定常作用將開式分離抑制為分離泡，雷諾數的降低也會導致分離泡尺寸的增加，極低雷諾數下分離泡甚至無法再附而發展成為開式分離。湍流度則會對轉捩位置甚至是轉捩模式產生影響，高湍流度下邊界層轉捩起始位置前移，開式分離得到明顯的抑制，但其效果僅限于一定的湍流度范圍內。表面粗糙度和壁面換熱因素也會影響邊界層的演化。研究表明，粗糙度對葉型損失的影響效果取決于摩擦損失和分離損失的平衡，與粗糙度水平、分布以及負荷形式有關；壁面換熱則會加速轉捩，促進分離延遲并提前再附，進而抑制分離泡的尺寸。

真實多級環境下的“時序效應”對低壓渦輪性能的影響明顯，充分利用“時序效應”可能會帶來氣動效率的收益。然而，目前對“時序效應”相關流動機理的認識還有待深化，如多葉排“時序效應”的相互影響、“時序效應”對邊界層演化的影響等。此外，離心力等體積力、湍流度-體積力等多因素耦合作用等的影響機制也有待進一步研究。

葉冠內復雜流動及與主流的摻混

為減弱葉尖泄漏流動，低壓渦輪多采用葉冠封嚴結構。葉冠區域流動復雜，主要由冠內（篦齒及容腔內）流動、冠外泄漏流與主流相互作用兩部分組成，冠內的流動損失遠高于泄漏流與主流的摻混損失。氣流流經篦齒的主要流動特征與一般篦齒封嚴流動類似，容腔內流動可認為是多段射流，流體通過篦齒進入出口腔后會發生不可逆流動摻混；出口腔中可能發生主流局部入侵現象，會改變渦系結構和泄漏流匯入主流的位置。

葉冠的幾何結構會顯著影響冠內的強三維非定常流動。研究表明，減小進/出口腔軸向長度有利于減弱主流入侵及旋渦強度，進而降低腔內摻混損失；增加進口緣板長度可減弱葉片前緣位勢場影響并抑制主流入侵；減小容腔深度有利于改善進/出口腔內的摻混損失，但會增加泄漏出流速度。冠外泄漏流與主流的摻混源于速度三角形的不匹配，摻混過程會改變下游葉排攻角進而影響其氣動性能。此外，葉冠泄漏出流可能會在葉片吸力面附近誘導出高強度流向渦，加速泄漏流與主流的摻混并對下游葉排產生影響。

盤腔及輪轂端區二次流動

盤腔及輪轂端區存在大量復雜的旋渦結構，流動呈現出強三維性。盤腔內的低速冷氣在復雜幾何及熱力條件下形成大尺度旋渦，左右著輪轂區域的封嚴流動，在不同工況下（尤其是過渡態中）可能會出現冷氣泄漏和主流燃氣入侵兩種不同的流動形式。輪轂端區主要存在通道渦、馬蹄渦、角渦、葉片尾緣脫落渦等復雜二次流動，葉柵通道內的強橫向壓強梯度會改變馬蹄渦吸力面分支撞擊葉片吸力面的位置，進而影響角渦的形成位置；同時迫使通道渦靠近吸力面，增強尾緣脫落渦與通道渦的相互作用，并最終加劇出口氣流欠轉現象。

高負荷低壓渦輪薄葉片前緣附近很可能出現逆壓梯度，在設計狀態極易出現壓力面分離泡，會對端區流動造成明顯影響。分離泡內的低能流體在強橫向壓強梯度下會向吸力面遷移并卷入通道渦，進而增強端區通道渦；對轉子而言，徑向壓強梯度甚至可能導致壓力面分離泡的徑向遷移并影響葉尖區域的二次流動。目前，對于復雜壓強梯度下壓力面分離泡的演化及其與二次流動的相互作用機理的認識還有待進一步深化。

高負荷低壓渦輪氣動設計技術

隨著對低壓渦輪內部流動機理認識的不斷加深，低壓渦輪的氣動設計逐漸從傳統的粗放、定常、確定性、經驗依賴的設計框架向精細化、非定常、魯棒性、智能化設計框架發展，如圖4所示。

圖4 低壓渦輪氣動設計技術發展趨勢

精細化流動組織與設計

針對傳統設計體系下被忽略的流動細節深入機理認知，基于此探討精細化流動組織方法是進一步挖掘提升效率潛力的重要手段。對高負荷低壓渦輪而言，精細化流動組織聚焦于葉片邊界層調控、葉尖泄漏流動組織和端區旋渦調控等方面。

葉片邊界層調控在于通過合理的葉型設計及應用尾跡“寂靜效應”來控制邊界層狀態以降低流動損失。葉型設計的關鍵在于選擇合理的負荷分布，而最佳負荷分布又與負荷水平和工況有關，尚無明確的選取準則。前加載平頂式負荷分布是高負荷葉型較好的選擇之一，可降低尾緣附近逆壓梯度，但也可能增加湍流摩擦損失。通過頻率對尾跡“寂靜效應”影響顯著，選擇最佳的尾跡通過頻率可最大程度降低邊界層損失。此外，通過前緣型線優化降低前緣與葉身的曲率不連續程度可有效抑制吸力面前緣附近的分離泡，帶來明顯的性能收益。

在葉尖泄漏流動組織方面，通過優化葉冠幾何可有效抑制泄漏流量和減少與主流的摻混，達到控制泄漏損失的效果。改變端壁型面、采用擋板+軸/徑向導流板/葉片、冠-身耦合設計等方式是控制葉冠泄漏流動的有效手段，試驗證實在葉冠出口腔布置微小導流葉片可有效減小摻混和附加二次流損失，進而帶來0.4%的效率提升。

在端區旋渦調控方面，非軸對稱端壁及葉片端壁一體化設計得到極大關注。非軸對稱端壁通過輪轂曲面造型控制壓力分布以達到減弱二次流的目的，普惠公司利用該技術將高負荷葉柵的二次流損失降低13.3%。葉片端壁一體化設計通過對葉身與端壁結合處的幾何進行精細調節以控制徑向壓強梯度進而抑制旋渦強度。此外，輪轂封嚴結構精細設計以及葉片全三維彎掠造型等技術在端區流動控制方面也有較好的效果。

計及非定常效應的高負荷低壓渦輪設計

“寂靜效應”及“時序效應”是高負荷低壓渦輪內部最為關鍵的非定常效應?！凹澎o效應”本質上是利用上游非定常尾跡與下游葉片吸力面邊界層的相互作用來控制邊界層的發展，提高其抗分離能力并減小摩擦損失。劍橋大學在該領域的工作直接支撐了羅羅公司多款發動機的研制，其中BR715低壓渦輪葉片數減少11%。北京航空航天大學也利用該技術大幅改善了低壓渦輪在高空低雷諾數下的性能，其在15000m高空的效率提高6%，20000m高空的效率與地面相比也僅下降3%。

“時序效應”本質上則是利用上下游轉子或靜子周向位置的相對布局引起的邊界層狀態或尾跡-主流摻混狀態的改變來調整渦輪性能。研究表明，改變靜子周向相對位置可帶來高達0.8%的效率收益。然而，受上下游靜子或轉子數目難以一致等因素的限制，真實渦輪設計中難以實現上游尾跡完全打到下游對應葉排前緣，因此實際使用中“時序效應”收益有所削弱。

基于不確定性量化分析的魯棒性設計

幾何/氣動不確定性因素直接影響到渦輪性能分散與衰減，傳統確定性設計體系無法考慮不確定性的影響，掌握不確定性因素的影響規律并在實際設計與加工中考慮其影響，對低壓渦輪的高效可靠運行具有重要意義。目前，不確定性量化分析方法、特定問題中不確定性參數影響規律等研究已取得不少成果，如基于實測渦輪葉型幾何的不確定性建模、高負荷薄葉型不同區域幾何不確定性影響規律、不同負荷分布高負荷葉型不確定性性能的表現、過渡態中幾何不確定性的影響等，能初步定性地指導渦輪設計參數的選取以及加工工藝的改進。然而，要在渦輪設計—加工—運維全生命周期中充分考慮不確定性的影響，還須進一步開展研究，包括全生命周期設計/運維數據庫的建立與完善、不確定性分析方法的完善、不確定性影響機理及規律的掌握、不確定性設計準則/規范/標準的建立等。

基于數據驅動的智能化設計

隨著人工智能時代的到來，數據驅動方法有望成為未來渦輪氣動領域的主要研究手段，推動氣動設計從人工經驗依賴轉變為智能化。機器學習是數據驅動方法的主要工具，在處理渦輪氣動設計相關問題時具有明顯優勢。其一，憑借強大的知識提取與遷移能力能從數據庫中提取構建“幾何—流動—性能”間的映射關系，從而實現各維度/層次上的快速精準設計，且可隨數據庫的拓展實現設計知識的積累與更新；其二，具備描述復雜幾何結構及精細流動細節的能力，可實現兩者間高維函數的高精度建模；其三，具備自主決策能力，能將優化問題轉化為方案決策問題并利用深度強化學習處理高維非線性問題，可實現優化的高效智能化并降低遷移成本。

目前，數據驅動方法已在渦輪氣動設計中有所應用，在葉片設計及氣動優化方面展現出優秀的性能。如北京航空航天大學發展了一種基于數據驅動的高負荷低壓渦輪葉型最佳負荷分布設計方法，可快速獲得滿足任意給定設計條件的最佳負荷分布和對應葉型幾何，基于該方法對Pack-B葉型進行改型設計并將損失降低1.7%。未來，數據驅動有望在損失模型構建、湍流模型修正、低/高維設計參數選取等方面取得突破，并在渦輪氣動設計全流程中得到應用。

結束語

在低碳綠色、高效經濟航空大背景下，高負荷低壓渦輪技術是當前及未來航空動力領域核心關鍵技術之一，進一步持續深化對復雜流動機理的理解，發展精細化、魯棒性、智能化先進設計技術，對助力我國航空動力技術邁向國際領先水平意義重大。