مدل سازي يك بعدي يك توربين محوري به منظور بررسي تاثير تلرانس هاي پره بر بازده

Investigation of Blade Tolerances Effect on Efficiency, Using 1D Modeling of an Axial Flow Turbine

پره هاي توربين همواره در معرض تلرانس ها و خطا هاي اجتناب ناپذيري قرار دارند كه باعث فاصله گرفتن هندسه نهايي پره از هندسه طراحي شده، مي شود. از طرفي، تاثير به سزايي كه هندسه پره بر عملكرد توربين دارد، منجر مي شود تا خطا هاي ابعادي پره، ويژگي هاي اصلي توربين، همچون بازده، را تحت تاثير قرار دهد كه اين مورد نيز سبب فاصله گرفتن عملكرد توربين از عملكرد بهينه خود مي شود. از اين رو، به دست آوردن تلرانس هاي ابعادي مجاز كه بر بازده توربين موثر هستند، لازم به نظر مي رسد. از تاثيرگذارترين عوامل كه منجر به اين خطا ها مي شود، مي توان به خطاهاي ناشي از روش هاي گوناگون ساخت پره و نيز تغييرات هندسي به وجود آمده در حين كار توربين اشاره نمود. از مهمترين اين خطاها مي توان به تلرانس هاي ضخامت بيشينه، طول وتر و ارتفاع پره اشاره نمود. در اين پژوهش، به كمك مدل سازي يك بعدي، به بررسي عددي تغييرات بازده توربين جريان محوري هانوفر از مقادير طراحي شده خود به دليل تلرانس هاي ابعادي فوق پرداخته شده است . در اين مدل سازي از مدل افت هاي اينلي– ماتيسون، دونهام– كيم و انگير استفاده شده است.

Turbine blades always face inevitable fault and Tolerances, which cause the final blade geometry differs from the designed one. On the other hand, blade geometry has important effects on turbine performance causing blade dimensional faults influence turbine major characters, like efficiency. The mentioned situations cause turbine performances vary from its optimum condition. So, obtaining allowable geometrical tolerances having effect on turbine efficiency is necessary. The most influential factors leading to these errors are various fabrication methods and geometrical changes during turbine operation. The most important of these can be pointed to maximum thickness, chord length, and blade height tolerances. In this research, through one-dimensional modeling, Hanover axial flow turbine efficiency changes from its design point due to dimensional tolerances is studied. Ainely-Mathieson, Dunham-Came, and Aungier loss models were applied in this modeling.