Data-Driven Modal Decomposition Analysis of Unsteady Flow in a Multi-Stage Turbine

Dit onderzoek toont aan dat dynamische modale decompositie (DMD) methoden, in tegenstelling tot proper orthogonal decomposition (POD) dat weliswaar nauwkeurige reconstructies biedt maar de werkelijke dynamische frequenties verkeerd weergeeft, effectief de onstabiele stroming in een meervoudige turbine kunnen analyseren en dat de amplitude van de dominante modi correleert met de adiabatische efficiëntie bij verschillende klokconfiguraties.

De kern

De dans van de wind: Hoe computers de turbulente lucht in een turbine ontrafelen

Stel je voor dat je een enorme, complexe danszaal binnenstapt. In het midden draait een enorme danser (de rotor) razendsnel. Rondom hem staan andere dansers (de statoren) die stil staan, maar door de beweging van de centrale danser worden ze ook in beweging gezet. De lucht die door deze zaal stroomt, is niet rustig; het is een wirwar van windstoten, draaikolken en drukgolven die voortdurend veranderen.

Deze wetenschappers hebben een manier bedacht om die chaotische dans van de lucht te begrijpen, te ordenen en zelfs te voorspellen. Ze kijken naar een 1,5-staps turbine (een soort motor voor vliegtuigen of energieopwekking) en proberen te begrijpen wat er gebeurt in het gedeelte na de draaiende bladen.

Hier is hoe ze dat deden, vertaald naar alledaags taal:

1. Het probleem: Te veel ruis, te weinig overzicht

De luchtstroom in zo'n turbine is als een orkest dat 10.000 instrumenten tegelijk bespeelt. Als je naar de luchtstroom kijkt, zie je alleen maar chaos. De wiskundige regels die de lucht beschrijven (de Navier-Stokes vergelijkingen) zijn zo complex dat het bijna onmogelijk is om ze snel en precies op te lossen voor elke kleine beweging.

De oplossing? Muziek maken uit ruis.
In plaats van naar elke individuele luchtdeeltje te kijken, proberen de onderzoekers de "melodieën" te vinden. Ze denken: "Als we de belangrijkste melodieën kunnen vinden, kunnen we de rest van het geluid negeren en toch begrijpen wat er gebeurt."

2. De twee detectives: POD en DMD

Om deze melodieën te vinden, gebruiken ze twee verschillende "detectives" (wiskundige methoden):

• Detective POD (De Foto-album-methode):
  Stel je voor dat je duizenden foto's maakt van de dansende lucht. POD kijkt naar al deze foto's en zegt: "Oké, wat is de meest voorkomende beweging? Wat is de tweede meest voorkomende?"
  Het sorteert de bewegingen op basis van hoeveel "energie" ze hebben. Het is heel goed in het maken van een perfecte kopie van de foto's (het reconstructeren van de luchtstroom), maar het heeft een nadeel: het vertelt je niet hoe de beweging in de tijd evolueert. Het is alsof je een album hebt, maar je weet niet welke foto eerst kwam en welke daarna. Het kan de echte dynamiek van de dans misleiden.

• Detective DMD (De Videoband-methode):
  DMD kijkt niet alleen naar de foto's, maar ook naar het verloop in de tijd. Het zegt: "Als de lucht hier nu zo staat, hoe ziet het er over een fractie van een seconde uit?"
  DMD is beter in het begrijpen van de dynamiek. Het kan je vertellen: "Deze beweging is stabiel, die andere vervaagt snel, en deze groeit." Het is alsof je een video hebt in plaats van een fotoalbum.

3. De test: Welke detective werkt het beste?

De onderzoekers hebben vier verschillende varianten van DMD getest, elk met een eigen manier om te beslissen welke "melodieën" belangrijk zijn:

• Amplitude: Welke beweging is het sterkst? (De luide trompet).
• Frequentie: Hoe vaak trilt het? (De snelle fluit).
• Tissot-criterium: Een slimme mix van sterkte en hoe lang het duurt.
• SP-DMD: Een methode die probeert de allerbelangrijkste bewegingen te vinden door ruis weg te filteren.

Het resultaat:
De "Frequentie-methode" faalde. Het was alsof je probeerde een symfonie te begrijpen door alleen naar de snelste fluitjes te luisteren en de zware bas te negeren. Dat gaf een verkeerd beeld.
De andere methoden (Amplitude, Tissot en SP-DMD) deden het echter uitstekend. Ze konden de luchtstroom bijna perfect reconstrueren, net zo goed als de oude POD-methode. Maar DMD had een superkracht: het kon de toekomst voorspellen!

4. Wat ontdekten ze over de turbine?

• De belangrijkste dansers: De luchtstroom wordt gedomineerd door een paar specifieke bewegingen die direct worden veroorzaakt door de draaiende rotor. Het zijn als het ware de "hoofdrolspelers" in de dans.
• Stabiliteit: De meeste belangrijke bewegingen zijn stabiel; ze verdwijnen niet snel. Ze zijn als een ritme dat constant doorgaat.
• De valkuil van POD: Hoewel POD de foto's perfect kan nabootsen, gaf het een verkeerd beeld van de frequentie. Het dacht dat de luchtstroom trager of sneller bewoog dan hij eigenlijk deed. DMD gaf het juiste ritme weer.

5. De "Klok" van de turbine (Stator Clocking)

Dit is misschien wel het coolste deel. In een turbine kun je de positie van de statoren (de stilstaande bladen) ten opzichte van elkaar verschuiven, alsof je de wijzers van een klok verdraait. Dit heet "clocking".

De onderzoekers ontdekten een verrassende link:

• Als je de statoren op een bepaalde manier draait (een specifieke "klokstand"), wordt de turbine efficiënter (meer energie, minder brandstof).
• Diezelfde "klokstand" zorgde ervoor dat de belangrijkste dansbewegingen (de modes) sterker werden.

De analogie:
Stel je voor dat je een groep mensen in een zwembad hebt. Als ze allemaal tegelijk een grote golf maken (sterke modes), kan dat de energie van de stroming verbeteren. De onderzoekers vonden dat de beste turbine-ontwerpen juist die "grote golven" hebben. Als je de bladen verkeerd instelt, worden deze golven kleiner en wordt de turbine minder efficiënt.

Conclusie: Waarom is dit belangrijk?

Vroeger moesten ingenieurs gissen naar de beste vorm van turbinebladen. Nu hebben ze een nieuwe tool. Ze kunnen kijken naar de "dans" van de lucht en zeggen: "Oh, als we de statoren zo draaien dat deze specifieke dansbeweging sterker wordt, dan werkt de turbine beter."

Het is alsof ze van een chaotisch orkest een partituur hebben gemaakt. Ze weten nu precies welke instrumenten (de modes) het belangrijkst zijn om het geluid (de prestaties) te verbeteren. Dit helpt bij het ontwerpen van zuinigere vliegtuigen en energiecentrales, puur door naar de data te kijken en de juiste "melodie" te vinden.

Technische samenvatting

Titel: Data-gedreven modale decompositieanalyse van onstabiliteit in een meertraps turbine

Auteurs: Yalu Zhu en Feng Liu (University of California, Irvine)

---

1. Probleemstelling

Het analyseren van onstabiliteit in complexe stromingen, zoals die voorkomen in meertraps turbomachines, vormt een grote uitdaging vanwege de sterke niet-lineariteit van de Navier-Stokes-vergelijkingen. Hoewel numerieke simulaties (zoals URANS) gedetailleerde data genereren, is het moeilijk om de onderliggende fysische mechanismen en dominante dynamische structuren direct uit deze grote datasets te halen. Er is behoefte aan methoden die de dimensie van de data reduceren terwijl de essentiële dynamische kenmerken behouden blijven. Traditionele modelgedreven methoden vereisen vaak de Jacobiaanse matrix van het systeem, wat computationally duur is. Data-gedreven methoden zoals Proper Orthogonal Decomposition (POD) en Dynamic Mode Decomposition (DMD) bieden een alternatief, maar hun vergelijkende prestaties in multi-stage turbines en de geschiktheid van verschillende DMD-modeselectiecriteria zijn nog niet volledig onderzocht.

2. Methodologie

De auteurs hebben twee data-gedreven modale decompositietechnieken toegepast op onstabiliteit in de downstream stator van een 1,5-traps axiale turbine:

• Proper Orthogonal Decomposition (POD): Een methode die de flow veld decomposeert in orthogonale modi gebaseerd op de energie (singuliere waarden). Het biedt de optimale reconstructie in de zin van de Frobenius-norm, maar mist expliciete tijdsdynamica per modus.
• Dynamic Mode Decomposition (DMD): Een methode die de evolutie en ruimtelijke structuren van een dynamisch systeem extrahert door een lineaire benadering toe te passen op een reeks "snapshots". DMD levert modi op met specifieke frequenties en groeifactoren.

Vergelijking van DMD-varianten:
Er werden vier DMD-varianten vergeleken met POD, elk met een ander criterium voor het selecteren van de dominante modi:

1. Amplitude-criterium: Sorteren op basis van de grootte van de modusamplitude.
2. Frequentie-criterium: Sorteren op basis van de hoekfrequentie.
3. Tissot-criterium: Een gewogen amplitude die rekening houdt met de groeifactor over de tijd.
4. SP-DMD (Sparsity-Promoting DMD): Een methode die een penaliseringsfunctie gebruikt om een optimale, schaarse combinatie van modi te vinden.

Simulatie:
De onstabiliteit werd gegenereerd door de onstabiliteitige Reynolds-averaged Navier-Stokes (URANS) vergelijkingen op te lossen voor een 1,5-traps turbine. De analyse concentreerde zich op de tweede stator (Stator 2), waar de interactie tussen rotor en stator leidt tot de grootste onstabiliteit. Er werden 120 tijdsstappen (4 rotatiecycli) gebruikt voor de analyse.

3. Belangrijkste Bijdragen

• Vergelijkende evaluatie: Een uitgebreide vergelijking tussen POD en vier DMD-varianten in de context van een multi-stage turbine, een domein waar DMD nog weinig is toegepast.
• Validatie van selectiecriteria: Het vaststellen van welke DMD-modeselectiecriteria geschikt zijn voor periodieke turbomachine-stromingen.
• Correlatie met prestaties: Het onthullen van een directe link tussen de sterkte van de dominante modale structuren en de adiabatische efficiëntie van de turbine onder verschillende "clocking" configuraties (relatieve hoekpositie van de statorbladen).

4. Resultaten

A. Reconstructie-accuraatheid:

• De DMD-methoden gebaseerd op het amplitude-criterium, het Tissot-criterium en SP-DMD bereikten een reconstructie-accuraatheid die vergelijkbaar was met die van POD. Met slechts zeven modi kon een foutmarge van minder dan $10^{-4}$ worden bereikt.
• Het frequentie-criterium bleek ongeschikt. De geselecteerde modi hadden hoge dempingsfactoren en konden de dominante kenmerken van de stroming niet goed vastleggen, wat leidde tot aanzienlijk hogere reconstructiefouten.

B. Ruimtelijke en Dynamische Kenmerken:

• Dominante Modi: De tweede en derde modi (zowel voor POD als DMD) vangen de dominante drukfluctuaties in de stator op. Er is een sterke gelijkenis tussen de ruimtelijke vormen van de corresponderende POD- en DMD-modi.
• Dynamisch Gedrag:
  • DMD: De dominante modi zijn neutraal stabiel (groeifactor $\approx$ 0) met lage frequenties die overeenkomen met de rotor-passeringsfrequentie (RPF) en zijn harmonischen. DMD kan de ware tijdsdynamiek en demping van de stroming nauwkeurig weergeven.
  • POD: Hoewel POD de stroming nauwkeurig reconstrueert, weerspiegelt de tijdscoëfficiënt van elke POD-modus niet de ware dynamische eigenschappen van het systeem. POD-modi bevatten vaak een mengeling van frequenties en kunnen de fundamentele dynamische componenten verkeerd voorstellen.
• Clocking Invloed: Er werd een duidelijke correlatie gevonden tussen de stator "clocking" configuraties en de turbine-efficiëntie. Configuraties met een hogere adiabatische efficiëntie (bij 50% spanwijdte) correleren met:
  • Een grotere amplitude en ruimtelijke component van de tweede en derde DMD-modusparen.
  • Een grotere sterkte (singuliere waarde) van de tweede POD-modus.
  • Dit suggereert dat configuraties met sterkere dominante drukfluctuaties (geassocieerd met de rotor-passeringsfrequentie) beter presteren.

5. Betekenis en Conclusie

De studie concludeert dat zowel POD als DMD krachtige hulpmiddelen zijn voor het analyseren van onstabiliteit in multi-stage turbines, maar met verschillende sterke punten:

• POD is uitstekend voor het verkrijgen van de meest accurate ruimtelijke reconstructie van de stroming met een beperkt aantal modi, maar is beperkt in het onthullen van de onderliggende dynamische frequenties en tijdsontwikkeling.
• DMD (met name met het amplitude- of Tissot-criterium) biedt niet alleen goede reconstructie, maar onthult ook de ware dynamische evolutie, inclusief frequenties en stabiliteitseigenschappen, wat cruciaal is voor het begrijpen van de fysische mechanismen.

De bevindingen bieden een data-gedreven richtlijn voor het aerodynamisch ontwerp en de optimalisatie van meertraps turbines. Het inzicht dat hogere efficiëntie correleert met specifieke dominante modale structuren, stelt ontwerpers in staat om "clocking" configuraties te selecteren die de interactie tussen rotor en stator optimaliseren voor betere prestaties.