轴流压气机超音速多园弧（MCA）叶型的试验研究

本文介绍了超音速多园弧（MCA）叶型叶栅的试验研究情况。试验结果表明：由文献^[1]提供的多园弧叶型设计计算方法是有效的。试验结果还表明超音速多园弧叶型叶栅的损失明显低于双圆弧叶型叶栅，且小损失工作范围比较宽，因此，轴流压气机在超音速工作条件下，采用多园弧叶型是有利的。     

轴流压气机转子内流场试验研究

在1台7级轴流压气机级性能、总性能、静叶角度优化、中间级引气的试验中,利用叶型受感部测取了各级转子出口总压、总温流场;同时采集各级转子后参数与总性能参数,为研究多级压气机级间匹配关系提供了1种可靠的测量方法。级间参数分析对比表明叶型受感部获取的试验数据真实可信。     

基元化学反应一维爆轰波的数值模拟

应用基元化学反应模型对一维氢氧混合气体爆轰波进行数值模拟。采用一端高温高压点火起爆的方式,模拟爆轰波的传播。对一维爆轰波的结构、传播特征以及各个化学组分的变化趋势进行了研究。通过将模拟的结果同国内外的研究结果进行对比,发现了一些规律,为多维爆轰波的数值模拟和脉冲爆轰发动机的研究奠定一定的基础。     

大弯度可控扩散叶型叶栅槽道中气体流动的试验研究

本文对一种大弯度可控扩散叶型叶栅槽道和栅后流场进行了测量 ,并对端壁和叶片表面进行了流动显示。通过研究 ,对叶栅槽道特别是端部气体流动 ,旋涡结构以及二次流影响有深入的了解。本文的工作对于改进压气机端部流动条件 ,发展第二代可控扩散叶型有重要的实际意义。     

气相爆轰基元反应模型数值模拟

采用基元反应模型和高精度的ENO格式对气相爆轰进行数值研究，对H2／O2／Ar混合气体起爆和爆轰波传播过程的数值模拟结果表明，计算的爆轰波阵面参数和实验相当符合。数值研究的结果还表明，爆轰波反应区中参与反应的不同组分具有不同类型的变化特征。计算结果的精度随着网格尺寸增加而增加，并能保持较好的收敛性。     

多级压气机中可控扩散叶型研究的进展与展望 第二部分 可控扩散叶型的实验与数值模拟

目前 ,大量的可控扩散叶型 (CDA)已设计应用于多级轴流压气机中。通过亚音、跨音叶栅实验 ,证明了在可比的气动设计条件下 ,CDA叶栅可以达到更高的临界马赫数、更大的冲角范围和更高的负荷。通过单级或多级测试 ,CDA提供了更高的效率、更高的负荷、且易于进行级间匹配 ,并最终减少研发费用 ,提高喘振裕度 ;由于 CDA叶型具有增厚的前缘和尾缘 ,这为压气机寿命的提高提供了保证     

基元事件分析法

航空事故的发生是航空系统存在缺陷的反映。为了发现、分析系统的缺陷，人们发展了一些事故分析统计方法。“基元事件分析法”不仅分析了事故的原因，而且指出了预防这类事故的办法，文章论述了该方法的结构特点，给出了部分事故的分析统计结果     

基于变刚度特性的轴流压气机叶型重构方法研究

为能准确预估轴流压气机叶片在工作状态下的形状，基于流固耦合迭代策略，考虑离心力和气动力对叶片变形的作用，发展了一种适用于轴流压气机的叶型重构方法。在构型转化过程中，计入了叶片受力载荷随叶型变化的非线性效应以及叶片的变刚度特性。采用叶片变形后状态的受力载荷与刚度矩阵计算叶片节点位移，反复迭代修正热态叶片形状，最终获得满足精度要求的热态叶型数据。利用所提出的方法，对Stage 37的转子叶片进行了叶型重构，经20步迭代计算可获得最大残差小于10-4mm量级的热态叶型，通过与试验数据的对比分析，验证了重构算法的可靠性和工程实用性。     

基于CST方法的高空低雷诺数吸附式叶型耦合优化设计

研究了一种基于类别形状函数变换（CST）方法的吸附式叶型优化设计方法,该方法可以在高空低雷诺数条件下对叶型和抽吸方案耦合优化.结果表明:优化之后在20km高空低雷诺数条件下总压损失降低了65%,静压升提高了0.02,气动性能得到较大提升.而且由于优化过程中罚函数的引入使得优化后吸附式叶型在地面条件下性能也有所提高.对于高空低雷诺数条件下吸附式叶型在抽吸位置之前适当的增加叶型负荷,再通过抽吸来控制附面层,效果最优.并且最佳抽吸位置位于层流分离泡作用区域内.在层流分离泡作用区域内抽吸可以完全消除层流分离泡对叶型性能的影响,并且可以较好控制附面层位移厚度和动量厚度的增加,有效地减小附面层内的动量损失.      

基于冷态叶型生成叶片加工坐标的方法

建立了基于冷态叶型生成叶片加工坐标的方法,包括排序、插值加密、叠加位移量、去倒圆及端区叶型拟合等步骤.以某多级轴流压气机为例,应用该方法生成的加工坐标叶片除端区外主流通道叶高内误差在0.01mm以下,叶片表面波纹度和前后缘曲率良好.通过进口级的数值模拟表明:该方法生成的加工坐标叶片与冷态叶型的误差对气动性能影响小,流量-总压比-等熵效率特性变化微小,叶片进出口气流速度、方向及流场细节等变化较小,满足工程应用的需求.