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%。     

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。     

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。     

FET振荡器注入锁相伏特拉级数分析

应用伏特拉级数法分析了电容耦合ＦＥＴ振荡系统在外加信号下的注入锁定现象，推导出输出信号和注入锁定带宽表达式。与一般非线性系统分析方法相比，伏特拉级数法在建立好系统模型后只需进行代数运算，从而避开了求解非线性，非齐次高阶微分方程的复杂过程。     

通过矩形喷嘴的非稳定液体射流

介绍了关于用矩形喷嘴进行的瞬态液体射流的实验研究结果。流动显示演示了在喷流过程中液体射流的种种不稳定现象。笔者推广了Ryhming的理论模型，计算了喷嘴出口的射流速度，并与实验结果进行了比较。     

基于DSP BUILDER的数字下变频器设计

介绍利用DSP BU ILDER设计基于FPGA的数字下变频器的方法,研究使用专用乘法器的NCO设计、半波带滤波器多相抽取处理结构和FIR滤波器的分布式算法,同时给出实际应用的设计方案和仿真分析结果。     

压电驱动自耦合射流流动特性实验

为了研究压电驱动狭缝喷口自耦合射流的流动特性,采用PIV、热线风速仪测试手段,对自耦合射流激发器在不同激励因素下的流场和速度场分布进行了实验和分析.结果显示,自耦合射流在狭缝出口处产生了反向涡对,随着自耦合射流的发展,射流呈现出在喷口短轴方向急剧向两侧扩展、而在喷口长轴方向先收缩后缓慢扩展的流动特征;自耦合射流的速度分布在法线方向呈现先上升后下降的趋势,在z/b=10左右速度达到最大值;在射流展向上,短轴方向速度呈规律的对称分布和速度自模的特征,而长轴方向速度近喷口区域呈现马鞍状分布,随着法向距离增加这种趋势消失.研究中发现,激发器存在两个谐振频率,在谐振频率激发下自耦合射流的速度和涡量比较大.与常规射流相比,自耦合射流显示出了独特的流动特性.