NACA4412翼型低速绕流数值计算中湍流模型对比

使用Spalart-Allmaras(S-A)、SSTk-ω、Gao-Yong 3种湍流模型对NACA4412翼型低速绕流进行了数值计算,研究了尾迹流动松弛效应。对流项采用Roe格式离散,扩散项采用二阶中心格式离散,离散后的控制方程用多步Runge-Kutta显示时间推进法求解。计算中对翼型尾缘流松弛效应进行了分析,比较了翼型表面压力系数、速度剖面、雷诺应力等的分布,3种湍流模型总体上能够较好地模拟NACA4412翼型低速绕流。SSTk-ω模型对流动细节及升力系数计算最好,Gao-Yong模型对翼型平均速度剖面及雷诺剪切应力分布计算最准确。     

不可压缩实际粘性流体绕流孤立翼型的数值研究

本文提出了基于微分-积分方程组求解N-S方程的有限差分法求解不可压缩实际粘性流体绕孤立翼型流动。计算中采用了K-ε湍流模型结合考虑逆压梯度的壁面函数法,并导出任意非正交曲线坐标系下的压力修正方法和适用于大流通量的混合格式。分别计算了层流和湍流情况下带分离翼型绕流,与流动显示及实验数据比较表明,在预测分离点位置,翼型表面压力、平均速度分布、雷诺切应力uv方面,两者吻合,结果是满意的。     

使用GAO-YONG湍流方程组计算翼型分离流

采用SIMPLE方法求解GAO-YONG不可压湍流方程组, 对不同来流迎角下的NACA0012翼型绕流结构进行了数值模拟, 给出了翼型绕流分离流结构随迎角的变化特征和翼型在分离绕流中的气动力参数.与实验数据以及大涡模拟结果的比较表明, GAO-YONG不可压湍流方程组能够对翼型绕流的分离点、分离涡形态、表面压力分布、升阻特性做出较好的预测, 能够模拟翼型大攻角分离流动, 计算结果优于FLU-ENT软件中的k-ε、k-ω、k-ωsst模型的计算结果.      

应用混合网格分析复杂积冰翼型气动性能

通过发展一种点-点对接的结构/非结构混合网格生成方法,避免了复杂积冰外形难以划分结构化网格的问题,并对复杂积冰翼型的气动性能进行了分析计算.在靠近积冰边界的内层采用了非结构网格以拟合复杂的边界,在非结构网格外采用结构化网格以节省存储空间和计算时间.为了检验网格对选用湍流模型的影响,整个流动区域分别采用SST和SA湍流模型,求解了雷诺平均N-S方程.数值计算结果表明SST模型更适于模拟复杂分离流动,积冰对翼型的气动性能造成了严重的影响.     

多段翼型大迎角下主翼、襟翼上的分离流及缝道流动

使用雷诺平均N-S方程、采用可用于较大分离区的Johnson-King紊流模型、嵌套网格和有限体积法研究大迎角下的多段翼型绕流,特别是主翼、襟翼上的分离流动及缝道流动。利用嵌合体技术对组合体每一部分生成高质量并适于高效求解的贴体网格。以具有17%相对厚度的GAW-1翼型带30%襟翼翼型为例进行了计算,计算结果与实验结果吻合很好,证实该方法可以较好地预计多段翼型上的分离流、缝道流动与最大升力。     

低雷诺数翼型层流分离现象大涡模拟方法

为准确预测翼型低雷诺数条件下出现的层流分离流动现象,发展了基于结构化拼接网格的大涡模拟方法。控制方程为Favre滤波Naver-Stokes方程,并选用多种亚格子模型。空间离散采用AUSM格式以及高阶WENO格式,时间推进采用显式方法和隐式方法。以SD7003翼型在雷诺数60 000及4°迎角下的层流分离流动为研究对象,对比分析了数值格式、亚格子模型、网格尺度对流场预测结果的影响。数值结果表明:划分的计算网格能够有效解析小尺度流动结构,基于隐式亚格子模型、采用AUSM格式和双时间步推进的大涡模拟方法能够准确预测流动分离、转捩、再附等复杂流动现象,计算得到的平均压强系数与雷诺应力分布与文献数据吻合较好。与转捩模式计算结果对比进一步表明:发展的大涡模拟方法能够准确预测翼型低雷诺数层流分离流动非定常演化过程,为下一步的研究工作建立了有效的数值模拟手段。     

复杂积冰翼型气动性能分析

为了克服复杂外形难以划分结构化网格的问题, 采用结构/非结构混合多块网格对复杂积冰翼型的气动性能-进行了分析计算.在靠近积冰边界的内层采用了非结构网格, 在非结构网格外采用结构化网格以节省存储空间和计算时间.不同类型网格之间采用了点点对接的方式以简化通量重构的处理方式.整个流动区域采用SST湍流模型, 求解了雷诺平均N-S方程.数值计算结果表明结构/非结构混合多块网格在复杂积冰翼型气动性能计算上的可行性, 积冰对翼型的气动性能造成了严重的影响.      

考虑转捩影响的风力机翼型气动特性计算研究

基于二维雷诺平均Navier-Stokes(RANS)方程,耦合eN数据库方法进行流动转捩判断,采用SA湍流模型计算了风力机专用翼型DU91-W2-250的气动特性,得到了雷诺数Re=1.0×106时,攻角在-11°~12°范围内该翼型的升力和阻力特性曲线及压力分布。通过对全湍流计算结果、耦合转捩判断的计算结果及实验数据的对比,表明考虑转捩因素后的计算结果与实验结果吻合更好,说明要准确模拟风力机翼型的绕流,必须考虑转捩影响。     

绕钝体分离流动的非定常数值模拟研究

利用非定常RNGk-ε模型对三种典型的钝体绕流问题进行了研究,这三种流动分别为:方柱绕流、圆柱绕流和绕立方柱流动。研究表明了采用非定常雷诺平均方法可以研究钝体绕流的非定常流动,但所获得的结果各不相同。对于分离角固定的方柱绕流和绕立方柱流动,数值模拟结果和实验以及大涡模拟结果吻合较好,对于分离角不固定的圆柱绕流,随着雷诺数的增加,数值模拟结果和实验结果相差越大,分析认为这是由于壁面模型无法准确预测流动中不固定的分离角所致。改进了绕立方柱流动的模拟方法,采用非定常模拟方法后获得的结果要比定常模拟方法得到的结果有了根本改善。     

一种基于平均流场的翼型尾缘宽频噪声预测方法

发展了一种基于平均流场的翼型尾缘宽频噪声预测方法.可压缩Navier-Stokes方程被重组为能描述气动噪声产生和传播的形式,包括准确描述声传播的线性算子和雷诺应力构成的声源项.为减少计算时间和避免格林函数空间奇异性,采用伴随格林函数方法求解格林函数;同时采用基于平均流场的声源模化方法生成声源项.为了验证该方法,预测了NACA0012翼型尾缘宽频噪声,其中平均流场使用OpenFOAM计算,格林函数采用均匀流动下半无限大平板近似.预测结果表明:对于不同来流速度和攻角,该方法不仅能准确预测噪声幅值及峰值频率,而且噪声频谱也都在实验结果的误差范围之内(±3dB),证明了该预测方法的精度和适用性.      

基于深度学习的混合翼型前缘压力分布预测

提出了一种基于深度学习的混合翼型前缘压力分布预测方法，通过对翼型几何特征提取、压力分布曲线的参数化，建立了卷积神经网络模型（CNN），并利用计算流体力学（CFD）的计算结果作为其训练样本，实现对混合翼型前缘压力分布的预测。结果表明:两种方法计算结果的拟合优度大于0.98，基于深度学习的计算方法耗时1.7 s，CFD方法耗时大于50 s，计算时间大大缩短。该方法能够在满足计算精度的条件下提高计算效率并可应用于其他的翼型设计过程。      

涡襟翼在不同雷诺数下的控制分离特性研究

受鸟类抬起羽毛控制分离流的启发,涡襟翼成为翼型大迎角分离流的控制措施之一。采用数值模拟方法研究不同雷诺数下涡襟翼在控制翼型大迎角分离流动时的气动特性及其物理机制。结果表明：涡襟翼在低雷诺数下能够极大地改善翼型的大迎角升力特性,其物理机理是涡襟翼将翼型主分离涡的涡心位置控制在离翼型更近的区域,且涡心位置的涡量得到大幅提升,使得涡心附近的低压特性影响到翼型上表面,而且涡襟翼能够将翼型上方前区的低压与下游的高压隔开;但是在高雷诺数（对应常规飞机雷诺数）下涡襟翼改善翼型大迎角气动特性的效果远不如低雷诺数情况,由此解释了为什么鸟类能够通过羽毛抬起提高升力特性,而常规飞机的涡襟翼只能作为阻力板使用的原因。     

翼型低雷诺数层流分离现象随雷诺数的演化特征

层流分离现象是翼型低雷诺数条件下出现的典型流场特征。层流分离流动中包含流动分离、转捩、再附等非定常流动结构，层流分离流动的形成与演化会对翼型气动特性产生恶化作用。采用大涡模拟（LES）方法对低雷诺数范围内不同雷诺数下的翼型层流分离流动开展精细数值模拟，研究了雷诺数对翼型气动特性的影响规律及作用机理。LES方法采用隐式亚格子模型，基于结构化拼接网格，对流项离散和时间推进方法分别采用AUSM⁺格式以及双时间步方法。验证算例计算结果表明数值模拟方法的正确性及可靠性，雷诺数对翼型气动特性具有显著影响。随雷诺数降低，时均分离泡外形增大、位置后移，平均阻力系数增大，特别是在较低雷诺数下，翼型升阻力系数随时间出现振荡现象。进一步研究表明，造成不同时均分离泡形态和气动特性的原因在于翼型上表面分离剪切层的失稳与转捩特征。随雷诺数降低，流动黏性增大，导致分离剪切层速度梯度减小，流动发生转捩及再附位置后移，直至翼型表面不再发生转捩和再附。     

不同雷诺数下翼型气动特性及层流分离现象演化

低雷诺数下空气黏性效应突出,翼型表面普遍存在层流分离现象,相比常规雷诺数情况气动特性显著恶化。采用带预处理的Roe方法求解非定常可压缩Navier-Stokes方程的数值模拟技术和低雷诺数低湍流度风洞油流显示试验技术,对FX63-137翼型不同雷诺数下气动特性和流动结构展开深入研究。通过风洞油流显示试验可以清晰获得低雷诺数层流分离流动的两道油流汇集线。数值模拟结果表明其分别为时均化主分离线和二次分离线,两种结果定性定量均吻合较好,证明了本文的研究方法有效可靠;雷诺数从500 000降至20 000,翼型气动特性和层流分离流动结构均发生显著的变化,伴随阻力系数剧增和升力系数剧降,时均化流动结构从附体至出现经典的长层流分离泡,并最终演化为后缘层流分离泡,相应的两种分离泡的非定常流动结构也存在显著差异;对于阻力系数和升力系数而言,存在不同的临界雷诺数,因为导致阻力系数剧增的机理在于经典长层流分离泡的产生使翼型压差阻力大增,而造成升力系数剧降的主要原因在于后缘层流分离泡使得等效翼型后部弯度减小;非定常结果显示正是由于翼型表面漩涡周期性的生成与脱落,才造成了低雷诺数下升力系数的周期性波动。翼型上表面主分离涡即将脱落时,流线在后缘附近再附,升力系数达到峰值;而当流体从下表面向上卷起二次分离涡时,尾部流线大尺度分离,升力系数降至谷值。     

低雷诺数翼型局部振动非定常气动特性

针对低雷诺数翼型特殊的气动特性,采用基于动网格的非定常数值模拟方法,研究翼型表面不同弦向位置的局部蒙皮以不同频率及振幅振动时对低雷诺数翼型气动特性及流场结构的影响,揭示蒙皮振动增升减阻的机理。研究表明,在低雷诺数条件下局部蒙皮振动可有效提高翼型气动特性,与刚性翼型相比蒙皮局部振动可使翼型升力系数提高,阻力系数降低,升阻比提高。振动位置对翼型气动特性及流场结构有显著的影响,振动表面位于翼型前缘附近或位于层流分离泡中心时可有效控制翼型层流分离,从而提高翼型气动特性。振动频率对翼型表面层流分离及转捩位置均有显著的影响,随着振动频率增加,翼型气动特性出现最优值。与刚性翼型相比,表面振动使翼型转捩位置略向上游移动,摩擦阻力增加,但振动使等效翼型相对厚度减小,压差阻力明显减小。在小幅振动范围内,随着振幅增加,流场非定常特性更加显著,翼型升阻比增加。     

多相等离子体气动激励抑制翼型失速分离的实验

开展了多相等离子体气动激励抑制NACA0015翼型失速分离的实验,详细研究了翼型升阻特性随激励电压、激励相角、输入电压波形和占空比等激励参数的影响.研究表明:雷诺数Re=4.9×105(来流速度60m/s)时,多相等离子体气动激励可有效抑制NACA0015翼型吸力面的流动分离,将翼型临界失速攻角提高2°;相位对流动控制...     

低速翼型分离流动的等离子体主动控制研究

为了研究等离子体激励器的放电形式及其诱导气流的规律,以及翼型迎角、自由来流速度分别对翼型流动分离抑制效果的影响。在低速、低雷诺数条件下利用介质阻挡放电等离子体激励器对NACA0015翼型进行了主动流动控制研究。结果表明：介质阻挡放电的形式为丝状放电;等离子体激励器诱导气流的方向由裸露电极指向覆盖电极,由电极的布置方式决定,与接线方式无关;当来流速度为25m／s,雷诺数为2．03×10^5时,等离子体气动激励可以有效地抑制翼型吸力面的流动分离,翼型最大升力系数增大约为9．7％,翼型l临界失速迎角由17．5°增大到20．5°;翼型失速延迟的真正原因并非单纯的气流加速;等离子体激励器的作用效果随着来流速度的提高而减弱,研究非定常激励或等离子体激励器与流场之间的耦合效应,也许更加具有潜力。     

基于贯序正则极端学习机的时间序列预测及其应用

为实现对液压泵特征参数的在线预测,提出一种贯序正则极端学习机(SRELM),并研究了基于SRELM的预测方法.SRELM根据结构风险最小化原理实现网络训练,其网络权值可随新样本的逐次加入而递推求解,具有泛化能力强与训练速度快的优点,因此适于特征参数的在线预测.基于SRELM的预测方法利用特征参数训练SRELM模型,以逐...     

非定常低雷诺数流数值模拟方法研究

低雷诺数翼型流动的一个重要特征是分离泡的产生,并且分离泡通常是非定常的。基于有限体积法,N-S方程和S-A模型的控制方程非耦合求解,时间均采用牛顿型LU-SGS方法推进,无粘项和粘性项用中心差分方法离散计算,在计算非定常流场时,采用伪时间子迭代方法,湍流模型计算时采用在固定点转捩,研究了二维翼型低雷诺数流粘性流动的数值模拟方法,并利用所开发的非定常可压缩粘性流计算方法,数值模拟了在低雷诺数下两种翼型的非定常流动。计算结果表明：气动力系数及分离泡呈规则的周期性变化,证明方法是成功的、可行的。