风雷软件LES开发设计与验证

基于国家数值风洞风雷软件开源框架，设计开发了LES(Large Eddy Simulation)湍流模型，主要包括Fourier谱/有限差分方法 LES求解器和有限体积/有限差分方法 LES求解器。简要介绍了采用的不可压缩流动求解的投影法、Fourier谱/有限差分混合方法、亚格子模型等理论方法，给出设计的软件框架和计算流程，尤其说明采用的松/紧2种耦合模式。通过数值模拟不可压缩槽道湍流、亚临界雷诺数圆柱绕流、NACA0012临界攻角的低频振荡算例，验证求解器的计算精度和复杂湍流模拟能力。基于风雷开源框架设计的开源LES模型，具备高精度数值格式、亚格子模型、湍流统计等通用模块，可为国内学者提供一个LES湍流模拟研究的开放平台。     

喷水射流预冷对加力燃烧室特性影响分析

为了探究采用射流预冷技术之后加力燃烧室性能，开展了不同喷嘴布置方案、喷水量和来流温度对预冷效果的影响研究。对射流预冷发动机工作过程进行了简化，建立了加力燃烧室进口前段射流预冷喷水特性计算的数学模型。同时搭建了小型试验台，通过与试验结果的比对验证了该模型的准确性，并利用该模型对射流预冷效果进行了仿真预测。结果表明：提高喷嘴数量与布置均匀性能够小幅度改善预冷效果；当来流温度不变时，射流预冷喷射腔室出口处的液态水蒸发量随着喷水量的增加而提高，但蒸发率却处于下降的趋势；当喷水量达到2%时，加力燃烧室燃烧效率对比不喷水工况会有一定的提升；喷水量达到4%以后，加力燃烧室出口温度及燃烧效率随着喷水量的提高而降低；喷水量大于8%以后，恶化了加力燃烧室（V型火焰稳定器）贫油熄火极限与燃烧效率；喷水量达到最大10%时，油气比需从原来设计工况的0.052上升到0.064才能保持稳定点火且对比不喷水时工况，加力燃烧室出口温度由1860K下降到1373K，燃烧效率由80.2%下降到69.2%。     

双射流环量控制翼型的控制力矩特性研究

为了探究环量控制技术在飞行控制性能方面的优势，在定常流场中对定常射流环量控制翼型的控制力矩作用机理展开了研究，采用数值仿真的方法，对比分析了单射流、双射流产生的虚拟舵面与传统舵面作用下的气动力系数的变化规律，并基于无舵面飞行器CCSCAOON对其气动力矩的控制特性进行了验证。验证结果表明:单射流作用下的虚拟舵面能够提供用于飞行器所需的滚转和俯仰力矩，且作用机理相似，控制性能优于传统舵面；无论是单射流还是双射流，在大迎角下虚拟舵面的气动控制特性较差，限制了环量控制的使用迎角；双射流较单射流而言，升阻比特性和控制力矩特性较好；双射流下的虚拟舵面通过调节下射流口动量系数，能够有效降低偏航力矩与滚转、俯仰力矩之间的耦合效应。      

不同直径圆球诱导燃烧的振荡机制与频率特性

为了分析不同直径圆球诱导振荡燃烧的规律，并揭示圆球大小在振荡燃烧现象中所发挥的深层次作用，本文采用二维轴对称Euler方程和基元反应模型，对不同直径的圆球在H2/air预混气体中诱导振荡燃烧的现象开展数值模拟研究。研究发现，振荡频率并不是简单地随直径增大而逐渐从高频向低频连续过渡，而是存在两次突变，形成了超高频、高频以及低频三种振荡燃烧模态。在两种模态间过渡时，振荡达到稳定状态前，会存在一段双频耦合的振荡阶段。三种不同振荡燃烧模态的产生是受到了不同振荡机制的作用，而两种模态间过渡时的双频耦合现象则是两种机制相互竞争的结果。     

基于发动机非正常燃烧的湍流火焰-冲击波相互作用的实验研究

爆震、超级爆震等非正常燃烧现象是限制小型强化点燃式发动机热效率进一步提升的突出瓶颈。爆震或超级爆震发生时总会伴随着湍流火焰-冲击波的相互作用，因此对湍流火焰-冲击波的相互作用的研究是揭示其机理的关键。本文通过在可视化定容燃烧弹内安装孔板实现火焰过孔板加速并产生冲击波，并通过改变初始热力学条件和孔板的参数，来实现不同强度的湍流火焰和冲击波及其相互作用过程。基于该燃烧装置开展了火焰加速、冲击波的形成以及湍流火焰-冲击波相互作用导致不同燃烧模式的研究。根据燃烧室末端火焰传播和压力振荡情况，总结出5种燃烧模式，其中发生自燃的燃烧模式的压力振荡幅值均超过4.5MPa，是未发生自燃时的4~40倍。因此，湍流火焰-冲击波相互作用对燃烧压力振荡具有重要影响。     

基于合成射流的旋翼翼型动态失速控制研究

针对直升机旋翼工作环境下来流速度和迎角(Angle of attack,AoA)耦合引起的动态失速问题,建立了基于合成射流的旋翼动态失速控制的数值模拟方法。采用运动嵌套网格方法,通过对翼型的平移和旋转实现变来流速度-变迎角的耦合。以积分形式的雷诺平均N-S方程为主控方程,空间离散使用Roe格式,时间离散为隐式LU-SGS方法,以OA209翼型为研究对象,在翼型上表面放置合成射流激振器,开展了射流位置、动量系数、无量纲频率以及偏角等参数对轻度失速、深度失速下翼型动态失速控制的研究。研究发现,轻度失速下,射流位置靠近气流分离点时(20%c附近,c为翼型弦长),对逆压梯度引起的轻度失速控制效果最佳。深度失速下气流分离点虽在5%c之前,但射流位于前缘分离泡后端(10%c附近)时控制效果较好。大迎角需要较大的动量系数才能有效控制。射流频率对涡结构的尺寸和数量会产生一定影响,能改变气动特性波动幅度。较小的射流偏角对轻度失速的控制更有效,而深度失速则需要较大的偏角。     

高效率的特征型紧致WENO混合格式

特征型紧致加权基本无振荡（WENO）混合格式HCW-R结合了迎风紧致格式CS5-P和WENO格式，具有十分优异的分辨率特性。但在求解多维方程组时，HCW-R格式需要求解块状三对角方程组，因而计算代价十分高昂。采用迎风紧致格式CS5-F代替CS5-P，构造了一个新的特征型紧致WENO混合格式HCW-E。由于HCW-E的特殊形式，其可沿迎风方向、由边界处向内推进求解，避免了处理三对角或块状三对角方程组，从而其计算代价与显式格式无异。虽然就分辨率而言，HCW-E稍逊于HCW-R，但前者的计算效率要显著高于后者。因此，当花费相同的计算代价，HCW-E格式可以获得更好的数值结果。一系列求解Euler方程组的数值试验验证了HCW-E的高分辨率特性和相比HCW-R更高的计算效率。HCW-E格式的效率优势在求解高维问题时更为明显。      

基于深度神经网络的粒子图像测速算法

粒子图像测速(PIV)作为一种流体力学实验技术,能够从流体图像中获取全局、定量的速度场信息。随着人工智能技术的发展,设计用于粒子图像测速的深度学习技术具有广泛的应用前景和研究价值。借鉴在计算机视觉领域用于运动估计的光流神经网络,采用人工合成的粒子图像数据集进行监督学习训练,从而获得适用于流体运动估计的深度神经网络模型,并且能够高效地提供单像素级别分辨率的速度场。文中采用人工合成的湍流流场粒子图像进行初步实验评估,并讨论PIV神经网络的隐藏层输出和内在原理,同时将训练而成的深度神经网络模型与传统的相关分析法、光流法对比;随后进行射流流场测速实验,验证深度神经网络PIV的实用性。实验结果表明,文中提出的基于深度神经网络的粒子图像测速在精度、分辨率、计算效率上具有优势。