基于压力信号分析的轴流式压气机失速预测

为了得到压气机工作状态的稳定观测点,并建立压气机近喘失速工作状态与压气机压力信号的相关关系,本文针对低速双级轴流式压气机,分别进行了均匀进气及畸变进气条件下不同转速的近喘失速试验,实时动态测量标定压气机由正常工作到失速工况下压力信号,并在时域内提出了一种基于自相关系数的压气机失速预测算法,对进口、出口以及压气机首级转子叶尖位置压力信号预测分析。结果表明所提出的预测算法具有良好的失速预测能力,且发现叶尖处离叶片前缘20%的位置,最适宜作为压气机失速预测的观测点,此时压气机叶尖压力自相关性数据与压气机喘振裕度具有明显的单调相关性。     

某型通航飞机失速警告失效故障分析

针对某型通航飞机地面测试中发现失速警告不工作的故障,分析该失速警告系统各组成部分的结构、原理、功能、走线,制定具体排故程序逐步判断查找出故障原因电子线路故障,并对故障原因进行了分析。     

航空发动机适航审定喘振与失速影响因素

将气动热力基础理论与适航领域工程问题有机结合,对典型的喘振和失速影响因素开展了系统的研究,发展了一套多影响因素作用下航空发动机稳定裕度快速预估方法;在此基础上以JT9D发动机为研究对象,开展了喘振和失速主要影响因素的影响规律研究,结果显示对风扇部件稳定裕度影响权重最大的是进气畸变,对增压级和高压压气机影响权重最大的是寿命期内结构衰变。研究结果进一步明确了喘振和失速适航条款符合性验证活动的关键要素,完善了条款适航符合性验证流程,为进一步提升我国民用发动机适航审定能力提供了技术支撑。     

模型自由飞试验中的螺旋桨动力模拟方法研究

开展螺旋桨飞机模型自由飞失速试验需要准确地模拟螺旋桨动力状态。通过对模型自由飞失速试验 动力相似准则和螺旋桨动力模拟相似准则的分析,推导出螺旋桨飞机模型自由飞失速试验中所需要遵循的相 似准则关系;以此开展某四发螺旋桨飞机模型自由飞试验,通过控制螺旋桨转速、设计桨叶角,满足拉力系数和 前进比相等,模拟全尺寸飞机螺旋桨动力特性,获得的失速特性与飞机风洞实验结果一致。结果表明:该方法 能够准确模拟飞机失速过程的螺旋桨动力状态,可为飞机失速试飞提供重要的数据支撑,并为国内后续螺旋桨 类飞机模型自由飞试验失速试飞研究提供理论和试验方法。     

基于充气前缘技术的旋翼翼型动态失速抑制

动态失速的发生会在直升机旋翼桨叶和桨毂上产生高的交变扭转振动载荷,并限制直升机高速重载状态下的使用包线。本文利用计算流体力学(CFD)方法对基于充气前缘(ILE)技术的SC1095旋翼翼型动态失速抑制进行研究,分析了ILE抑制动态失速的控制机理,获得了ILE结构布置和充放气方式对动态失速的影响规律。研究表明:ILE可以有效抑制动态失速的发生;ILE最大膨胀程度越大,其抑制动态失速的效果越好,但膨胀程度过大后抑制效果开始减弱;ILE在翼型上仰至最大迎角时恰好达到最大膨胀状态,其对动态失速的抑制效果最好;ILE保持最大膨胀状态的时间长短对抑制效果影响不大;在翼型上仰至不同迎角时开始对ILE充气会对动态失速抑制有较大影响;ILE整流段与翼型连接位置对动态失速抑制有很大影响,整流段越长,抑制效果越好。     

不同转速下自循环机匣处理对转子性能的影响

以NASA Rotor 37为研究对象,采用数值模拟的方法研究了自循环机匣处理的引气位置在不同转速下对转子性能的影响。研究结果表明:自循环机匣处理的引气位置和转子转速对转子性能的影响具有交互性,其本质原因在于转子在不同转速下处于近失速状态时,转子叶顶区域的流动状态不同,从而造成引气位置和叶顶堵塞区域的相对位置会随着转子转速的变化而变化,进而对转子的性能影响呈现出交互性。通过对三种转速下自循环机匣处理的引气位置对转子稳定性的影响分析知,引气位置位于转子叶顶堵塞区尾缘处时对转子叶顶区的流动堵塞抑制能力最强,极大地改善了转子叶顶区域的流通状况,对转子的失速裕度改进量最为有利,在100%、90%和70%设计转速下,失速裕度改进量的最大值分别为7.46%、8.52%、6.14%。此外,通过对转子叶顶的流场细节分析得知,不同转速下自循环机匣处理的引气位置位于转子近失速工况的叶顶堵塞区尾缘处时，在叶顶造成的高比熵区最少,对转子效率的降低幅度最小,于效率最为有利。      

Lift coefficient prediction at high angle of attack using recurrent neural network

In this paper, identification of dynamic stall effect of rotor blade is considered. Recurrent Neural Networks have the ability to identify the nonlinear dynamical systems from training data. This paper describes the use of recurrent neural networks for predicting the coefficient of lift (C_Z) at high angle of attack. In our approach, the coefficient of lift (C_Z) obtained from the experimental results (wind tunnel data) at different mean angle of attack θ_mean is used to train the recurrent neural network. Then the recurrent neural network prediction is compared with experimental ONERA OA212 airfoil data. The time and space complexity required to predict C_Z in the proposed method is less and it is easy to incorporate in any commercially available rotor code.     

TVC/PSM飞机的过失速动态边界及敏捷性分析

以飞机为质点，考虑在最少输入数据情况下，曲于转弯速率图并从能量的角度计算和分析了TVC/PSM飞机的过失速动态边界，选取敏捷性尺度空战周期时间和指向裕度，对比分析了TVC/PSM飞机和传统飞机的敏捷性，得出了一些有益的结论，并提出了一些建议。     

扩压器-水泵内非稳定流动研究

水泵内部流动实质上是复杂的三维非稳定流动 ,它对水泵性能及结构振动有重要影响。本文介绍了一种求解这种复杂内流动的数值方法。三维雷诺数平均的纳维斯托克斯方程 ( 3-DReynolds-averaged Navier-Stokes,RANS)以及标准 k-ε的方程用于描述水泵内非定常紊流流场。系统特性方程与水泵的 CFD模型相结合以考虑流体在管道中的加速 ;采用任意滑移网格界面模拟叶轮和静止部件之间的相互干涉 ;将整个叶轮作为分析对象 ,以考虑失速情况下流动的周向非对称。这些技术的结合包括了水泵内非稳定流动的物理实质。一台实验数据比较齐全的离心式 -扩压器水泵被用于验证所提出的数值方法     

Stall flutter prediction based on multi-layer GRU neural network

The modeling of dynamic stall aerodynamics is essential to stall flutter, due to the flow separation in a large-amplitude pitching oscillation process. A newly neural network based Reduced Order Model (ROM) framework for predicting the aerodynamic forces of an airfoil undergoing large-amplitude pitching oscillation at various velocities is presented in this work. First, the dynamic stall aerodynamics is calculated by solving RANS equations and the transitional SST-γ model. Afterwards, the stall flutter bifurcation behavior is calculated by the above CFD solver coupled with structural dynamic equation. The critical flutter speed and limit-cycle oscillation amplitudes are consistent with those obtained by experiments. A newly multi-layer Gated Recurrent Unit (GRU) neural network based ROM is constructed to accelerate the calculation of aerodynamic forces. The training and validation process are carried out upon the unsteady aerodynamic data obtained by the proposed CFD method. The well-trained ROM is then coupled with the structure equation at a specific velocity, the Limit-Cycle Oscillation (LCO) of stall flutter under this flow condition is predicted precisely and more quickly. In order to predict both the critical flutter velocity and LCO amplitudes after bifurcation at different velocities, a new ROM with GRU neural network considering the variation of flow velocities is developed. The stall flutter results predicted by ROM agree well with the CFD ones at different velocities. Finally, a brief sensitivity analysis of two structural parameters of ROM is carried out. It infers the potential of the presented modeling method to depict the nonlinearity of dynamic stall and stall flutter phenomenon.