Avances en el análisis computacional para la optimización de motores a reacción: una revisión de CFD, análisis estructural y enfoques multidisciplinarios
Barra lateral del artículo
Contenido principal del artículo
Resumen
La evolución de la tecnología de los motores a reacción ha estado profundamente influenciada por los avances en el análisis computacional, especialmente en la dinámica de fluidos computacional (CFD), el análisis estructural y la optimización multidisciplinaria. Esta revisión aborda las técnicas computacionales de vanguardia aplicadas al estudio de motores a reacción, resaltando sus aplicaciones, beneficios y desafíos. La CFD se ha consolidado como una herramienta esencial que permite simulaciones detalladas de los complejos procesos aerodinámicos y de combustión. Métodos como las simulaciones de grandes remolinos (LES) y las simulaciones numéricas directas (DNS) han permitido comprender con mayor profundidad la turbulencia y la dinámica de la combustión, mejorando la eficiencia y reduciendo las emisiones. No obstante, estas simulaciones de alta fidelidad demandan un elevado costo computacional, lo que ha impulsado el desarrollo de algoritmos más eficientes y el uso de recursos de cómputo de alto rendimiento. La integración del análisis estructural con las simulaciones aerodinámicas ha facilitado el diseño de componentes capaces de soportar condiciones extremas, aumentando la fiabilidad y seguridad del motor. Los marcos de optimización de diseño multidisciplinario (MDO) han transformado el diseño al evaluar simultáneamente múltiples métricas de rendimiento, logrando configuraciones equilibradas entre eficiencia, peso y durabilidad. Pese a estos avances, persisten retos en el modelado de fenómenos complejos, como las inestabilidades de combustión y el comportamiento de materiales a altas temperaturas. La incorporación del aprendizaje automático ofrece soluciones prometedoras, orientadas hacia sistemas de propulsión más eficientes, confiables y sostenibles.
Detalles del artículo
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
La Universidad Politécnica Salesiana de Ecuador conserva los derechos patrimoniales (copyright) de las obras publicadas y favorecerá la reutilización de las mismas. Las obras se publican en la edición electrónica de la revista bajo una licencia Creative Commons Reconocimiento / No Comercial-Sin Obra Derivada 4.0 Ecuador: se pueden copiar, usar, difundir, transmitir y exponer públicamente.
El autor/es abajo firmante transfiere parcialmente los derechos de propiedad (copyright) del presente trabajo a la Universidad Politécnica Salesiana del Ecuador, para las ediciones impresas.
Se declara además haber respetado los principios éticos de investigación y estar libre de cualquier conflicto de intereses.
El autor/es certifican que este trabajo no ha sido publicado, ni está en vías de consideración para su publicación en ninguna otra revista u obra editorial.
El autor/es se responsabilizan de su contenido y de haber contribuido a la concepción, diseño y realización del trabajo, análisis e interpretación de datos, y de haber participado en la redacción del texto y sus revisiones, así como en la aprobación de la versión que finalmente se remite en adjunto.
Referencias
[1] J. D. Anderson, Computational Fluid Dynamics: The Basics With Applications. New York: McGraw-Hill, 2017. [Online]. Available: https://upsalesiana.ec/ing35ar3r1
[2] F. M. White, Fluid Mechanics, 9th ed. McGraw-Hill Education, 2018. [Online]. Available: https://upsalesiana.ec/ing35ar3r7
[3] J. D. Anderson, Modern Compressible Flow: With Historical Perspective, 2nd ed. New York: McGraw-Hill Education, 2017. [Online]. Available: https://upsalesiana.ec/ing35ar3r10
[4] H. Schlichting and K. Gersten, Boundary-Layer Theory. Springer Berlin Heidelberg, 2017. [Online]. Available: https://doi.org/10.1007/978-3-662-52919-5
[5] S. B. Pope, Turbulent Flows. Cambridge University Press, Aug. 2000. [Online]. Available: https://doi.org/10.1017/CBO9781316179475
[6] T. Colonius and S. Laizet, “Numerical simulation of turbulent flows: Advances and challenges,” Annual Review of Fluid Mechanics, vol. 53, pp. 365–391, 2021. [Online]. Available: https://upsalesiana.ec/ing35ar3r6
[7] P. A. Durbin and B. A. Pettersson Reif, Statistical Theory and Modeling for Turbulent Flows, 2nd ed. Wiley, 2010. [Online]. Available: https://upsalesiana.ec/ing35ar3r4
[8] C. J. Lagares-Nieves, J. Santiago, and G. Araya, “Turbulence modeling in hypersonic turbulent boundary layers subject to convex wall curvature,” AIAA Journal, vol. 59, no. 12, pp. 4935–4954, Dec. 2021. [Online]. Available: https://doi.org/10.2514/1.J060247
[9] M. A. Leschziner, Statistical Turbulence Modelling for Fluid Dynamics: Demystified. London: World Scientific Publishing / Imperial College Press, 2015. [Online]. Available: https://upsalesiana.ec/ing35ar3r8
[10] R. O. Fox, Computational Models for Turbulent Reacting Flows. Cambridge University Press, Oct. 2003. [Online]. Available: https://doi.org/10.1017/CBO9780511610103
[11] R. D. Blevins, Applied Fluid Dynamics Handbook. New York, NY, USA: Van Nostrand Reinhold Co., 1984. [Online]. Available: https://upsalesiana.ec/ing35ar3r15
[12] A. F. El-Sayed, Aircraft Propulsion and Gas Turbine Engines, 2nd ed. CRC Press, 2017. [Online]. Available: https://upsalesiana.ec/ing35ar3r16
[13] J. H. Ferziger, M. Perić, and R. L. Street, Computational Methods for Fluid Dynamics. Springer International Publishing, 2020. [Online]. Available: https://doi.org/10.1007/978-3-319-99693-6
[14] G. Tryggvason, R. Scardovelli, and S. Zaleski, Direct Numerical Simulations of Gas–Liquid Multiphase Flows. Cambridge University Press, Jan. 2001. [Online]. Available: https://doi.org/10.1017/CBO9780511975264
[15] R. Mittal and G. Iaccarino, “Immersed boundary methods,” Annual Review of Fluid Mechanics, vol. 37, no. 1, pp. 239–261, Jan. 2005. [Online]. Available: https://doi.org/10.1146/annurev.fluid.37.061903.175743
[16] T. C. Lieuwen and V. Yang, Combustion Instabilities In Gas Turbine Engines: Operational Experience, Fundamental Mechanisms, and Modeling. American Institute of Aeronautics and Astronautics, Jan. 2006, pp. I–Xiv. [Online]. Available: https://doi.org/10.2514/5.9781600866807.0000.0000
[17] K. Deb, Multi-Objective Optimization Using Evolutionary Algorithms. Wiley, 2019. [Online]. Available: https://upsalesiana.ec/ing35ar3r28
[18] J. R. R. A. Martins and A. Ning, Engineering Design Optimization. Cambridge University Press, Sep. 2013, vol. 51, no. 9. [Online]. Available: https://upsalesiana.ec/ing35ar3r29
[19] E. Benini, Advanced Gas Turbine Technology. Intechweb.org, 2020, 1st ed. [Online]. Available: https://upsalesiana.ec/ing35ar3r27
[20] Z.-H. Han and K.-S. Zhang, Surrogate-Based Optimization. InTech, Mar. 2012. [Online]. Available: https://doi.org/10.5772/36125
[21] R. Cant, U. Ahmed, J. Fang, N. Chakarborty, G. Nivarti, C. Moulinec, and D. Emerson, “An unstructured adaptive mesh refinement approach for computational fluid dynamics of reacting flows,” Journal of Computational Physics, vol. 468, p. 111480, Nov. 2022. [Online]. Available: https://doi.org/10.1016/j.jcp.2022.111480
[22] A. Jameson, “Computational aerodynamics for aircraft design,” Science, vol. 245, no. 4916, pp. 361–371, Jul. 1989. [Online]. Available: https://doi.org/10.1126/science.245.4916.361
[23] Y. Saad, Numerical Methods for Large Eigenvalue Problems: Revised Edition. Society for Industrial and Applied Mathematics, Jan. 2011. [Online]. Available: https://doi.org/10.1137/1.9781611970739
[24] L. N. Trefethen, Spectral Methods in MATLAB. Society for Industrial and Applied Mathematics (SIAM), 2000. [Online]. Available: https://doi.org/10.1137/1.9780898719598
[25] F. O. Carta, Ed., Unsteady Flows in Jet Engines: Proceedings of a Workshop Held at United Aircraft Research Laboratories, 11 and 12 July 1974. Project SQUID Headquarters, Jet Propulsion Center, School of Mechanical Engineering, Purdue University, 1974. [Online]. Available: https://upsalesiana.ec/ing35ar3r34
[26] H. Holden and N. H. Risebro, Front Tracking for Hyperbolic Conservation Laws. Springer Berlin Heidelberg, 2002. [Online]. Available: https://doi.org/10.1007/978-3-642-56139-9
[27] A. R. Salem, I. Soliman, and R. S. Amano, “Heat transfer and crossflow investigations for jet impingement cooling applications,” International Journal of Gas Turbine, Propulsion and Power Systems, vol. 15, no. 1, pp. 15–23, 2024. [Online]. Available: https://doi.org/10.38036/jgpp.15.1_15
[28] B. Cockburn, “Discontinuous Galerkin methods for computational fluid dynamics,” Encyclopedia of Computational Mechanics Second Edition, pp. 1–63, Dec. 2017. [Online]. Available: https://doi.org/10.1002/9781119176817.ecm2053
[29] P. Moin and S. V. Apte, “Large-eddy simulation of realistic gas turbine combustors,” AIAA Journal, vol. 44, no. 4, pp. 698–708, Apr. 2006. [Online]. Available: http://doi.org/10.2514/1.14606
[30] H. Bijl, D. Lucor, S. Mishra, and C. Schwab, Uncertainty Quantification in Computational Fluid Dynamics. Springer International Publishing, 2013. [Online]. Available: https://doi.org/10.1007/978-3-319-00885-1
[31] J. D. Denton, “The 1993 igti scholar lecture: Loss mechanisms in turbomachines,” Journal of Turbomachinery, vol. 115, no. 4, pp. 621–656, Oct. 1993. [Online]. Available: http://doi.org/10.1115/1.2929299
[32] H. Pitsch, “Large-eddy simulation of turbulent combustion,” Annual Review of Fluid Mechanics, vol. 38, no. 1, pp. 453–482, Jan. 2006. [Online]. Available: https://doi.org/10.1146/annurev.fluid.38.050304.092133
[33] L. Wang, W. K. Anderson, E. J. Nielsen, P. S. Iyer, and B. Diskin, “Wall-modeled largeeddy simulation method for unstructured-grid navier–stokes solvers,” Journal of Aircraft, vol. 61, no. 6, pp. 1735–1760, Nov. 2024. [Online]. Available: https://doi.org/10.2514/1.C037847
[34] P. Brandão, V. Infante, and A. Deus, “Thermo-mechanical modeling of a high pressure turbine blade of an airplane gas turbine engine,” Procedia Structural Integrity, vol. 1, pp. 189–196, 2016. [Online]. Available: http://doi.org/10.1016/j.prostr.2016.02.026
[35] D. Lee, I. Shin, Y. Kim, J.-M. Koo, and C.-S. Seok, “A study on thermo mechanical fatigue life prediction of ni-base superalloy,” International Journal of Fatigue, vol. 62, pp. 62–66, May 2014. [Online]. Available: http://doi.org/10.1016/j.ijfatigue.2013.10.011
[36] A. Fedorov and A. Tumin, “High-speed boundarylayer instability: Old terminology and a new framework,” AIAA Journal, vol. 49, no. 8, pp. 1647–1657, Aug. 2011. [Online]. Available: https://doi.org/10.2514/1.J050835
[37] L. Saucedo-Mora and T. J. Marrow, “Multi-scale damage modelling in a ceramic matrix composite using a finite-element microstructure meshfree methodology,” Philosophical Transactions of the Royal Society A: Mathematical, Physical and Engineering Sciences, vol. 374, no. 2071, p. 20150276, Jul. 2016. [Online]. Available: http://doi.org/10.1098/rsta.2015.0276
[38] Z. Y. Wang and W. W. Zhang, “A unified method of data assimilation and turbulence modeling for separated flows at high Reynolds numbers,” Fluid Dynamics, 2022. [Online]. Available: https://doi.org/10.48550/arXiv.2211.00601
[39] H. Farooq, A. Saeed, I. Akhtar, and Z. Bangash, “Neural network-based model reduction of hydrodynamics forces on an airfoil,” Fluids, vol. 6, no. 9, p. 332, Sep. 2021. [Online]. Available: https://doi.org/10.3390/fluids6090332
[40] A. Thelen, X. Zhang, O. Fink, Y. Lu, S. Ghosh, B. D. Youn, M. D. Todd, S. Mahadevan, C. Hu, and Z. Hu, “A comprehensive review of digital twin – part 1: Modeling and twinning enabling technologies,” Computational Engineering, Finance, and Science, 2022. [Online]. Available: https://doi.org/10.48550/arXiv.2208.14197
[41] Z. Meng and Y. Yang, “Quantum computing of fluid dynamics using the hydrodynamic Schrödinger equation,” Physical Review Research, vol. 5, no. 3, p. 033182, Sep. 2023. [Online]. Available: https://doi.org/10.1103/PhysRevResearch.5.033182