Ansys + Ariane集团

Ariane Group GmbH开发了一种模拟程序，以减少全面硬件测试的工作量。optiSLang用于热机械疲劳(TMF)面板的参数识别和优化，在设计和尺寸上代表阿丽亚娜6号欧洲运载火箭燃烧室的一部分。

简介

运载火箭的推进系统产生推力，使运载火箭升空并加速进入轨道。根据燃烧反应气体与运载火箭的作用和反应原理，加速度取决于发射物质的质量和速度。为了保持较低的燃料质量消耗，需要较高的排气速度，这反过来需要燃烧室内的高压水平和热反应温度。不同的概念可用于燃烧室保持结构的完整性。这里考虑了蓄热式冷却燃烧室，其中低温流体通过燃烧室热气体壁中的冷却通道被输送。

TMF面板测试

TMF小组的创建考虑到两个目标。首先，为了验证损伤模型，该模型是为预测高温气体壁的寿命而创建的。详细描述了在TMF加载条件下的粘塑性材料行为、老化和损伤效应的损伤模型公式。通过TMF试验，该模型应用于比拉伸、疲劳和蠕变试验试样更复杂的结构，以证明其在飞行硬件上的适用性。基于已验证的材料损伤模型，给出了当前燃烧室的合理性能。其次，基于面板的TMF测试有潜力用于新燃烧室的开发过程，作为全面测试的成本效益替代方案，以调查新材料或设计的性能。出于这个目的，本文重点研究了与燃烧室硬件相比，面板损伤行为的代表性。

TMF面板设计

如图2所示，TMF面板由CuAgZr衬垫材料制成，该衬垫材料在燃烧室的尺寸上包括五个冷却通道。在其背面，采用电沉积工艺应用镍层。

燃烧室和壁板损伤行为的比较

在一个典型的负荷循环中，燃烧室首先被预冷，这导致了周向收缩。由于衬垫材料通常比夹套材料具有更高的热膨胀系数，在图3b所示的前两秒内，热气体壁内会产生拉应力。点火后，衬垫材料加热，而冷却的夹套防止衬垫膨胀。因此，在整个600s的热运行时间内，热气体壁发生压应力状态，导致铜材料发生非弹性变形。一旦发动机关闭，一个后冷却阶段开始导致回到拉应力状态。最后，温度恢复到环境水平。

预冷、热运行、后冷和回到环境水平的多个载荷循环在一个称为热机械疲劳(TMF)的领域对结构施加压力。这些负荷条件导致热气体壁变薄，趋向于屋顶形状的配置，称为狗屋效应，如图4b所示。

观察TMF面板的行为，应力应变滞回与燃烧室中看到的不同，见图5b。在后冷却过程中，应力状态类似于拉态，但应变卡在压缩域中。结果，与燃烧室热气体壁变薄相反，面板的激光加载壁变厚。这改变了损伤条件，降低了面板测试的代表性。

优化的方法

optiSLang的优化基于Ansys模拟，该模拟为所研究的设计提供应变响应。因此，使用参数化APDL脚本(Ansys参数化设计语言)来创建几何图形、构建模型、应用边界条件、启动作业并提取所有必要的结果数据。最后，为每个设计点返回一个错误值给optiSLang。它的最小化对应着朝着最佳设计的进化。

几何参数

图6显示了正在调查的面板的一个切口。该图概述了优化器修改的设计参数。与图2(见第31页)所示的原始设计相似，面板由铜衬垫、镍套和包括五个冷却通道组成。作为以前平面面板设计概念上的新颖性，目前的研究包括对曲面面板的评估。

设计生成基于拉丁超立方抽样方法。因此，每个参数都均匀分布在与原始设计的初始值相关的±20%的带宽上。对于曲率半径，初始值与燃烧室曲率相关。

由于显示的设计参数的变化，面板内部的温度分布以及面板的整体刚度都会受到影响。随后，激光加载壁面载荷的变化导致应力-应变-滞回的变化，在优化过程中考虑了这一点。

优化标准

为了阐明最小化问题，定义了一个错误值“Err”。“Err”是量化当前设计与燃烧室目标行为的应变偏差。如图7所示(见下一页)，对于中间通道的热壁中心点位置，在第一个载荷循环后，测量所有三个壁位置(顶部、中心和底部)的机械箍应变之间的差异。差值的几何平均值定义了要最小化的误差值:

在每个设计的FE模拟之后，误差值在APDL脚本中计算，然后传输回optiSLang。

敏感度和最佳设计

对于灵敏度分析，通过改变7个设计参数创建了100个设计。成功计算了98个设计，并根据所描述的误差定义进行了模型灵敏度的研究。同样的模拟结果用于生成最优预后元模型(MOP)，用于优化目的。

参数的敏感性

optiSLang提供的灵敏度分析结果如图8所示。结果表明，曲率半径的影响最大，半径越大，误差值越小。将整体面板宽度作为第二大影响参数，可以得到更直观的结果。由于体积较大的侧体积中的材料较少，整体冷却性能得到了改善，这也使结构在冷却阶段变得更加坚硬。热阶段的压缩变形导致横向的压缩塑化，后冷却使所研究的墙体进入拉应力状态，通过更冷和更硬的侧结构增加其影响。

可以看出，误差值对定义实际通道结构和热壁尺寸的设计参数不太敏感。因此，可以修改热壁厚度、通道宽度和距离，对实际损伤行为影响较小。这一事实对于TMF面板测试在未来燃烧室验证工作中的应用非常重要。

最佳设计-几何演变

根据敏感性分析的结果，建立了最佳预后元模型(MOP)。实际优化任务是在MOP的基础上进行的，其预后系数(Coefficient of Prognosis, CoP) = 96%。优化结果结合了减小面板宽度、增大衬垫厚度和优化弯曲半径的灵敏度分析结果，如图9所示，左边是初始几何形状，右边是优化后的几何形状。

由于上述改进，残余应变在拉伸区域和燃烧室内都有累积。优化后的面板设计增加了热气壁损伤行为的代表性。

结论

在本研究中，为了找到一种与燃烧室损伤行为相似的面板形状，研究了当前使用的TMF面板设计的潜在增强。因此，创建了一个自动化的TMF面板测试模拟，包括生成一个FE模型，并基于预先定义的设计参数运行热和机械分析。自动比较当前设计和燃烧室行为的结果作为输出变量被重新处理。

借助于的分析能力optiSLang，可以识别和验证参数变化对面板损伤行为的敏感性。结果表明，面板的曲率对热壁行为以及面板的厚度和宽度有很大的影响。另一方面，热壁厚度、通道宽度和翅片宽度的影响较小，可以在不影响面板对燃烧室的代表性的情况下进行修改。这一结果对于TMF面板测试对燃烧室鉴定的未来应用尤其重要。