平面扩压叶栅流场犘犐犞与三孔尾迹探针对比测试研究

针对PIV技术在暂冲式高亚声速平面叶栅流场中遇到的示踪粒子投放问题,通过采用高压雾化式粒子发生器以及安装在稳定段前的撒播器,有效地使示踪粒子均匀地与主流混合,并成功开展了某扩压平面叶栅叶片槽道及出口尾迹可视化测量,获得了零迎角、进口马赫数0．2～0．8状态下的二维速度矢量场。为了验证PIV在叶栅流场测试结果的可靠性,在相同工况下,将PIV测量结果分别与数值计算结果和三孔尾迹探针测量结果进行了对比分析。结果表明：采用PIV技术测得的叶栅中截面二维速度矢量场合理地反映了叶片槽道及尾迹的流动结构,与数值模拟结果较为接近;PIV与三孔楔形尾迹探针在叶栅出口尾迹的测量所获得的气流速度和主流区的出口气流角重合性较好;尾迹分离区的出口气流角重合性略差,主要原因是尾迹区气流角超出了探针校准范围,这也说明了PIV测试技术优势。本文提出的PIV测量技术也可用于连续式叶栅风洞中。     

叶栅参数对反推力装置气动性能影响规律

针对某型叶栅式反推力装置,开展了气动性能数值预测的研究工作。采用本文提出的数值计算方法,在不同落压比下反推力预测值与实验值最大相差8．2％。流场速度等值线分布展示反推力装置叶栅内部流动特征．叶栅叶盆处的旋涡和叶背处的失速是导致气动性能下降的不利因素。大量数值计算结果揭示了叶片进入角、出流角、稠度等结构参数对轴向反推力、流量系数、总压恢复系数的影响规律。在本研究范围内,叶片进入角54°、出流角135°、稠度1.3的叶栅几何结构综合气动性能最优。     

PIV技术在涡轮叶栅内流场试验中的应用

对三种高环流系数叶片叶型和五种相对节距的涡轮叶栅进行内流场试验研究，在研究中采用粒子成像测试技术(PIV)，获得叶栅内S1m流面的全流场流动信息，并采用拓扑图论原理经计算机进行图像处理，获得S1m流面的速度矢量场和旋度场。对所获得的叶栅内流场分析表明，随着涡轮环流系数的增加，液体流经叶栅的能量损失增大；随着叶栅相对节距的增大，叶栅内脱流区增大、漩涡区的旋度值随之增大。该研究结果将给涡轮叶型的设计提供有价值的参考。     

新型双出口合成射流激励器的流场特征研究

设计了一种新型双出口合成射流激励器,应用非接触粒子图像激光测速技术（PIV）,测试了激励器出口的流场特性,包括瞬态和时均流动结构。结果表明,相比常规合成射流激励器,新型激励器一侧出口呈现为明显抽吸作用,另一侧出口流动带有合成射流流场特征,在出口下游得到一股放大了的单方向射流。新型合成射流激励器单侧出口的抽吸作用,在常规激励器基础上形成新的流体＂微泵＂工作机制,不仅放大了合成射流能量大小,同时实现了不同区域内流体的＂定向输运＂,其外流场特性更加有利于边界层分离、射流矢量偏转等主动流动控制。     

高超声速飞行器DPIV内流阻力测量技术研究

为了研究吸气式高超声速飞行器的气动特性,提出一种新的内流阻力测量技术,即采用粒子图像测速技术和总压测量技术相结合,测量超燃发动机尾喷管流场速度矢量和皮托压力分布,间接获得内流出口处平均马赫数和内流出口处静压平均值,从而实现高超声速通气模型内流阻力测量。研究结果表明:粒子图像测速技术和总压测量技术相结合,成功地实现了内流阻力测量;试验获得的粒子图像,能够清楚地显示喷管出口位置内外流的分界面及边界层和边界层的尾迹;粒子图像测速试验获得的速度矢量场结果准确,精度高,能够提供远远超出传统测量技术所能提供的流场信息。      

着陆滑跑状态下的反推力装置重吸入特性数值模拟

对大涵道比涡扇发动机叶栅式反推力装置,利用CFD技术,展示了叶栅式反推力装置开启后的流场流动特征,计算分析了飞机着陆滑跑马赫数和侧风速度对发动机进气道重吸入特性的影响.结果表明:在无侧风影响时,进气道对反推力气流的重吸入现象随着滑跑马赫数的增加而逐渐减弱并消失,重吸入特征参数值随着滑跑马赫数的增加而减小并达到允许值,该临界滑跑马赫数为0.08;在侧风环境中,侧风使得反推力气流在发动机一侧进入发动机进气道,导致风扇进口截面的总温畸变增大,重吸入特征参数值随着侧风速度的增加而增大,侧风的存在使得反推力装置关闭的临界滑跑马赫数从不存在侧风时的0.08提高到0.12.      

超声速光学头罩流场的PIV研究

在马赫数Ma-3．8超声速风洞中,采用PIV（Particle Image Velocimetry,粒子图像测速）技术测量了超声速光学头罩流场的速度分布。PIV技术应用于超声速流场时,对系统的硬件配备、示踪粒子的跟随性以及PIV算法的精度有很高的要求。本文PIV系统选用高精度的同步控制器和高能量激光器;以纳米级粒径的粒子作为示踪粒子,通过斜激波响应实验分析了其在超声速流场中的跟随性;并采用多种高精度速度场算法对粒子图像进行处理。实验结果表明,示踪粒子在超声速流场中有很好的跟随性,采用的高精度速度场算法能够很好地反映超声速光学头罩流场的速度分布。     

非对称喷管超声速流场的PIV实验与数值模拟

选取了跟随性能以及散射性能都上佳的二氧化钛粒子,利用了粒子图像测速仪(particle image velocimetry,PIV)对不同落压比下的非对称喷管(single expansion ramp nozzle,SERN)流场进行了测量,成功获取了相应流动结构,以及沿程上壁面压力分布和速度场等.在测得的图像中,可以清晰地观察到由于过膨胀产生的激波与膨胀波系,并进一步获得出口速度分布.运用计算流体动力学数值模拟方法,对实验状态下的非对称喷管进行了模拟.对比结果发现:PIV实验测得流场结构能很好地与其吻合,这互相验证了CFD计算和PIV实验的正确性及可靠性.      

叶栅稠密度及进出口气流角对反推性能的影响

导流叶栅几何及气动参数的选取直接关系到叶栅式反推力装置的性能,本文选取冲击式对称叶栅进行数值模拟,采用混合网格生成技术,研究叶栅稠密度、叶片进口气流角和出口气流角对轴向反推力系数和流量系数的影响。计算结果表明,叶栅稠密度在一定范围内变大时,流量系数减小,轴向反推力系数增加;在反推气流不被进气道吸入的情况下,当气流角增大,流量系数变大,轴向反推力系数降低。双曲非等厚叶片的气动性能要好于单曲等厚叶片。     

基于深度神经网络的粒子图像测速算法

粒子图像测速(PIV)作为一种流体力学实验技术,能够从流体图像中获取全局、定量的速度场信息。随着人工智能技术的发展,设计用于粒子图像测速的深度学习技术具有广泛的应用前景和研究价值。借鉴在计算机视觉领域用于运动估计的光流神经网络,采用人工合成的粒子图像数据集进行监督学习训练,从而获得适用于流体运动估计的深度神经网络模型,并且能够高效地提供单像素级别分辨率的速度场。文中采用人工合成的湍流流场粒子图像进行初步实验评估,并讨论PIV神经网络的隐藏层输出和内在原理,同时将训练而成的深度神经网络模型与传统的相关分析法、光流法对比;随后进行射流流场测速实验,验证深度神经网络PIV的实用性。实验结果表明,文中提出的基于深度神经网络的粒子图像测速在精度、分辨率、计算效率上具有优势。