Knowledge base: Warsaw University of Technology

Settings and your account

Back

Development, implementation and validation of ignition delay time predictive model for an OpenFoam library

Aleksander Szymon Kufel

Abstract

Purpose of this thesis was to develop a predictive model for ignition delay time of hydrogen-air mixture and implement it in a OpenFoam library to improve its performance in symulation of deflagration to detonation transition. The thesis includes also a validation of implemented predictive model with a chosen experiment. Comparison of the results shows correctness of developed model. Mentioned library is called ddtFoam. It has been created by Florian Ettner. Possible with its use, analysis of the deflagration to detonation transition phenomenum is significant in safety study of hydrogen exploatation in process engineering, energy production and future application of automotive branch. Crutial advantage of the ddtFoam solver is the subgrid model it contains. It divides all of the mesh cells into two parts – before and after the shock. It allows to capture the discontinuity caused by the shock wave appearance and a correct simulation of the autoignition process which occurs in result of temperature and pressure raise in the fresh mixture going through the shock wave. The subgrid model also helps to provide correct results of a simulation with relatively coarse mesh. It makes the solver computationaly less expensive and far more efficient. Implemented predictive model influences, simplification of the solver, accuracy of the resulting value and acceleration of the ignition delay time calculations. In original code IDT was calculated by using interpolation function on data gathered in a table. The predictive model was created using machine learning methods. Artificial neural network consists of a few layers of neurons. Prediction value is obtained by computing values of neurons layer by layer, based on values in previous layer and weights of connections between neurons, starting with input data. Weights are opimalized using learning algorythms and training data. The neural network from the thesis was trained with data generated with Cantera library. The reaction mechanism used to calculate the data was the best available mechanism in terms of ignition delay time recreation. The methodology described in this thesis can be used to create a predictive model based on experimental data. It would have required gathering a lot data but resulting model would be matchless in terms of prediction accuracy. There is also a possibility to take the idea from this work even further in the future by developing predictive models for more kinds of fuel or a universal model which would take type of fuel as a input parameter in the network.
Diploma type
Engineer's / Bachelor of Science
Diploma type
Engineer's thesis
Author
Aleksander Szymon Kufel (FPAE) Aleksander Szymon Kufel,, Faculty of Power and Aeronautical Engineering (FPAE)
Title in Polish
Tworzenie, implementacja i walidacja modelu predykcyjnego na czas opóźnienia zapłonu do biblioteki Openfoam
Supervisor
Mateusz Żbikowski (FPAE/IHE) Mateusz Żbikowski,, The Institute of Heat Engineering (FPAE/IHE)Faculty of Power and Aeronautical Engineering (FPAE)
Certifying unit
Faculty of Power and Aeronautical Engineering (FPAE)
Affiliation unit
The Institute of Heat Engineering (FPAE/IHE)
Study subject / specialization
, Lotnictwo i Kosmonautyka (Aerospace Engineering)
Language
(pl) Polish
Status
Finished
Defense Date
24-06-2019
Issue date (year)
2019
Pages
53
Internal identifier
MEL; PD-5111
Reviewers
Andrzej Teodorczyk (FPAE/IHE) Andrzej Teodorczyk,, The Institute of Heat Engineering (FPAE/IHE)Faculty of Power and Aeronautical Engineering (FPAE) Mateusz Żbikowski (FPAE/IHE) Mateusz Żbikowski,, The Institute of Heat Engineering (FPAE/IHE)Faculty of Power and Aeronautical Engineering (FPAE)
Keywords in Polish
OpenFoam, obliczeniowa mechanika płynów, detonacja, symulacja, model predykcyjny, czas opóźnienia zapłonu, ddtFoam
Keywords in English
OpenFoam, computational fluid dynamics, detonation, simulation, predictive modelling, ignition delay time, ddtFoam
Abstract in Polish
Niniejsza praca polegała na stworzeniu modelu predykcyjnego czasu opóźnienia zapłonu dla mieszaniny wodoru z powietrzem w celu rozwinięcia kodu biblioteki OpenFOAM służącej do badania przejścia deflagracji w detonację. Praca obejmuje również walidację zaimplementowanego kodu modelu predykcyjnego z wybranymi eksperymentami z literatury. Porównanie wyników eksperymentu i symulacji dowodzi poprawności otrzymanego modelu predykcyjnego. Rozwijana biblioteka to ddtFoam. Została ona stworzona przez Floriana Ettnera. Możliwa dzięki niej analiza zjawiska przejścia deflagracji w detonację ma duże znaczenie jeśli chodzi o bezpieczeństwo przy eksploatacji wodoru w branżach: inżynierii procesowej, energetyki a także przyszłościowych rozwiązań branży automotive. Istotną zaletą biblioteki jest model podsiatkowy, dzielący każdą komórkę na część „przed falą” i „za falą”. Pozwala to na dokładniejsze uchwycenie położenia nieciągłości jaką jest fala uderzeniowa i poprawne odwzorowanie procesu samozapłonu występującego wskutek wzrostu temperatury i ciśnienia mieszanki palnej przechodzącej przez falę. Model podsiatkowy pozwala na osiągnięcie poprawnych wyników symulacji dla siatek o relatywnie dużej wielkości komórek obliczeniowych. Wiąże się to ze znaczną redukcją kosztu obliczeniowego. Zaimplementowany model wpływa na uproszczenie solvera, zwiększenie dokładności obliczeń, a także przyspieszenie obliczeń. Pierwotnie czas opóźnienia zapłonu wyliczany był z pomocą tablic i funkcji interpolacyjnej. Model predykcyjny został stworzony wykorzystując machine learning. Sztuczna sieć neuronowa składa się z kilku warstw neuronów. Wartość predykcji otrzymywana jest poprzez obliczanie wartości neuronów kolejnych warstw na podstawie wartości w poprzedniej warstwie oraz wag połączeń pomiędzy neuronami, wychodząc od warstwy wartości wejściowych. Wagi są optymalizowane z pomocą algorytmów uczących oraz danych treningowych. Do wytrenowania sieci użyto danych wygenerowanych z pomocą biblioteki Cantera. Do obliczeń wykorzystano najlepszy dostępny mechanizm reakcji pod względem odwzorowywania wartości czasu opóźnienia zapłonu. Opisana w pracy metodologia może być użyta do stworzenia modelu opartego na sieci wytrenowanej na danych eksperymentalnych. Wymagało by to wykonania wielu eksperymentów jednak taki model byłby bezkonkurencyjny pod względem dokładności predykcji. W przyszłości możliwe jest też wykonanie modeli dla innych paliw lub nawet wykonanie modelu uniwersalnego biorącego jako jeden z parametrów wejściowych rodzaj paliwa.
File
  • File: 1
    Praca_dyplomowa_inżynierska_-_A._Kufel.pdf
Request a WCAG compliant version
Local fields
Identyfikator pracy APD: 34911

Uniform Resource Identifier
https://repo.pw.edu.pl/info/bachelor/WUT544e725b1a5b47f1aaafab6ffcf24bdb/
URN
urn:pw-repo:WUT544e725b1a5b47f1aaafab6ffcf24bdb

Confirmation
Are you sure?
Report incorrect data on this page