Optimization of the geometry of domestic gas burner injectors by using the design exploration process

Abstract

ABSTRACT: In domestic gas burners, the injector is the element that controls the fuel mass flow rate. Inside this device, an over-pressured gas undergoes a pressure drop due to a ow discharge through a calibrated orifice. At the exit, the resulting high-speed jet is responsible for entraining the surrounding air for premixing purposes. The fundamental aim of this project is to analyze the influence of the internal geometry of gas burner injectors on the performance of the fuel jet and its capacity to entrain air. The internal orifice diameter of an injector manages most of the pressure drop and therefore it is also usually the most relevant parameter to define a targeted mass flow rate. This study will focus on the other two main parameters of injectors, namely, the height of the nozzle throat, h, and the angle of the convergent zone, alfa. The Design Exploration process has been followed to efficiently carry out this study, using a module called DesignXplorer, part of the commercial software ANSYS. As a part of the process, we also have analyzed the mathematical tools involved, i.e. the Design of Experiments (DOEs), the Response Surface algorithms or the different optimization methods. We have simulated a total of 149 injector geometries, forming part of three different types of DOEs. The Genetic Aggregation algorithm has been chosen for Response Surfaces generation. For the multi-objective optimization, we have used the MOGA (Multi-Objective Genetic Algorithm) method, with the target of maximizing the air entrainment and, at the same time, the discharge coefficient. This approach has shown that small heights (h ϵ [0:25; 1:75] times the diameter) with larger angles (α ϵ [155; 160]o) give better results. Finally, among the tested DOEs, we have seen that the uniform distribution of design points is the best option considering the quality metrics, although the number of them is the most affecting variable.

RESUMEN: En un quemador de gas doméstico, el inyector es el elemento que controla la entrada de flujo másico. Dentro de este dispositivo, el gas sufre una caída de presión debido a la descarga de un caudal a través de un orificio calibrado. A la salida, el chorro resultante sale a alta velocidad y arrastra el aire de su alrededor mezclándolo con el gas. El objetivo fundamental de este proyecto es analizar la influencia que tiene la geometría interna de los inyectores en el comportamiento del chorro de combustible y su capacidad de arrastre. El diámetro interno de un inyector controla la mayoría de la caída de presión y, por lo tanto, es el parámetro más relevante para definir el caudal. Este estudio se centrará en los otros dos parámetros principales de los inyectores, a saber, la altura de la garganta del inyector, h, y el ángulo que forma con la zona de convergencia, α. Para llevar a cabo de manera eficiente el estudio se ha seguido el proceso de Exploración del Diseño, utilizando un módulo llamado DesignXplorer que es parte del software comercial ANSYS. Como parte del proceso también se han analizado las diferentes herramientas matemáticas involucradas en el mismo, como son, los Diseños de Experimentos (DOEs), los algoritmos de generación de Superficies de Respuesta o los diferentes métodos para el proceso de optimización. Se han simulado un total de 149 geometrías de inyector que forman parte de tres tipos diferentes de DOEs. El algoritmo elegido para la generación de las Superficies de Respuesta ha sido el de Agregación Genética. Para la optimización multi-objetivo se ha utilizado un método genético llamado MOGA (Multi-Objective Genetic Algorithm), con el objetivo de maximizar al mismo tiempo el arrastre de aire y el coeficiente de descarga del inyector. Como veremos, este proceso muestra que los mejores resultados los proporcionan alturas pequeñas (h ϵ [0.25; 1.75] veces el diámetro) y ángulos grandes (α ϵ [155; 160]o). Por último, ente los DOEs que hemos probado, se ha visto que lo más eficiente es dividir de forma uniforme el espacio de muestreo y, como cabía esperar, el número de puntos de diseño es el factor que más afecta a la calidad de los resultados.