Ardyanmalı bir turbofan motorunun çok amaçlı parçacık sürü yöntemiyle optimizasyonu

Yıl 2020, , 1997 - 2012, 21.07.2020

Onder Turan , Rıdvan Oruç , Tolga Baklacioglu

https://doi.org/10.17341/gazimmfd.498061

Cited By: 1

Öz

Bu çalışmada,
matlab programı kullanılarak karışık akımlı ve ardyanmalı kavramsal turbofan
motorunun parametrik analizi gerçekleştirilmiştir. Bypass oranı (α) ve fan
sıkıştırma oranının (π_c') sırasıyla 0,4≤ α ≤1,3 ve 1,2≤ π_c'
≤2,1 olduğu değer aralığında motor performans parametreleri olan itki özgül
yakıt tüketimi (SFC), özgül itki (ST) ve toplam verim (n_o) amaç fonksiyonları, hem ardyanmalı hem de
ardyanmasız durum için optimize edilmiştir. Analiz için kavramsal bir turbofan
motor kullanılmıştır. Optimizasyon yöntemi olarak parçacık sürü optimizasyonu
(PSO) ve çok amaçlı parçacık sürü optimizasyonu (MOPSO) kullanılmıştır.
Literatürde bu konuda MOPSO ile herhangi bir çalışma olmadığından bu çalışma,
turbofan motorunun parametrik analizinde MOPSO yönteminin kullanıldığı ilk
çalışmadır. Ardyanmalı durumda SFC, ST ve n_o
için optimum değerler  α ve π_c'
nün sırasıyla 0,4 ve 1,2 olduğu değerlerde sırasıyla 52,4025, 1013,3 ve % 21,13
olarak bulunmuştur.  Ardyanmasız durumda
SFC, ST ve n_o için optimum
değerler sırasıyla 20,8887, 658,3483 ve % 30,1234 olarak bulunmuştur.
Ardyanmasız durumda SFC, ST ve n_o
için optimum değerleri sağlayan α ve π_c' ikilileri sırasıyla (1,3
ile 1,2), (0,4 ile 1,2) ve (1,3 ile 1,2) olarak bulunmuştur.

Anahtar Kelimeler

turbofan, optimizasyon, parçacık sürü, ardyanma

Kaynakça

• 1. El-Sayed A.F., Aircraft Propulsion and Gas Turbine Engines, CRC Press, A.B.D, February 2008
• 2. Borguet S., Kelner V., L´eonard O., Cycle Optimization of a Turbine Engine: an Approach Based on Genetic Algotithms, Researchgate, 2007
• 3. Najjar Y.S.H., Balawneh I.A.I., Optimization of gas turbines for sustainable turbojet propulsion, Propulsion and Power Research, 4 (2), 114-121, 2015
• 4. Silva V.V.R., Khatib W., Fleming P.J., Performance optimization of gas turbine engine, Engineering Applications of Artificial Intelligence, 18 (5), 575-583, 2005,
• 5. Turan Ö., Orhan İ., Karakoç T.H., Yüksek bypasslı turbofan motorlarının performans analizleri ile ilgili bilgisayar yazılımı geliştirme, Niğde Üniversitesi Mühendislik Bilimleri Dergisi, 1 (1), 21-40, 2012
• 6. Aydemir M.E., Performance Of Some Optimization Methods For Patch Antenna Problems, Journal of the Faculty of Engineering and Architecture of Gazi University, 29 (3), 579-588, 2014
• 7. Engelbrecht A.P., Computational Intelligence: An Introduction Second Edition, John Wiley & Sons, England,2007
• 8. Çınaroğlu S., Bulut H., New initialization approaches for the k-means and particle swarm optimization based clustering algorithms, Journal of the Faculty of Engineering and Architecture of Gazi University, 33 (2), 413-424, 2018
• 9. Montazeri-Gh M., Jafari S. & Ilkhani M. R., Application of particle swarm optimization in gas turbine engine fuel controller gain tuning, Engineering Optimization, 44 (2), 225-240,2012
• 10. Shakib S.E., Amidpour M., and Aghanajafi C., Simulation and optimization of multi effect desalination coupled to a gas turbine plant with HRSG consideration, Desalination, 285, 366-376, 2012
• 11. Choi J.W., City G., Performance Analysis of an Aircraft Gas Turbine Engine using Particle Swarm Optimization, Int’l J. of Aeronautical & Space Sci.,15(4), 434–443, 2014
• 12. Mattingly J.D., Elements of Gas Turbine Propulsion, Corrigan J.J. and Bradley J.W., Tata McGraw-Hill, New York. A.B.D, 2005
• 13. Mattingly J.D., Heiser W.H., Pratt D.T., Aircraft Engine Design Second Edition, Przemieniecki J.S., American Institute of Aeronautics and Astronautics, Virginia, A.B.D, 2000
• 14. Marini F., Walczak B., Particle swarm optimization (PSO). A tutorial, Chemometrics and Intelligent Laboratory Systems, Chemometrics and Intelligent Laboratory Systems, 149,153–165, 2015