Обзор модели

Наиболее типичными проектами двигателей Стирлинга являются альфа, бета и гамма- строения. В этом примере мы моделируем только гамма- строение, которая состоит из двух поршней, соединенных с проходным трубопроводом.

Первый поршень называется Вытеснитель, который представляет собой гидроцилиндр двойного действия с двумя ёмкостями, один - нагреватель, поглощающий тепло от пламени, а другой - охладитель, рассеивающий тепло к окружающей среде. Общий объем поршня вытеснителя является постоянным, хотя газ течет из охладителя в нагреватель и наоборот, когда поршневая головка перемещается. Поток между ними через так называемый Регенератор. Регенератор является трубопроводом, которая позволяет поток между охладителем и нагревателем в поршне хода. Обычно он реализован как поршневая головка с меньшим радиусом, чем цилиндр, что позволяет проводить утечки.

Второй поршень называется Силовым поршнем и представляет собой цилиндр одностороннего действия с переменным объемом, соединенным с вытеснителем через проходной трубопровод. Этот поршень производит крутящий момент и степень.

И вытеснитель, и силовые поршни через два механизма кривошипа ползуна соединены с маховиком. Кривошип вытеснителя имеет задержку в 90 степени от степени поршня.

Поршень вытеснителя:

Регенератор:

Регенератор также проводит тепло от нагревателя к охладителю.

Силовой поршень:

Ползун с кривошипами и маховик:

Пользователь может принять решение запустить двигатель с импульсом крутящего момента и позволить ему ускоряться до установившегося состояния или форсировать угловую скорость, комментируя и отменяя источник крутящего момента и источник угловой скорости.

Подсистемы пламени и окружающей среды содержат источники температуры и тепловую конвекцию.

Параметризация

Большинство параметров в блоках Simscape™ этого примера были сохранены как переменные в ssc_stirling_engine_params скриптов для легкого изменения. Измените скрипт, чтобы изменить значения параметров.

Результаты симуляции

Модель описывает 15 с запуска двигателя Стирлинга, приложив импульс в t = 5 с, чтобы привести маховик в исходное движение.

P-V схема термодинамического цикла

Ключевым графиком, который следует учитывать в проекте двигателя, является P-V-схема термодинамического цикла. Он строит графики давления и объема газа в силовом поршне во время вращения маховика. В установившемся состоянии эта кривая является замкнутой и циклической. Область, окруженная кривой, является механической работой, выполняемой в течение одного цикла. Общая площадь под кривой является теплом, поглощенным в течение одного цикла. Отношение между ними является термодинамической эффективностью цикла. Если мы умножаем работу за цикл (или тепло за цикл) с количеством циклов в секунду, мы получаем механическую степень (или тепловую степень, поглощенную)

Work per cycle: 1.3364J
Heat absorption per cycle: 11.3595J
Thermodynamic efficiency: 11.76%
Mechanical power: 37.9055W
Thermal power absorbed: 322.2081W
-----------------------

Кривые мощности и крутящего момента

Другим ключевым показателем эффективности является кривая мощность-об/мин и кривая крутящий момент-об/мин.

Оптимизация проекта

Большим преимуществом параметризованной физической модели является то, что алгоритмы оптимизации могут использоваться, чтобы найти оптимальные расчётные параметры (для максимальной эффективности или степени). Одной из возможных конструктивных переменных для оптимизации является радиус кривошипа поршня степени. В этом разделе сравниваются два значения радиуса кривошипа степени.

1st crank radius
Work per cycle: 1.3364J
Heat absorption per cycle: 11.3595J
Thermodynamic efficiency: 11.76%
Shaft speed: 1701.8777rpm
Mechanical power: 37.9055W
Thermal power absorbed: 322.2081W
-----------------------
2nd crank radius
Work per cycle: 1.2665J
Heat absorption per cycle: 8.0605J
Thermodynamic efficiency: 15.71%
Shaft speed: 1591.187rpm
Mechanical power: 33.5877W
Thermal power absorbed: 213.7627W
-----------------------

При втором значении радиуса кривошипа получаем меньшую скорость вала и меньшую степень, но более высокую термодинамическую эффективность. Этот подход может использоваться в процессе оптимизации с несколькими переменными, чтобы найти глобальный оптимальный проект с генетическими алгоритмами, например.