吸气式高超声速飞行器冷态测力试验支撑校正

吸气式高超声速飞行器整体外形与推进系统性能高度耦合，在风洞测力试验中，支撑机构不可避免会对其气动特性产生影响。针对该类飞行器冷态气动力试验中存在的支撑干扰问题，以基于乘波前体的机体/发动机一体化飞行器为研究对象开展试验和计算研究，对比了尾支撑、背支撑和背支撑+虚拟尾支撑3种风洞支撑机构对飞行器主要气动力参数的影响，并通过比较不同支撑方式的测量结果对气动力进行了校正。试验在来流马赫数4和6两个工况下进行。结果表明:相对于背支撑，尾支撑对飞行器气动力参数的影响较小，更适合作为吸气式高超声速飞行器冷态测力试验的支撑机构；结合背支撑和背支撑+虚拟尾支撑的方式，可以有效地对尾支撑测量结果进行校正，提供更为精准的气动力试验数据。     

随机机翼结构阵风响应的分布函数及灵敏度分析

随机结构在随机激励作用下的结构响应具有随机不确定性,响应的分布函数(CDF)能够充分地体现响应量分布变化规律,只要掌握了响应的CDF,就可以进一步掌握响应的统计信息.基于响应的CDF,对基本变量的分布参数进行灵敏度分析,可以表明基本变量的随机不确定性对输出响应的随机不确定性的影响程度,从而清楚地表明重要随机变量和非重要...     

悬停共轴双旋翼干扰流动数值模拟

基于非结构动态嵌套网格方法,通过求解三维非定常Euler方程对悬停共轴双旋翼直升机的复杂流场进行了数值模拟研究.双旋翼之间的干扰使得两者的拉力性能下降,上旋翼对下旋翼的干扰程度远大于下旋翼对上旋翼的影响程度.下旋翼处的下洗速度比单旋翼的要大得多,而上旋翼的下洗速度比单旋翼的略大一些,几乎相同.桨叶总星巨角增加,则下洗速...     

基于RBF神经网络和遗传算法的超声速Licher双翼优化设计研究

基于Busemann双翼的设计方法,采用径向基函数神经网络(Radial-Basis Function Neural Network, RBFNN)和基于遗传算法(Genetic Algorithm, GA)的优化技术对Licher双翼进行了优化设计以提高设计马赫数情况下的升阻比。通过计算流体力学(Computational Fluid Dynamics, CFD)方法在无黏性和黏性模式下对优化设计结果进行了验证。结果表明,与典型的Busemann双翼相比,优化后的双翼构型在无黏模拟情况下的升力和升阻比分别提高了27.3%和27.4%,黏性模拟情况下则提升了近60%和40%,表明本文采用的方法对于将双翼构型应用于未来超声速运输机领域具有很大的潜力。     

进口导流叶片对转子叶片颤振特性的影响

上游静子叶片的尾迹扰动是下游转子叶片发生强迫响应问题的主要原因,但通常认为不会对颤振特性产生影响。运用CFD技术求解非定常流场,用能量法对典型涡轮风扇NASA Rotor 67进行了气动弹性分析。结果表明:不加进口导流叶片时其叶片最有可能在第二阶模态、60°叶间振动相角的情况下发生颤振;加上IGV(进口导流叶片)后,IGV的尾迹会显著改变转子叶片的颤振特性,当转子叶片的最危险颤振模态频率接近IGV尾迹的扰动频率时,即使单独转子叶片十分稳定,但在尾迹的激励下颤振仍然可能发生;当该频率远离IGV尾迹扰动频率时,尾迹扰动同样会使转子叶片气动阻尼降低。该结果意味着尽管IGV的引入不会明显改变压气机性能,但有可能会对其颤振特性带来明显的负面影响,需要在涡轮机设计中予以考虑。     

超燃冲压发动机壁板振动对燃烧室性能的影响

为了研究超燃冲压发动机壁板振动对燃烧室性能的影响,以改进后的JNAL模型为研究对象,分别对上游壁板和下游壁板施加强迫振动,研究振动幅值、频率、波长对燃烧效率和总压损失系数的影响。对于本文的计算模型,结果表明:(1)壁板振动对燃烧室性能产生明显的影响,提高燃烧效率的同时也提高了总压损失系数;(2)对于上游和下游壁板振动而言,振幅和波长对燃烧性能的影响规律基本相同,燃烧效率和总压损失系数随振幅的增加而增加,最大增加幅度分别达到了40.52%和55.74%,随波长的减小而增加,且波长较小时,燃烧室性能变化较敏感;(3)对于上游壁板振动而言,随频率的增加,燃烧效率和总压损失系数先略有下降,后单调增加,但是,对下游壁板振动而言,随频率的增加,燃烧效率和总压损失系数先增加后减小,且当振动频率与下游流场压力脉动的主频率接近时,壁板振动对燃烧室性能的影响达到最大,燃烧效率和总压损失系数增加的幅度分别达到了75.42%和65.68%。     

基于神经网络模型的动态非线性气动力辨识方法

 在标准径向基函数（RBF）神经网络模型的基础上发展了带输出反馈的RBF神经网络。将计算流体力学(CFD)方法计算的时域气动载荷作为输入信号，建立跨声速非定常非线性气动力模型，并进一步运用CFD方法验证模型的精度。算例表明带输出反馈的RBF神经网络较标准RBF神经网络精度更高，能更准确描述跨声速激波大幅振荡时的非线性和非定常特性，并可推广用于多自由度运动的动态非线性气动力建模。用多级信号训练，预测简谐信号输入下的气动力算例表明带输出反馈的RBF神经网络能够预测不同振幅、不同频率的信号激励下的非线性气动力。     

模型振动对风洞实验数据分散性的数值模拟研究

研究模型振动对风洞实验结果的影响对于修正风洞实验数据和加深空气动力学的理解具有重要的现实意义。基于κ－ω的SST两方程湍流模型，在时间域求解雷诺平均N—S方程，研究了模型振动在不同迎角下流场和气动力的变化规律。结果表明：模型振动在小迎角条件下对气动力测量结果几乎没有影响，但在大迎角存在一定分离的条件下，可以引起分离涡的非线性演化，导致气动力平均值的改变，从而引起风洞气动力测量值的分散性。结论从物理机理上解释了大迎角风洞实验的重复性和数据分散性。