The evolution of injection processes toward more fuel efficient and less polluting combustion systems tend to make them more prone to critical events such as Thermo-Acoustic Instabilities, Blow-Off and Flash-Back. Moreover, the addition of Di-Hydrogen as a secondary or as the main fuel is in discussion by aeronautical engines manufacturers. It drastically modifies the stability of the system and thus raise several interrogations concerning the multiplicity of its use. Being able to predict critical phenomena becomes a necessity in order to efficiently operate a system without having to pre-test every configuration and without sacrificing the safety of the user. Based on Deep Learning techniques and more specifically Speech Recognition, the following study presents the steps to develop a tool able to successfully detect and translate precursors of instability of an aeronautical grade swirled injector confined in a tubular combustion chamber. The promising results obtained lead to proposals for future transpositions to real-size systems. / Utvecklingen av injektionsprocesser mot mer bränsleeffektiva och mindre förorenande förbränningssystem, tenderar att göra dem mer benägna att utsättas för kritiska händelser som Thermo-Acoustic Instabilities, Blow-Off och Flash-Back. Dessutom diskuterar flygmotorkonstruktörer möjligheten att använda Dihydrogen som sekundärt eller som huvudbränsle. Det modifierar drastiskt systemets stabilitet och det väcker frågan hur man kan använda det effektivt. Att kunna förutsäga kritiska fenomen blir en nödvändighet för att använda ett system utan att behöva att på förhand testa varje konfiguration och utan att reducera användarens säkerhet. Baserat på Deep-Learning-tekniker och Speech-Recognition-tekniker, presenterar följande studie stegen för att utveckla ett verktyg som kan upptäcka och översätta föregångare till instabilitet hos en swirled flygmotorerinsprutningspump som är innesluten i en förbränningskammare. De lovande resultaten leder till idéer om hur man kan anpassa det här verktyg till ett system i verklig storlek.
Identifer | oai:union.ndltd.org:UPSALLA1/oai:DiVA.org:kth-272079 |
Date | January 2020 |
Creators | Cellier, Antony Hermann Guy |
Publisher | KTH, Kraft- och värmeteknologi |
Source Sets | DiVA Archive at Upsalla University |
Language | English |
Detected Language | English |
Type | Student thesis, info:eu-repo/semantics/bachelorThesis, text |
Format | application/pdf |
Rights | info:eu-repo/semantics/openAccess |
Relation | TRITA-ITM-EX ; 2020:66 |
Page generated in 0.0015 seconds