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。      

低速冲击下复合材料层合板损伤试验与模拟

对复合材料层合板进行四种不同能量的低速冲击试验,测量了不同冲击能量下的凹坑深度,并利用超声C扫描获得了层合板分层形状和面积。依照试验条件,建立复合材料层合板低速冲击三维有限元模型,模型中分别采用hashin失效准则和界面单元模拟层内失效和层间损伤,结合试验与模拟结果,讨论了复合材料层合板在低速冲击下的损伤特征,以及冲击过程中层合板内部损伤的发生及演化规律。     

导流锥结构参数对燃气弹射筒内压力冲击平滑效果影响研究

针对导流锥结构参数对内弹道流场耦合影响问题，基于动态分层动网格技术，构建了含导弹运动和二次燃烧的内弹道数值模型，并验证了模型可靠性。解耦分析了导流锥半径、高度及冲击高度对内弹道流场特性和载荷的影响。结果表明：导流锥的结构直接决定燃气飞溅现象的产生和流场结构的紊乱程度，导流锥的半径、高度和冲击高度的改变会对燃气反射点的位置、二次燃烧的区域以及剧烈程度产生影响;结构优化后的导流锥，较大程度地缓解了冲击现象，获得了较好的平滑效果，筒底压力较实验装置降低了24.5%。     

一种冲击响应谱试验设备校准装置的研制

介绍了冲击响应谱基本概念及其试验设备的分类与工作原理，参考现行冲击试验台检定规程提出了针对该设备的校准方法，设计了一种基于虚拟仪器技术的新型冲击响应谱试验设备校准装置，给出了典型冲击波形（半正弦、矩形、后峰锯齿）的冲击响应谱仿真计算结果并进行了验证，计算结果与理论结果完全一致，证明算法准确可靠，能够实现对冲击响应谱试验设备的校准。     

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。     

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。