源项冷却模型的建模以及在平板和涡轮的应用

为了解决由于划分冷气腔和尺寸过小的多排气膜冷却孔导致网格量过大的问题,本文基于NUAA-Turbo平台,在气膜冷却孔出口处建立适用于变比热条件下的源项冷却模型来代替冷却气体从孔内流出,并且在孔内建立换热模型,用于模拟孔内的对流冷却。对气膜冷却平板算例气动研究发现:在吹风比为1.0时,计算值与试验值相吻合。而对吹风比为1.5的孔下游近壁处计算时,发现流向速度计算值与试验值存在11.1%的误差,但小于商用软件44.4%的误差,尽管发现优化后的源项冷却模型不能很好反映下游近壁处法向速度分布,但计算精度在商用软件源项冷却模型基础上有25%的提高。为了证明该方法的可行性,对气冷高压涡轮MT1导叶的等熵马赫数以及平均努塞尔数等相关实验数据与计算数据作了对比,研究发现:在吸力面和压力面计算值与试验吻合较好,而在无冷却气膜覆盖的叶片尾缘和叶片前缘等局部位置计算值与试验值存在误差。研究表明:优化后的源项冷却模型能够较为准确地模拟冷却射流的宏观特征,该方法对工程上气冷涡轮的设计有一定的应用潜力。     

机器学习在翼型优化问题中的应用

基于机器学习的翼型优化方法,避免了繁琐的CFD (Computational Fluid Dynamics,计算流体动力学)计算。本文简要分析目前广泛使用的基于参数化的机器学习算法和基于图像识别的机器学习算法,并对未来机器学习在翼型优化中的应用提出可行的发展方向。