王娜娜，解青，蘇星宇，任祝寅,,*

1.清華大學(xué) 航空發(fā)動機研究院，北京 100084 2.清華大學(xué) 燃燒能源中心，北京 100084

湍流燃燒是航空發(fā)動機、沖壓發(fā)動機、組合發(fā)動機、內(nèi)燃機等動力裝置工作的核心能量轉(zhuǎn)換過程，燃燒組織的好壞直接關(guān)系到發(fā)動機的壽命、效率、污染物排放等[1-2]。而發(fā)動機湍流燃燒過程十分復(fù)雜，包括湍流、霧化/蒸發(fā)、輻射等多物理過程以及和化學(xué)反應(yīng)的強耦合，具有非定常、多尺度的特征。目前隨著更嚴(yán)格的高效、低排放等要求[3]，湍流燃燒開始趨于近極限燃燒組織[4-5]，亟需在穩(wěn)定可控燃燒方面取得突破。這就需要進(jìn)一步加深對湍流燃燒機理的認(rèn)識，實現(xiàn)流動和化學(xué)反應(yīng)的有效匹配和調(diào)控。對于該問題，數(shù)值仿真是當(dāng)前重要的研究手段之一[6-7]，從而支撐航空發(fā)動機的自主研發(fā)，仿真技術(shù)體現(xiàn)了一個國家的高端裝備研發(fā)水平[8]。

然而，數(shù)值模擬中的湍流模型、燃燒模型和化學(xué)反應(yīng)動力學(xué)模型等均涉及大量模型參數(shù)，這些參數(shù)可能具有很大的不確定性。以化學(xué)反應(yīng)動力學(xué)為例，從氫氣到大分子碳?xì)淙剂系姆磻?yīng)機理由數(shù)十到近千步反應(yīng)組成，而每步反應(yīng)均有一定的不確定性，導(dǎo)致僅在化學(xué)反應(yīng)動力學(xué)模型中，就存在海量的不確定性參數(shù)[9-11]。這些模型參數(shù)的不確定性將導(dǎo)致仿真結(jié)果存在不確定性[12]。隨計算機技術(shù)的發(fā)展、數(shù)值模擬研究方法重要性的提升，湍流燃燒模擬的不確定性分析在國內(nèi)國際上得到了越來越多的關(guān)注[13]。2014年，美國NASA經(jīng)過大量調(diào)研形成了一份綜合分析報告[14]，對計算流體動力學(xué)(Computational Fluid Dynamics, CFD)所涉及的技術(shù)到2030年時的需求及能力做了分析和預(yù)測。其中，針對不確定性分析單獨給出了發(fā)展時間軸，預(yù)測在2025年之前需要實現(xiàn)不確定性在CFD中的傳遞。湍流燃燒模擬的模型不確定性來自于模型假設(shè)自身的不確定性以及模型參數(shù)的不確定性，前者可稱為模型格式不確定性，Mueller和Raman[15]在這方面開展了大量工作，探究了小火焰燃燒模型不確定性在湍流燃燒模擬中的傳遞。本文則主要綜述包含模型參數(shù)在內(nèi)的輸入?yún)?shù)不確定性在湍流燃燒中的傳遞。輸入?yún)?shù)的不確定性分析可以得到各部分模型參數(shù)以及初始/邊界條件不確定性的傳遞規(guī)律和參數(shù)敏感性，揭示湍流燃燒的主控物理機制，有助于量化數(shù)值仿真精度，提高航空發(fā)動機的設(shè)計和優(yōu)化水平，尤其對近極限條件下如高溫升航空發(fā)動機、超聲速沖壓發(fā)動機的設(shè)計具有重要意義。

湍流燃燒的輸入?yún)?shù)空間通常包含化學(xué)反應(yīng)動力學(xué)模型的反應(yīng)常數(shù)、湍流模型、燃燒模型參數(shù)以及初始/邊界條件。由于參數(shù)眾多且單次多維湍流燃燒模擬計算成本高，使得湍流燃燒模擬的不確定性和敏感性分析面臨的最大困難是“維度災(zāi)難”。因此，目前已有的研究集中在單一模型和少量模型參數(shù)的不確定性分析上。在化學(xué)反應(yīng)動力學(xué)模型不確定性研究方面：學(xué)者利用靈敏度分析法降維，研究了化學(xué)反應(yīng)速率常數(shù)不確定性對模型預(yù)測輸出[16]、火焰?zhèn)鞑ニ俣萚17]的影響，聲振對層流預(yù)混火焰的火焰?zhèn)鬟f方程的影響[18]，以及輸運概率密度函數(shù)法湍流火焰模擬中單一基元反應(yīng)對射流抬舉高度和局部熄火/再燃的影響[19-22]。在湍流模型不確定性研究方面：學(xué)者基于多項式混沌展開，研究了Smagorinsky模型系數(shù)Cs和湍流普朗特數(shù)以及施密特數(shù)不確定性在非預(yù)混鈍體穩(wěn)定火焰大渦模擬(Large Eddy Simulation, LES)中的傳遞[13]，Cs不確定性對湍動能預(yù)測影響[23]，雷諾平均法(Reynolds-Averaged Navier Stokes, RANS)單方程和雙方程模型系數(shù)層面的不確定性分析[24]，模型系數(shù)對不同雷諾數(shù)下管道流動的影響[25]，基于重心圖法的模型格式層面的不確定性分析[26-27]，以及在高速射流[28]、邊界層分離[29]等問題中的應(yīng)用。在燃燒模型不確定性研究方面：學(xué)者研究了小火焰模型不確定性在Sandia D火焰LES中的傳遞[30]，進(jìn)一步，采用隨機搭配法研究了Delft III射流火焰上游溫度不確定性對下游碳煙生成預(yù)測的影響[31]，以及湍流燃燒模型格式不確定性對混合分?jǐn)?shù)、溫度分布以及一氧化碳生成的影響[15]。

然而僅考慮單一模型的不確定性無法量化多物理耦合下不確定性傳遞規(guī)律、難以表征不同物理過程中的主控因素。同時將化學(xué)動力學(xué)模型、湍流模型、燃燒模型以及初始/邊界條件納入不確定性研究中，可以從全局敏感性的角度分析輸入?yún)?shù)對湍流燃燒目標(biāo)量影響的內(nèi)在物理機制，是當(dāng)前一個重要研究方向。開展考慮多模型和初始/邊界條件的湍流燃燒不確定性研究的關(guān)鍵是有效的海量輸入?yún)?shù)降維方法。

近幾年，Constantine等[32-33]提出了活性子空間(Active Subspace, AS)降維方法，該方法基于梯度的偏協(xié)方差矩陣特征分解，得到活躍特征方向，構(gòu)建輸入?yún)?shù)低維子空間，利用輸入?yún)?shù)在該子空間的投影得到活躍變量，降低輸入?yún)?shù)維度。該方法和其他常用敏感性降維方法的區(qū)別在于，敏感性分析保留的是影響較大的輸入?yún)?shù)，而子空間分析保留的是影響較大的輸入?yún)?shù)空間中的方向，這些方向是參數(shù)自身的線性組合，從而實現(xiàn)最大程度降維的同時保證精度。同時，活躍方向向量的分量值提供了目標(biāo)量相對于輸入?yún)?shù)的全局敏感性信息[34]。AS方法和其他常用降維方法如主成分分析(Principle Component Analysis, PCA)法均是對空間進(jìn)行基的變換，識別重要方向，以達(dá)到降維的目的。但是兩者仍有本質(zhì)區(qū)別：前者得到的重要方向上映射的梯度最大，而后者分析中，沿重要方向數(shù)據(jù)的方差最大。也就是說AS分析對象為高維映射，而PCA分析對象為數(shù)據(jù)集；前者可得到低維響應(yīng)面或預(yù)測模型，后者的目的則是實現(xiàn)對物理系統(tǒng)的低維描述。在燃燒領(lǐng)域的研究中，PCA被廣泛用來識別化學(xué)反應(yīng)系統(tǒng)的低維流形[35]、重構(gòu)組分空間[36]以降低反應(yīng)系統(tǒng)維度，并在后續(xù)燃燒問題求解中只對少數(shù)個主成分(Principle Components, PCs)求解輸運方程[37-40]，可極大地減少LES等湍流燃燒模擬中組分方程的個數(shù)[41-43]。

目前活性子空間方法在動力裝置的機理分析和優(yōu)化方面已有了成功應(yīng)用。Constantine等[44]采用活性子空間方法將七維運轉(zhuǎn)參數(shù)降為一維，研究了它們對HyShot II沖壓發(fā)動機性能的影響。最近，Constantine等進(jìn)一步將活性子空間方法應(yīng)用在了設(shè)計方法發(fā)展[45]、翼型設(shè)計[46]、渦輪葉片設(shè)計[47]、以及高超聲速模擬不確定性分析[48]中。Magri等[49]采用該方法分析了雙環(huán)形燃燒器的熱聲穩(wěn)定的不確定性，Guan等利用活性子空間構(gòu)造了碳?xì)淙剂闲镣橹礫50]和標(biāo)準(zhǔn)生成焓[51]的預(yù)測模型，并且將該方法應(yīng)用在了可變正時汽油機的換氣策略標(biāo)定中[52]。

在湍流燃燒控制機理和模擬不確定性量化方面，Ji等首次將該方法應(yīng)用在了化學(xué)反應(yīng)動力學(xué)模型不確定性在自著火、層流火焰[53]和湍流火焰[54]模擬中的傳遞研究中，他們在零維燃燒模擬和湍流燃燒模擬中均得到了反應(yīng)速率常數(shù)的低維子空間。Vohra等[55]將速率常數(shù)、活化能以及初始狀態(tài)均考慮到輸入?yún)?shù)空間中，對H2/O2反應(yīng)得到了一維子空間。這些研究都實現(xiàn)了對海量化學(xué)動力學(xué)模型參數(shù)的降維。Wang等則率先發(fā)展了反應(yīng)動力學(xué)、物理模型和邊界條件參數(shù)連續(xù)降維方法，將動力學(xué)模型參數(shù)降維得到一維活性子空間后，聯(lián)立湍流燃燒模型參數(shù)和邊界條件參數(shù)再一次降維[56]，得到了物理化學(xué)模型參數(shù)和邊界條件不確定性的傳遞規(guī)律，揭示了超聲速湍流射流火焰的主控物理機制[57]。活性子空間方法在湍流燃燒模擬的不確定性量化和主控機制分析方面有巨大的應(yīng)用潛力，并且有助于后續(xù)的湍流燃燒調(diào)控分析。

本文將綜述活性子空間方法在湍流燃燒模擬中已有的應(yīng)用。首先簡述活性子空間方法理論及針對湍流燃燒模擬發(fā)展的連續(xù)降維方法。然后介紹動力學(xué)參數(shù)、物理模型參數(shù)以及邊界條件不確定性在燃燒模擬中傳遞的典型應(yīng)用，以及研究得到的湍流燃燒機理。并進(jìn)一步討論展望基于活性子空間分析方法的湍流燃燒調(diào)控。

1 活性子空間方法

活性子空間方法可以在m維輸入?yún)?shù)空間x∈m中識別出對應(yīng)于目標(biāo)量(Quantity of Interest, QoI)即輸出量f(x)的低維結(jié)構(gòu)，沿該低維方向f對x的梯度最大。通過對f(x)梯度的協(xié)方差矩陣做特征分解，可以得到輸入空間的活性子空間：

(1)

式中：π為輸入?yún)?shù)的聯(lián)合概率密度函數(shù)(Probability Density Function, PDF)；C為對稱半正定矩陣；W=[w1,w2,…,wm]為特征向量矩陣；Λ=diag(λ1,λ2,…,λm)為對應(yīng)特征值組成的對角矩陣；其中λ1,λ2,…,λm從大到小降次排列，如果特征值λn遠(yuǎn)大于λn+1，即λn?λn+1，n

圖1 活性子空間分析中基變換以及響應(yīng)面構(gòu)建示意圖

如果在仿真計算中可以直接得到映射f的梯度，那么，活性子空間可通過如下步驟在輸入空間中的隨機采樣計算得到：

1)根據(jù)輸入?yún)?shù)x∈m的概率密度分布π(x)，在輸入空間采M個樣本{x(1),x(2),…,x(M)}。

3)估算矩陣C：

5)根據(jù)特征值的大小將特征值矩陣和特征向量矩陣分塊：

(2)

(3)

接著對C進(jìn)行特征分解，進(jìn)行后續(xù)活性子空間分析。目前有限差分、全局線性擬合以及全局二次擬合均在實際中有了成功應(yīng)用，表1總結(jié)了3種方法需要的樣本數(shù)以及應(yīng)用的文獻(xiàn)[59-60]，其中，α為取樣系數(shù)，β為期望獲得的子空間最大維度。

表1 梯度近似方法

以上討論的為針對單一目標(biāo)量的活性子空間，對于多目標(biāo)量，Ji等[53]發(fā)展了共享活性子空間方法。假設(shè)對于d個目標(biāo)量，映射fi可以完全降維到其一維活躍向量ui所展成的一維活性子空間中(i=1,2,…,d)，即

(4)

(5)

若對于i=1,2,…,d式(5)均成立，則v即為d個目標(biāo)量的共享子空間。經(jīng)過對v的求解發(fā)現(xiàn)，共享子空間是單一目標(biāo)量子空間的線性組合。對于實際燃燒問題，由于物理過程的復(fù)雜性，在構(gòu)建多目標(biāo)量的共享子空間時，可增加每個單一目標(biāo)量的活性子空間維度，以囊括更多的物理過程，提高共享子空間中對原空間映射近似的準(zhǔn)確性。詳細(xì)推導(dǎo)以及高維活性子空間的共享子空間方法可參見Ji等[53]文獻(xiàn)。獲得共享子空間后，在對多目標(biāo)量的不確定性PDF量化和多目標(biāo)量優(yōu)化調(diào)控時，可以極大增加計算效率。對于多目標(biāo)量優(yōu)化，由于AS識別的是梯度變化最大的方向，并以該方向為基構(gòu)建子空間，因此即使目標(biāo)間存在矛盾性關(guān)系也不影響共享子空間的建立，但會體現(xiàn)在不同目標(biāo)量在該子空間中響應(yīng)面不同上。在進(jìn)行后續(xù)的多目標(biāo)優(yōu)化調(diào)控時，則需根據(jù)實際問題需求，進(jìn)一步建立代價函數(shù)，通過極小化代價函數(shù)，對輸入?yún)?shù)進(jìn)行折中調(diào)控，達(dá)到多目標(biāo)量優(yōu)化的目的。

2 湍流燃燒仿真不確定性和主控機制分析

對于帶有詳細(xì)化學(xué)反應(yīng)的湍流燃燒模擬，不確定性來自于模擬反應(yīng)動力學(xué)的反應(yīng)機理以及燃燒模型、湍流模型等物理模型和初始/邊界條件。通常碳?xì)淙剂系姆磻?yīng)機理包含數(shù)十到數(shù)千個基元反應(yīng)，考慮每個基元反應(yīng)建模參數(shù)的不確定性，輸入?yún)?shù)空間將達(dá)到數(shù)十到數(shù)千維。此時，即使采用活性子空間方法，所需的樣本數(shù)即湍流燃燒模擬次數(shù)仍然巨大，在當(dāng)前的計算資源下難以實現(xiàn)。因此，Wang等提出連續(xù)降維方法[56]，如圖2所示，利用零維或一維化學(xué)動力學(xué)模型作為替代模型，首先將動力學(xué)模型參數(shù)進(jìn)行降維，降維后的活性動力學(xué)參數(shù)與物理模型參數(shù)組成新的輸入空間再次降維，實現(xiàn)采用較小計算量完成湍流燃燒仿真不確定性分析和主控物理機制分析。以下對該方法進(jìn)行簡單闡述。

圖2 連續(xù)降維方法示意圖

第1步為反應(yīng)動力學(xué)參數(shù)空間降維。首先，根據(jù)實際工況的湍流燃燒模擬提取出用于零維或一維替代模型模擬的初始條件，選取適當(dāng)QoI替代湍流燃燒模擬中的真實QoI。此處，適當(dāng)QoI對子空間分析的合理性將在3.1節(jié)中通過文獻(xiàn)結(jié)論綜述進(jìn)一步說明。再次，利用子空間分析得到替代模型映射的活躍方向。最后，將原輸入?yún)?shù)向量投影到活躍方向上，得到對應(yīng)活躍變量，對于碳?xì)淙剂蟻碚f，活躍變量的個數(shù)通常為1～5個[53]，從而實現(xiàn)由數(shù)千維到個數(shù)維的動力學(xué)參數(shù)降維。

第2步為動力學(xué)和其他物理模型參數(shù)空間降維。首先，將第1步中得到的活躍變量與物理參數(shù)組成新的輸入空間，此時該空間維度由于第1步的降維已較原輸入空間有了極大程度的降低。再次，在降維空間中采少量樣本進(jìn)行湍流燃燒模擬，進(jìn)行活性子空間分析，得到該降維空間的活性子空間。最后，在該子空間中構(gòu)建低維響應(yīng)面，進(jìn)行不確定性量化計算，同時根據(jù)子空間分析目標(biāo)量的主控物理機制。

對于復(fù)雜的燃燒問題，如燃?xì)廨啓C燃燒室中的燃燒過程，在明確目標(biāo)量的基礎(chǔ)上，選擇和目標(biāo)量所涉及的主要物理過程一致的零維或一維模擬，作為替代模擬。在復(fù)雜燃燒過程的熱力學(xué)狀態(tài)時空演化中選取若干狀態(tài)點作為替代模型的初始狀態(tài)，分別求解不同狀態(tài)下的活性子空間。最后結(jié)合共享子空間方法，得到上述子空間的共享子空間，以及對應(yīng)的動力學(xué)活躍變量，用于后續(xù)動力學(xué)-物理模型參數(shù)降維。

3 結(jié)果綜述和展望討論

本節(jié)首先綜述了化學(xué)動力學(xué)參數(shù)不確定性的活性子空間分析；接著，綜述了輸入?yún)?shù)拓展到物理模型常數(shù)和邊界條件的情況，并且簡明闡述了文獻(xiàn)中分析得到的湍流燃燒機理。另外，綜述了活性子空間方法在模型燃燒系統(tǒng)的性能預(yù)測中的應(yīng)用。最后，討論了基于活性子空間分析方法的湍流燃燒調(diào)控。

3.1 化學(xué)動力學(xué)參數(shù)不確定性

Ji等[54]針對湍流射流Cabra火焰[61]開展了活性子空間分析，研究了動力學(xué)參數(shù)的不確定性在湍流燃燒模擬中的傳遞。射流火焰的模擬結(jié)果如圖3所示，目標(biāo)量為火焰推舉高度H。在他們的工作中，采用了氫氣/空氣反應(yīng)機理Li-2004[62]機理以模擬氫氣氧化的反應(yīng)動力學(xué)過程。將基元反應(yīng)的速率常數(shù)作為不確定性輸入?yún)?shù)，進(jìn)一步依據(jù)Sheen等[63]的研究將速率常數(shù)定量為相互獨立的對數(shù)正態(tài)分布：

圖3 Cabra湍流射流火焰OH質(zhì)量分?jǐn)?shù)云圖仿真結(jié)果[54]

(6)

式中：kr為第r個基元反應(yīng)的速率常數(shù)；kr0為其對應(yīng)的名義值；Fr為其對應(yīng)的不確定性因子[64]，各個反應(yīng)所對應(yīng)的Fr見表2。

表2 基元反應(yīng)所對應(yīng)的不確定性因子

通過分析84個湍流燃燒模擬樣本數(shù)據(jù)，得到了21維動力學(xué)參數(shù)空間的活性子空間，對應(yīng)活躍方向的分量如圖4中三角符號所示。由該分量得到的全局敏感性信息可以看出，鏈分支反應(yīng)R1和R11對火焰推舉高度的影響最為顯著，其次，反應(yīng)R9的影響也較為顯著，但是其分量符號與R1和R11相反，原因是該反應(yīng)降低了混合氣的活性從而抑制了自著火的發(fā)生。之后，他們在該一維子空間中利用多項式擬合構(gòu)建了一維響應(yīng)面，最后通過50 000個樣本點得到了火焰推舉高度的不確定性概率密度分布。

此外，Ji等在他們的工作中探究了采用零維自著火模擬計算子空間，該模擬的工況為Cabra射流火焰模擬的參考工況，目標(biāo)量為點火延遲時間(Ignition Delay Time, IDT)。得到的動力學(xué)參數(shù)的活性子空間如圖4中的圓圈符號和正方形符號所示，兩者分別為采用有限差分和全局線性擬合得到的結(jié)果。通過對比采用湍流燃燒模擬和零維自著火模擬得到的活躍向量方向，Ji等認(rèn)為，實際湍流燃燒中擴散作用使得火焰穩(wěn)定區(qū)域前緣的HO2濃度較高，而零維自著火模擬中不能體現(xiàn)擴散作用，所以R11和R13在零維模擬的影響小于其在湍流燃燒模擬中的影響。但總體來說，兩者最敏感的基元反應(yīng)均是R1、R9和R11，并且，兩者的活躍方向向量的內(nèi)積為0.91，說明方向幾乎一致。

圖4 Cabra火焰推舉高度的活躍方向分量[54]

因此，Ji等認(rèn)為，如果低成本替代模擬和湍流燃燒模擬的主控物理過程一致，那么，可以采用替代模型初步探究子空間的維度以及活躍方向向量的主控分量，從而確定敏感度較大的輸入?yún)?shù)。進(jìn)一步，可以在湍流燃燒模擬中將不敏感的輸入?yún)?shù)剔除，從而減少樣本個數(shù)，減少活性子空間分析的計算成本[54]。Wang等[56]同樣開展了替代模型和對應(yīng)湍流燃燒模擬的活性子空間分析，通過兩者得到的活躍方向向量的內(nèi)積為0.97，表3總結(jié)了文獻(xiàn)中采用替代模型和湍流燃燒模擬得到的子空間的相近程度。該結(jié)果進(jìn)一步說明對于湍流燃燒模擬中動力學(xué)參數(shù)部分，可以采用具有相同主控物理過程的低成本替代模擬進(jìn)行確定，從而降低湍流燃燒模擬的樣本數(shù)和計算成本，同時也說明了第2節(jié)中所闡述的連續(xù)降維方法的合理性。

表3 替代模擬和湍流燃燒模擬活躍方向內(nèi)積

3.2 化學(xué)動力學(xué)-物理模型參數(shù)不確定性

Wang等[56-57]采用連續(xù)降維方法分析了Burrows-Kurkov(B-K)超聲速壁面射流火焰[65-66]的主控物理機制?；鹧娴臏囟仍茍D如圖5所示，其中L為火焰推舉長度。圖6展示了火焰推舉長度對輸入?yún)?shù)的敏感性，作者發(fā)現(xiàn)，動力學(xué)參數(shù)中反應(yīng)R1、R3以及R9對火焰的點火起始位置影響最為顯著，如圓圈符號所示，其中反應(yīng)標(biāo)號和表2中給出的一致。反應(yīng)R1主導(dǎo)了火焰點火位置，這與Wu等[67]對B-K火焰的化學(xué)爆炸反應(yīng)模態(tài)分析的結(jié)論一致，即他們研究發(fā)現(xiàn)，火焰穩(wěn)定位置上游處的OH和H主導(dǎo)了化學(xué)爆炸混合層。

圖5 B-K火焰溫度云圖仿真結(jié)果[56]

圖6 B-K火焰推舉長度的活躍方向向量分量[56]

當(dāng)進(jìn)一步將湍流模型和燃燒模型參數(shù)考慮在內(nèi)時，此時的活躍方向分量展示了推舉長度對動力學(xué)和物理模型參數(shù)的敏感性，以及物理模型參數(shù)的攝動動對關(guān)鍵反應(yīng)的影響，如圖6中三角符號所示?？梢钥闯龇磻?yīng)R1和湍流普朗特數(shù)(Prt)對推舉長度的影響最顯著，根據(jù)該子空間中響應(yīng)面的單調(diào)遞增[56]特性，可以進(jìn)一步得出，R1的反應(yīng)速率越快或湍流普朗特數(shù)越大則推舉長度越小，這是因為R1反應(yīng)速率的增加可以減短自著火時間，湍流普朗特數(shù)的增加則會減小當(dāng)?shù)氐耐牧鳠釘U散，兩者都將有利于氫氣自著火的發(fā)生，從而使得推舉長度減短。另外作者從輸入空間參數(shù)攝動相互影響的角度得出，當(dāng)物理模型的參數(shù)為不確定性輸入?yún)?shù)時，動力學(xué)模型參數(shù)中H2/O2鏈分支反應(yīng)的敏感性被略微抑制，而HO2生成和消耗反應(yīng)的敏感性被一定程度增強，從而揭示了B-K火焰點火起始位置的主控過程以及他們之間的相互作用機制。

圖7 活性子空間隨壁面射流火焰流向的空間演化[57]

3.3 模型燃燒系統(tǒng)燃燒性能預(yù)測

Ji等[53]發(fā)展了基于活性子空間的共享子空間方法，用來解決多目標(biāo)量的活性子空間問題。他們用該方法探究了內(nèi)燃機甲烷和二甲醚(DME)均質(zhì)壓縮點火(Homogeneous Charge Compression Ignition, HCCI)的點火曲軸轉(zhuǎn)角和點火失敗概率。在該研究中，采用零維HCCI模型模擬的燃燒系統(tǒng)來近似三維湍流燃燒模擬。HCCI的子空間由點火過程中6個熱力學(xué)狀態(tài)下的定容自著火模擬訓(xùn)練得到，其中對于DME，該6個熱力學(xué)狀態(tài)包含了由低溫化學(xué)帶來的兩級著火和負(fù)溫度系數(shù)(Negative Temperature Coefficient, NTC)的狀態(tài)點。以下簡要闡述DME點火過程主控物理機制的活性子空間分析。

圖8(a)展示了低溫(650 K)、中等溫度(850 K)以及高溫(950 K)HCCI點火過程中參考狀態(tài)下的點火延遲時間的第1個活躍方向向量分量。其中低溫工況包含了兩級著火，高溫工況為一級著火過程。可以看出，不同溫度下IDT的活躍方向具有顯著區(qū)別。650 K工況下IDT對高標(biāo)號反應(yīng)相對敏感，例如氫原子提取反應(yīng)以及之后的低溫反應(yīng)路徑所涉及的反應(yīng)。而850和950 K工況下IDT對低標(biāo)號反應(yīng)也相對敏感，對應(yīng)于小分子反應(yīng)，該現(xiàn)象和NTC現(xiàn)象一致，即隨溫度的升高，與HO2相關(guān)的基元反應(yīng)的重要性顯著增加。進(jìn)一步由參考工況下的子空間訓(xùn)練得到了共享子空間用于HCCI的點火成功概率分析，如圖8(a)中菱形符號所示，得出的點火成功概率隨曲軸轉(zhuǎn)角的關(guān)系如圖8(b)所示，點火失敗概率為37.9%。

圖8 點火延遲時間的活性子空間和共享子空間以及HCCI成功點火概率[53]

Zhang等[68]對振蕩燃燒神經(jīng)網(wǎng)絡(luò)模型系統(tǒng)開展了活性子空間分析。通過非穩(wěn)態(tài)良好攪拌器(Perfect Stirred Reactor, PSR)模型模擬振蕩燃燒過程，得到了從混合氣摩爾分?jǐn)?shù)、當(dāng)量比、熱值、流率波動等8個輸入?yún)?shù)到目標(biāo)量最高溫度的映射。他們得到了目標(biāo)量的一維輸入子空間，通過分析對應(yīng)活躍方向向量分量發(fā)現(xiàn)，增加混合氣中燃料質(zhì)量分?jǐn)?shù)尤其是CO質(zhì)量分?jǐn)?shù)將使最高溫度顯著增加從而提升燃燒系統(tǒng)的穩(wěn)定性。同時當(dāng)量比的影響也較大，在化學(xué)計量當(dāng)量比附近減少當(dāng)量比同樣會帶來最大溫度的提升。進(jìn)一步，他們將子空間所對應(yīng)的活躍變量替代原有的8個輸入變量，顯著簡化了神經(jīng)網(wǎng)絡(luò)預(yù)測模型的結(jié)構(gòu)形式，如圖9(a)所示。簡化后的神經(jīng)網(wǎng)絡(luò)模型的預(yù)測結(jié)果如圖9(b)中雙點劃線所示，與原模型的預(yù)測值(藍(lán)色點劃線所示)幾乎一致。但是，神經(jīng)網(wǎng)絡(luò)的訓(xùn)練時間縮短了73%，單步預(yù)測時間加快了3倍。

圖9 振蕩燃燒神經(jīng)網(wǎng)絡(luò)和溫度預(yù)測曲線[68]

Briones等[69]采用活性子空間方法探究了小型化凹腔燃燒室?guī)缀螀?shù)對燃燒的影響，共包含空氣入口參數(shù)、凹腔長度以及噴油位置15個幾何參數(shù)。在他們的分析中，沒有得到目標(biāo)量(最大和平均溫度)所對應(yīng)的低維活性子空間，但是，通過和Spearman敏感性分析得到的結(jié)果對比，發(fā)現(xiàn)活性子空間分析中最大特征值所對應(yīng)的特征向量分量得到的參數(shù)的敏感性和Spearman秩相關(guān)系數(shù)得到的敏感性一致，說明在該情況下即使目標(biāo)量不存在低維的輸入?yún)?shù)子空間，活性子空間分析中最大特征值對應(yīng)的特征向量仍能夠用來做全局敏感性分析。

3.4 討 論

從以上綜述的研究進(jìn)展可以看出，當(dāng)前湍流燃燒模擬的活性子空間分析多集中在主控物理過程分析和正向不確定性的量化上，這些分析可以揭示特定目標(biāo)量的的主控機制，從而探究湍流燃燒機理。但是，更進(jìn)一步需要實現(xiàn)對湍流燃燒的調(diào)控，這就需要建模-計算-驗證形成閉環(huán)，如圖10所示。循環(huán)的右半側(cè)從物理模型到仿真計算結(jié)果，其中由模型和邊界條件帶來的不確定性即可通過活性子空間對海量參數(shù)的降維實現(xiàn)，同時如上文綜述的研究來探究物理問題的主控機制。循環(huán)的左半側(cè)則為，從仿真計算結(jié)果結(jié)合實驗數(shù)據(jù)或設(shè)計目標(biāo)，反向調(diào)整輸入?yún)?shù)，實現(xiàn)對目標(biāo)量的調(diào)控。

圖10 基于仿真計算的優(yōu)化調(diào)控循環(huán)

在目標(biāo)量調(diào)控的活性子空間研究方面，Constantine等[44]在對HyShot II超燃沖壓發(fā)動機仿真研究中，利用構(gòu)建的一維單調(diào)響應(yīng)面，確定了滿足安全運行所對應(yīng)的目標(biāo)量約束的操作參數(shù)范圍。如果實驗數(shù)據(jù)或設(shè)計目標(biāo)是關(guān)于目標(biāo)量的概率分布，此時參數(shù)調(diào)控問題為反向概率問題，即貝葉斯問題，在采用馬爾科夫鏈蒙特卡羅(Markov Chain Monte Carlo, MCMC)采樣時可以引入活性子空間方法，使采樣空間減縮到后驗概率密度空間的子空間中[33]，從而提高反向參數(shù)調(diào)整的效率。湍流燃燒模擬反向問題可以得到滿足目標(biāo)要求的輸入?yún)?shù)分布從而實現(xiàn)對湍流燃燒的調(diào)控。

4 結(jié) 論

活性子空間分析在湍流燃燒模擬中的應(yīng)用，實現(xiàn)了對包括動力學(xué)模型參數(shù)、湍流燃燒模型以及邊界條件參數(shù)等海量輸入?yún)?shù)的降維，得到了復(fù)雜物理化學(xué)過程中的主控機制，有助于揭示湍流燃燒的機理，進(jìn)一步實現(xiàn)對湍流燃燒的調(diào)控。主要工作和結(jié)論包括：

1)闡述了活性子空間方法和針對包含化學(xué)反應(yīng)機理的湍流燃燒模擬的連續(xù)降維方法。該方法在對化學(xué)動力學(xué)參數(shù)降維中采用了替代模型，極大降低了所需湍流燃燒模擬次數(shù)。

2)總結(jié)了活性子空間方法和連續(xù)降維方法在Cabra火焰和B-K壁面射流火焰中的應(yīng)用。揭示了湍流射流火焰中的關(guān)鍵化學(xué)反應(yīng)以及主控物理過程的空間演化。

3)總結(jié)了模型燃燒系統(tǒng)的活性子空間分析，包括零維HCCI點火系統(tǒng)化學(xué)動力學(xué)主控機制分析、非穩(wěn)態(tài)PSR振蕩燃燒的神經(jīng)網(wǎng)絡(luò)系統(tǒng)的輸入?yún)?shù)降維，以及凹腔燃燒室?guī)缀螌ν牧魅紵挠绊憽?/p>

4)對于湍流燃燒調(diào)控的活性子空間分析，可根據(jù)子空間中的低維響應(yīng)面對輸入?yún)?shù)進(jìn)行調(diào)整，從而調(diào)控湍流燃燒過程。另外，可以通過在活性子空間中采用MCMC采樣，開展反向概率研究，實現(xiàn)湍流燃燒調(diào)控。