透平叶片顶部间隙流动特性的实验和数值研究

利用粒子图像测速技术(PIV)捕捉透平叶片顶部泄漏流特征,并以此数据验证湍流模型和用商业软件CFX12.0进行的数值模拟方法.所研究的叶片为典型的GE-E3叶片,为了展示泄漏涡的生成和发展过程,用实验数据展示了3个不同截面的速度分布.数值计算中使用了混合网格生成技术及5种湍流模型.通过与实验数据的比较发现:RNG k-ε模型计算所得的泄漏涡与实验所拍摄的真实流动能较好地吻合.此模型和计算方法同样适用于研究叶顶射流对泄漏流的影响.计算结果显示:通过叶片顶部气膜孔射流产生的阻挡效应,最多能降低6.12%的主流泄漏.     

霍尔推力器在轨羽流图像诊断方法

为便于霍尔推力器羽流在轨诊断测量,文章提出了一种基于光谱诊断衍生出来的图像诊断方法。首先对推力器羽流进行光学图像采集,然后提取出能够反映羽流不同谱段光强信息的红绿蓝三通道数据;同时结合相机成像原理分析,得到不同通道的像素点灰度值与羽流光谱强度的对应关系;并且基于光谱碰撞辐射模型,建立了羽流图像计算模型。研究结果表明,利用图像诊断方法计算得到的羽流区电子温度和离子密度分布规律均与探针试验结果相吻合,计算的相对不确定度分别约为20%和15%,说明了该诊断方法精度适中,具有较高的可靠性,适用于在轨诊断霍尔推力器羽流等离子体参数。     

高速旋转发动机叶片模型的断裂力学分析

建立了带裂纹平板叶片的断裂力学模型.首先由已知参考均布载荷下的应力强度因子,得到了带裂纹叶片的权函数;然后根据权函数思想,推导出了高速旋转叶片裂纹尖端处的应力强度因子公式;最后,由断裂准则给出了叶片飞断时临界转速的估算方法.算例研究表明,裂纹的深度和位置对裂纹尖端处的应力强度因子和叶片飞断时的临界转速有很大的影响.      

航空发动机涡轮盘裂纹扩展分析

在计算分析含有角裂纹等厚空心盘应力强度因子基础上,针对某涡轮盘螺栓孔周向应力最大处建立孔边角裂纹的有限元模型;利用J积分法,计算得到不同尺寸裂纹前沿的应力强度因子;采用2自由度法描述扩展过程中裂纹前沿形状的发展,对角裂纹引起的轮盘裂纹扩展过程进行了有限元模拟;最后得到涡轮盘的裂纹扩展寿命。     

土木工程相关的台风近地风场实测研究

采用三维超声风速仪现场观测了台风"珍珠"和"派比安"的登陆过程,分析了两次台风过程的平均风速、风向变化历程以及台风脉动风速的概率密度分布,进一步研究了台风湍流强度、湍流积分尺度与阵风因子.结果表明:在低风速情况下,台风脉动风速接近正态分布,湍流强度与阵风因子存在近似线性关系,可用相关经验公式进行拟合。两次台风过程实测风速谱均可与某种理论谱模型较好吻合,通过拟合可以降低实测谱与理论谱的偏差。     

30P-30N多段翼型复杂流场数值模拟技术研究

采用"亚跨超CFD软件平台"(TRIP2.0)数值模拟了30P-30N多段翼型的复杂流场,主要目的是考核湍流模型、转捩位置对多段翼型压力分布和典型站位速度型的影响。本文通过求解任意坐标系下的雷诺平均的N-S方程,采用多块对接结构网格技术,在与相应试验结果对比的基础上,详细研究了SA一方程湍流模型、SST两方程湍流模型、不同的转捩位置对该翼型压力分布和典型站位速度型的影响。本文的研究结果表明,采用全湍流模拟方式可以较好地模拟该多段翼型的压力分布,但对速度型的模拟精度较差;模拟试验的转捩位置可以改善主翼附面层与前缘缝翼边界层尾迹区的模拟精度;采用微吸气技术推迟前缘缝翼的转捩位置,可以进一步提高缝翼尾迹区的数值模拟精度。     

湍流模型对喷流计算精度的影响研究(英文)

采用三维RANS代码MBNS3D对包含了内流、外流及后体干扰的三种简化尾喷流,进行了数值模拟研究。通过壁面压力分布及喷流截面速度型与实验数据的对比,研究了SA和SST两种湍流模型及其修正(SACC,SADES,SSTCC)对喷流计算精度的影响。本文计算表明,SSTCC模拟效果最为精确;利用SA模型进行脱体涡模拟,在同样的网格下优势不明显。湍流模型可压缩修正改善了模拟喷流的膨胀趋势,但对附面层分离位置的预测,在本文的工作中,还不如原始模型。两类模型相比,SST模型的结果好于SA模型。     

轴流压气机静子角区分离流动的DDES数值研究

为进一步加深对压气机静子角区分离流动非定常性和湍流特性的认识,以某台用于低速模拟的多级低速轴流压气机的第3级改型静子为研究对象,采用延迟脱落涡模拟(DDES)方法进行详细的数值研究。结果表明:压气机静子角区分离流动受到叶片几何参数和来流条件的综合影响;通道涡是引起静子角区分离的主要涡系结构,其发展过程伴随着大小尺度发簪涡的交替出现;通道涡、发簪涡和尾迹脱落涡的相互作用是引起静子角区分离流动非定常性的主要来源;静子角区存在高度各向异性和能量反传的湍流特征;角区分离区的频率幅值强于主流区,振幅较大的区域位于500 Hz以下的低频区。      

智能赋能流体力学展望

人工智能（AI）是21世纪的前沿科技,流体力学如何在智能化时代焕发青春是值得本领域研究者思考的话题。从智能赋能流体力学角度,就其研究内涵、研究内容、近期研究及难点进行了总结,并对智能流体力学未来的发展进行了展望。研究指出,流体力学计算或试验中所产生的数据是天生的大数据,如何通过深度神经网络、随机森林、强化学习等机器学习方法来利用这些数据,缓解甚至替代理论和方法层面对人脑的依赖,挖掘新的知识,成为一种新的研究范式;相关研究将涵盖流动控制方程的机器学习、湍流模型的机器学习、物理量纲分析与标度的智能化以及数值模拟方法的智能化;借助人工智能技术,发展流动信息特征提取与多源数据融合的智能化是流体力学发展的迫切需求;研究内容应至少涵盖海量数据挖掘方法以及多源气动数据的智能融合;发展数据驱动的流体力学多学科、多物理场耦合建模与控制是工程应用的迫切需求,相关工作涉及多场耦合建模、气动外形智能优化设计以及流动智能自适应控制等方面。     

考虑喷注流强分布的纵向稳定性建模与分析

喷注器流强分布是除声学阻尼装置以外使液体火箭发动机稳定工作的重要措施,通过控制喷注流强分布使推进剂的燃烧尽量远离主要振型的波腹区,减少热声耦合振荡的能量源,从而达到抑制高频振荡的效果。因此,建立喷注流强分布与稳定性之间的综合分析模型,研究流强分布的不稳定性抑制特性具有重要实际意义。针对采用自击式喷嘴器、液滴蒸发作为燃烧速率控制过程的某自燃推进剂缩尺燃烧室高频纵向燃烧不稳定问题,近似采用蒸发速率峰值区代替集中燃烧释热区,引入燃烧室三维声学控制方程以考虑多喷嘴条件下燃烧响应空间分布,建立了针对喷注器流强分布条件下的高频纵向燃烧稳定性分析模型,并对喷注流强的稳定性抑制特性进行了分析,给出了不同分布流强下燃烧室一阶纵向信号的增长率变化规律。研究表明,喷注流强分布有利于燃烧室稳定,"驼峰区"喷注孔径的增大对改善高频纵向不稳定性更为显著,"驼峰区"流强增加30%,相应的增长率降低15%。