超声速气流中复杂冷却结构的传热分析方法

针对应用于高超声速吸气式发动机中的复杂再生冷却结构,为了更好地对其进行传热性能评估,在充分借鉴液体火箭发动机传热分析方法的基础上,集成多种成熟高效的技术,建立了一种解耦的传热分析方法。该方法首先借助计算流体力学技术确定结构件工作的热环境,提取必要的参数后依据半经验关系式确定气侧的换热边界条件;然后,通过将冷却流动假设成一维流动,根据换热准则确定液侧的换热边界;最后,对冷却结构进行有限单元离散,计算传热过程,获得温度场特征。该方法将换热与导热过程解耦,降低了研究问题的复杂性,适用于复杂构型的热防护设计。通过后掠尖缘再生冷却支板的热防护试验,证实了传热分析方法的可靠性,且显示算法对本例的预测误差约在8%左右。     

纵向波纹隔热屏气膜冷却特性实验

针对加力燃烧室纵向波纹隔热屏气膜冷却效果开展了细致的实验研究,利用红外热像仪测量了隔热屏壁面的温度分布,分析了隔热屏板型、吹风比、开孔率等参数对气膜冷却效率的影响。实验中板型选取了平板和纵向波纹隔热屏,吹风比变化范围是0.5~3.0,开孔率变化范围是1.4%~3.7%。结果表明:相比于平板隔热屏的气膜冷却效率沿程逐渐增加,纵向波纹隔热屏的气膜冷却效率随波纹板的起伏而起伏且大于平板隔热屏;随着吹风比的增加气膜冷却效率逐渐加大,在吹风比为3.0时达到最大值;气膜冷却效率在波峰处低,波谷处高,整体上随波纹板的起伏而波动,吹风比越小,气膜冷却效率随波纹板的起伏变化越明显;高吹风比(吹风比为2.0~3.0)下,气膜冷却效率沿程变化与增幅较为缓慢;整体上,随着开孔率的增加气膜冷却效率逐渐加大,小开孔率(开孔率为1.4%、2.7%)下的气膜冷却效率相差不大,但在次流背风侧,开孔率小的气膜冷却效率要小于开孔率大的气膜冷却效率。      

新型主减隔振装置隔振性能测试试验研究

为解决新研全尺寸主减隔振装置地面性能试验中由于试验件尺寸大、重量重和试验状态多等难点,同时缩短试验周期并降低试验成本,提出了一种通过实测动载荷传递率评估主减隔振装置隔振性能的地面性能试验方法,给出了试验方案、试验夹具安装、试验内容以及过程。通过理论分析和试验结果,验证了实测动载荷传递率试验方案的可行性,测试结果真实可靠,为后续类似的系统级全尺寸隔振性能试验提供了一种新的试验方法。试验结果表明:新型主减隔振装置对垂向、航向和侧向三向激励的隔振效率均超过了80%,达到了预期的减振效果。     

不同旋流器方案下旋流驻涡燃烧室性能

为研究旋流驻涡燃烧室的燃烧性能，设计了3种旋流器方案（基准型、小流通面积和外加套筒），在进口温度493 K、常压条件下，采用RP-3航空煤油作为燃料，凹腔当量比在0.8～1.8之间，开展了热态试验。结果表明：基准型和小流通面积的主燃区火焰为脱体火焰，而外加套筒则为V型驻定火焰，且小流通面积和加套筒的主燃区火焰更加集中。燃烧效率方面，基准型最低，而小流通面积最高，试验中获得的最高燃烧效率为96.3%。随着凹腔当量比的增加，基准型的燃烧效率不断增加，而小流通面积的则先基本不变，随后略有增加，外加套筒的则先快速增加，然后缓慢增加。此外，小流通面积的冷态总压损失高于基准型，在进口马赫数为0.31时，两者的冷态总压损失分别为7.2%和4.5%。     

基于MapReduce的CME参数识别模型并行计算技术

日冕物质抛射（Coronal Mass Ejection，CME）参数识别模型是太阳风预报过程的重要组成部分.在空间环境预报业务中，为提高太阳风预报的准确率，需要提高CME参数识别的精度.模型以计算任务串行的方式运行，运算效率低导致模型运算时间长，不能满足这种需求.CME参数识别模型的物理运算过程相互不独立，其在单节点上的运行方式不能满足并行化要求.基于MapReduce的并行计算框架，改进了CME参数识别模型的计算流程，提出CDMR（CME detection under MapReduce）方法，实现了CME参数识别模型的并行计算，并对比分析CME参数识别模型在串行计算和MapReduce并行计算下的运行时间，提高了模型的识别精度和计算效率.      

气膜孔形状对高超声速飞行器对撞流气膜冷却效果的影响

文章通过仿真分析手段研究飞行高度50 km、飞行马赫数15的飞行条件下,不同孔型对对撞流的影响,得到不同孔型对气膜冷却效果的影响规律。采用计算流体动力学(CFD)方法,对在入口压力0.5 MPa、质量流量22.5 g/s的稳定短模态(SPM)工作模态下,气膜孔为圆柱直孔、收缩孔、连续扩张孔、分段扩张孔等工况开展对比研究,结果显示,扩张孔气膜冷却的壁面热流最大,圆柱孔的次之,收缩孔的最小。这表明,通过改变对撞流气膜孔的形状可以改变气流流动特性,进而产生不同的气膜冷却效果,在SPM工作模态下收缩孔的气膜冷却效果最好。     

基于卷积神经网络双层壁三维热应力预测方法

为实现三维物理场的预测，提出一种利用卷积神经网络（CNN）对双层壁冷却结构外壁三维热应力快速评估方法。针对双层壁冷却结构外壁平板状的结构特征，沿壁厚方向将温度场切分为多个切片。将温度作为卷积网络输入张量的基本元素，不同厚度位置的切片对应输入张量的通道维度，从而实现将三维温度场输入进网络，并输出在热载荷作用下的三维等效应力场。结果表明：训练收敛后的网络在测试集上的平均绝对误差为1.23 MPa，平均相对误差为15.10%，对峰值应力的平均绝对误差为16.10 MPa，平均相对误差为11.81%。对于双层壁冷却结构的热应力预测问题，CNN能够很好地完成温度到应力的映射。使用深度学习方法探究热弹性问题的潜在机理有望实现。     

微小狭缝肋矩形通道多目标优化

开展了矩形通道内微小狭缝肋的换热和流阻性能的多目标优化研究。选取缝宽、相邻缝间距、狭缝的前端面和后端面与壁面距离四个参数作为优化变量，采用非支配排序遗传算法（NSGA-Ⅱ）获得了Pareto最优解。分析了Pareto最优前沿面上四种优化方案下微小狭缝肋的流动和传热热特性。结果表明：优化后的微小狭缝肋的换热能力与实心肋相当，而流动阻力有所降低，肋壁的换热均匀性得到显著提高。     

桨间距对某型共轴对转螺旋桨气动性能的影响

为掌握共轴对转螺旋桨的桨间气动干扰规律，降低桨间气动干扰强度，提升共轴对转螺旋桨的气动性能，基于非定常雷诺平均Navier-Stocks方程耦合湍流模型的计算方法，并使用了滑移网格技术，研究了4种不同桨间距的6×6构型对转螺旋桨的桨间气动干扰对其气动性能的影响，桨间距选择了4种不同方案。研究结果表明：在4种不同的轴向桨间距中，当桨间距为0.25倍螺旋桨直径时，共轴对转螺旋桨的平均推进效率最高，并且气动干扰导致的效率脉动幅度较小；随着桨间距的增大，前、后排桨受到的气动干扰强度都会减小，相比于后桨，前桨因气动干扰造成的脉动对桨间距更加敏感。可见共轴对转螺旋桨的桨间距会对螺旋桨的气动干扰，及气动性能产生较为明显的影响，在设计共轴对转螺旋桨时选择合适的桨间距，有利于提高螺旋桨气动性能。