角度和孔间距对双向扩张型孔流量系数影响的实验

为了研究非常规扩张孔的流动特性,测量了一排7个双向扩张孔的平均流量系数.气膜孔的前倾角为20°,45°和90°,径向角为0°,30°和65°,孔间距与孔径比为2,3和4.动量比变化范围为1到8.结果表明,径向角为0°的流量系数随前倾角的增加显著增加.前倾角为20°的流量系数随径向角的增加略有减小.前倾角为90°的流量系数随孔间距的增加而增加.      

三维侧压式进气道的减阻研究

为实现三维侧压式进气道的减阻,采用了数值模拟和来流马赫数Ma₀=5.3风洞试验相结合的方法研究了两种三维侧压式进气道,其中之一为基准进气道,其二是在基准进气道的基础上采用某些减阻措施的低阻进气道.结果表明:所采用的减阻措施是有效的,在Ma₀=5.3的条件下,进气道的压差阻力可以减少4.7%左右,摩擦阻力可以减少约4.9%,附加阻力可以转化为附加推力,总阻力可以减少4.7%左右.与此同时,进气道的总体性能也得到明显改善.      

端面气膜密封的高性能端面结构

针对端面气膜密封设计中遇到的几种典型端面结构,对它们的密封特性进行了定量的分析比较,特别是建立了不同典型端面的密封特性与膜厚的关系,有利于指导端面气膜密封的端面选型。分析中,对每种密封端面,其结构参数都是依据有关文献选取的优化或近似优化的数据。在有关端面密封气膜压力分布的计算中,采用了对几何结构适应性强的有限元素法。     

燃烧室掺混气流与缝槽气膜相互作用初步研究

对缝槽气膜冷却在不同吹风比情况下的气膜冷却效率采用CO₂传热传质类比方法进行了试验研究。根据湍流混合模型及气膜效率试验数据归纳了计算缝槽气膜冷却气膜效率的经验关系式。在此基础上,采用相同试验方法进行了掺混气流与气膜相互作用的初步研究,明确了掺混气流对其下游区域气膜的干扰作用。      

层板模型流阻特性的研究

设计了不同内部流动结构的单、双层多孔层板,并针对这些层板敢式风洞上进行了流阻实验,得出了绕流柱形式、开孔率、孔间距、绕流柱高度以及单、双等敏感因素对层板流阻特性的影响：方形扰流柱阻力最小,圆形次之,菱形阻力最大;开孔率越大,孔间距越小,流阻越小;扰流柱越高,流阻越小;双层扰流柱的层板阻力明显高于单层扰流柱。     

带三角形突片气膜冷却结构换热特性的数值研究

运用RNG k-ε湍流模型对带平行于冷却壁面、且覆盖部分气膜孔的三角形突片气膜冷却结构,在不同吹风比和突片几何参数下的换热特性进行了研究。结果表明:在吹风比小于1时,突片对提高气膜冷却有效温比和增强换热的作用不大;当吹风比大于1时,突片对于提高气膜冷却的有效温比和换热增强比具有显著的作用,而且随着突片尺寸的加大,气膜冷却有效温比和换热增强比的提高幅度越大。      

湍流度和吹风比对叶片前缘双出口孔射流冷却效率影响

为了探讨湍流度对一种新型气膜孔射流气膜冷却影响,利用商业软件提供的有限体积法求解N-S方程,对湍流度分别为0.4%、10%和20%时的双出口孔射流冷却效率进行数值模拟。吹风比变化范围为0.5到2.0。首先将圆柱孔射流冷却效率计算结果和实验数据进行了对比,二者吻合较好。计算得到了双出口孔射流气膜冷却下的流场、径向平均冷却效率。结果表明,湍流度和吹风比对冷却效率都有较大影响。湍流度为0.4%和10%时,最高冷却效率在吹风比1.0时获得;湍流度30%时,最高冷却效率在吹风比2.0时获得。吹风比0.5和1.0时,冷却效率随着湍流度的增加而降低;吹风比2.0时,冷却效率随着湍流度的增加而增加。     

平板孤立冷却孔下游换热特性实验

为了考察弯曲冷却孔通道对气膜冷却的影响,运用稳态液晶测温技术,对处于横向流中平板孤立圆形直孔和圆形弯曲孔下游的换热特性进行了实验研究。得到了吹风比为0.51、0.8、1.04、1.22下,冷却孔下游附近的冷却效率分布和传热系数的二维分布。实验结果证明:弯曲射流能够有效地提高下游的冷却效率,并且能使气膜具有较强的横向扩展能力,覆盖效果好。但由于其对主流有较强的扰动,所以会增加当地的局部传热系数。     

冲压翼伞流场与气动操纵特性的数值模拟

采用有限体积法求解shear stress transport(SST) k-ω二方程湍流模型下的Navier-Stokes(N-S)控制方程,对冲压翼伞的气动特性进行数值模拟,分析翼伞的流场机理和气动操纵特性.模拟得到的升阻特性与试验数据较吻合,在此基础上分析前缘切口、弧形下反以及稳定幅对升阻特性的影响.通过软件Fluent实现了非定常流动模拟,研究了翼伞的非定常升力特性,其升力系数的脉动受脱体涡的非定常过程影响,当迎角为16°时,翼伞升力变化周期为0.36s.最后分析了翼伞稳定滑翔阶段的纵向静稳定性,相比于单边后缘下拉方式,通过闭合翼伞一侧进气口实现航向操纵更稳定有效.      

基于深度学习的单排孔气膜冷却性能预测

气膜冷却是增强涡轮叶片的高温耐受力,间接提高涡轮进口温度的有效手段之一。目前气膜冷却孔布局的主流设计方法是先通过计算流体力学（CFD）筛选和优化初始方案,再进行模型实验。这种方法设计周期长,时间成本高。传统上用于快速评估冷却效率的经验公式法存在函数形式复杂,拟合精度有限,参数适用范围较窄等问题。因此基于深度学习原理,设计了一种基于多层感知器模型（MLP）的深度神经网络,建立了绝热气膜冷却效率的预测模型。使用CFD数据训练网络,结果表明：深度学习模型在训练集和验证集上具有大于0.95的拟合度,在测试集上具有大于0.99的拟合度,可以较好地识别数据集中的抽象特征,具有较高的精度和较好的泛化能力。此外,在满足精度要求的前提下,一个完成训练的深度学习模型能够有效减少预测耗时,提高预测效率,在快速评估冷却布局性能方面具有较好的应用前景。