선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 연구에서는 기존의 축척방법을 사용하여 성능해석을 수행하였을 때의 오차를 줄이기 위해서, 가스터빈 시험장치의 실험 데이터를 이용하여 구성품 성능선도를 축척하는 방법이 적용되었다. 이를 위해서 먼저 마이크로 가스터빈 엔진을 이용한 시험장치를 구성하였다.
제안 방법
- C++를 이용하여 대상엔진의 정상상태 성능모델을 구성하였으며 다시 70000~100000 RPM범위에서 가스터빈 시험 장치를 사용하여 얻어진 데이터로 새로운 축적방법(N.M.)과 기존의 축적방법(T.M.)으로 얻어진 성능선도를 이용한 성능 해석결과와 비교하여 검증하였다. Fig.
- 공기속도, 압축기 입/출구와 터빈 출구의 온도 및 압력을 측정하기 위하여 Fig. 1과 같이 Sensing hole을 만들고 압력 측정용 튜브, 온도 센서, 공기 속도 센서를 장착하였다.
- 본 연구에서는 소형 가스터빈 엔진을 사용하여 시험장치를 구성하고 그를 이용한 실제 실험을 통해 얻어진 몇 가지 RPM운용조건에서의 성능 데이터를 획득하여 각 조건에서 주어진 성능을 만족하도록 축척값을 구하고 그 값으로 각 RPM별로 새롭게 성능선도를 구성하는 방법을 적용하였다. 그 후 프로그램을 이용하여 엔진의 모델을 구성하고 다시 가스터빈 시험장치를 이용한 실험으로 실험 데이터와 새로운 맵을 적용한 데이터 그리고 기존의 방법을 이용한 데이터들을 비교하여 검증하였다.
- 테스트 셀은 추력대를 지지해주고, 터보제트 엔진 시험 중 발생할 수 있는 위험으로부터 시험자를 보호해주는 안전 케이스 역할을 한다. 또한 고온의 배기가스를 안전하게 배출하기 위한 배기구가 장착되어 있으며 데이터 모니터링 및 운용이 쉽고 편리하도록 설계 및 제작하였다[4]. Fig.
- 5와 같다. 먼저, 각 구성품 축적인자들을 결정하기 위해 시험장치의 실험으로부터 각 RPM별 성능 데이터인 온도, 압력, 연료유량, 추력을 이용하여 배기제트 속도(Cj)와 공기 유량(Ma)을 계산한다[3].
- 본 연구에서는 새롭게 적용된 방법을 검증하기 위해 대상엔진의 성능모델을 구성하였으며 또한 가스터빈 시험장치의 탈 설계점 성능해석을 수행하였다. 새롭게 생성된 성능선도를 가지고 70000~100000 RPM 사이의 성능해석을 수행한 결과와 기존의 축척방법으로 얻은 성능선도를 이용한 결과들과 비교하였다.
- 본 연구에서는 소형 가스터빈 엔진을 사용하여 시험장치를 구성하고 그를 이용한 실제 실험을 통해 얻어진 몇 가지 RPM운용조건에서의 성능 데이터를 획득하여 각 조건에서 주어진 성능을 만족하도록 축척값을 구하고 그 값으로 각 RPM별로 새롭게 성능선도를 구성하는 방법을 적용하였다. 그 후 프로그램을 이용하여 엔진의 모델을 구성하고 다시 가스터빈 시험장치를 이용한 실험으로 실험 데이터와 새로운 맵을 적용한 데이터 그리고 기존의 방법을 이용한 데이터들을 비교하여 검증하였다.
- 이렇게 축적된 구성품 성능 데이터는 수치해석적 기법으로 정리하여 각 조건에서의 설계점 성능 값으로 적용했다. 수치해석적 기법은 노이즈 제거와 경향분석을 위해 획득된 데이터들의 최대점과 최소점 사이를 다섯 구간으로 구분하여 그 구간들 중 가장 많은 데이터가 집중되어있는 구간을 선별하여 평균값을 취하는 방법을 사용하였다. Table 1은 5가지 조건에서의 계산된 구성품 성능 값들이다.
- 실험은 i-Jet 130엔진의 50%, 60%, 70%, 80%, 90%에 해당하는 RPM별로 수행하였다. 데이터의 축적은 각 RPM별로 10Hz로 30초씩 이루어졌다.
- 이를 위해서 먼저 마이크로 가스터빈 엔진을 이용한 시험장치를 구성하였다. 이렇게 구성된 가스터빈 시험장치를 이용한 시험 데이터를 이용하여, 먼저 몇 개의 작동점들의 성능 데이터들을 축적하고 수치해석적인 방법과 열역학적 관계식을 이용하여 구한 축척인자들을 사용하여 각각의 조건에서 성능선도를 구성한다.
- 이렇게 축적된 배기제트 속도와 공기유량 데이터로부터 열역학적 방정식을 이용하여 역으로 터빈과 압축기의 압력비, 유량함수 등의 성능데이터를 계산해 낼 수 있다. 이렇게 축적된 구성품 성능 데이터는 수치해석적 기법으로 정리하여 각 조건에서의 설계점 성능 값으로 적용했다. 수치해석적 기법은 노이즈 제거와 경향분석을 위해 획득된 데이터들의 최대점과 최소점 사이를 다섯 구간으로 구분하여 그 구간들 중 가장 많은 데이터가 집중되어있는 구간을 선별하여 평균값을 취하는 방법을 사용하였다.
대상 데이터
- 데이터 획득 장치로는 Data logger의 사용 편리성, 저비용적인 측면과 모듈형 인스트루먼트의 우수한 성능, 유연성을 갖춘 NI CompactDAQ 하드웨어를 사용하였으며 시험장치에서 계측되는 센서의 아날로그 신호를 간단한 플러그 앤 플레이로 빠르고 정확한 측정이 가능하다. Fig.
- 실시간 모니터링 화면은 사용자가 엔진 테스트 중 실시간으로 계측되는 데이터를 한눈에 쉽게 읽고 확인할 수 있도록 배치하였다. 본 시험 장치에서 모니터링 및 획득되는 데이터는 압축기 입구 온도와 압력, 압축기 출구 온도와 압력, 터빈 출구 온도와 압력, 연료유량, 추력 값이다. Fig.
- 본 시험장치에 사용된 i-Complete 사의 i-Jet 130은 추력 14Kg-f급의 소형 터보제트 엔진으로 주로 Radio Control Micro Aircraft의 추진장치로 사용되고 있으며 1단 원심 압축기, 역류 애눌러형 연소실, 1단 축류 터빈으로 구성되어 있다[3]. 또한 연료 공급을 위한 연료펌프, 연료필터, 연료밸브 및 점화플러그, Starter Motor 등의 accessory가 있으며 ECU에 의해 자동으로 제어된다.
- 본 연구에서는 기존의 축척방법을 사용하여 성능해석을 수행하였을 때의 오차를 줄이기 위해서, 가스터빈 시험장치의 실험 데이터를 이용하여 구성품 성능선도를 축척하는 방법이 적용되었다. 이를 위해서 먼저 마이크로 가스터빈 엔진을 이용한 시험장치를 구성하였다. 이렇게 구성된 가스터빈 시험장치를 이용한 시험 데이터를 이용하여, 먼저 몇 개의 작동점들의 성능 데이터들을 축적하고 수치해석적인 방법과 열역학적 관계식을 이용하여 구한 축척인자들을 사용하여 각각의 조건에서 성능선도를 구성한다.
데이터처리
- 본 연구에서는 새롭게 적용된 방법을 검증하기 위해 대상엔진의 성능모델을 구성하였으며 또한 가스터빈 시험장치의 탈 설계점 성능해석을 수행하였다. 새롭게 생성된 성능선도를 가지고 70000~100000 RPM 사이의 성능해석을 수행한 결과와 기존의 축척방법으로 얻은 성능선도를 이용한 결과들과 비교하였다.
이론/모형
- 데이터 모니터링 및 획득 장치는 NI(National Instruments)사에서 개발한 LabVIEW를 사용하였다.
성능/효과
- 해석 결과를 살펴보면, 기존의 축척방법을 사용한 경우 실험 데이터와 큰 오차를 보이지만 새로운 방법을 사용한 경우에는 해석 결과가 전체 작동영역에서 7% 이내의 오차를 보였다. 따라서 이 새로운 축척방법이 기존의 방법보다 더 효과적인 결과를 나타냄을 알 수 있다.
- 해석결과 기존의 축척방법을 이용하여 구한 성능선도를 가지고 해석을 수행한 경우 설계점에서는 실제 엔진의 성능과 매우 잘 일치하나 탈설계점에서는 큰 오차를 보임을 확인할 수 있었다. 반면 새로운 방법으로 구한 성능선도를 가지고 해석한 경우 전 운용 영역에서 7%내외의 오차율로 가스터빈 시험장치의 실험 데이터와 유사한 결과를 보여 본 연구에서 적용한 축척방법의 유용성을 확인할 수 있었다.
- 해석 결과를 살펴보면, 기존의 축척방법을 사용한 경우 실험 데이터와 큰 오차를 보이지만 새로운 방법을 사용한 경우에는 해석 결과가 전체 작동영역에서 7% 이내의 오차를 보였다. 따라서 이 새로운 축척방법이 기존의 방법보다 더 효과적인 결과를 나타냄을 알 수 있다.
- 해석결과 기존의 축척방법을 이용하여 구한 성능선도를 가지고 해석을 수행한 경우 설계점에서는 실제 엔진의 성능과 매우 잘 일치하나 탈설계점에서는 큰 오차를 보임을 확인할 수 있었다. 반면 새로운 방법으로 구한 성능선도를 가지고 해석한 경우 전 운용 영역에서 7%내외의 오차율로 가스터빈 시험장치의 실험 데이터와 유사한 결과를 보여 본 연구에서 적용한 축척방법의 유용성을 확인할 수 있었다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.