航空发动机燃烧不稳定性预测及控制研究进展

燃烧不稳定性问题广泛出现在各类航空发动机燃烧室内，该问题是火焰非定常热释放和声波充分耦合的结果，发生时伴随着大幅度的压力脉动，严重威胁发动机的稳定工作及结构安全。目前，包括中国在内的各航空发动机研制国家在多数发动机型号的研制过程中，均遇到了严重的燃烧不稳定性问题，且发动机越先进，该问题越复杂且难以解决。在深入认识其发生机理的基础上，对其进行准确预测并设计有效的控制手段，对航空发动机的研制具有重要意义。系统阐述了该问题的研究现状，介绍了燃烧不稳定性问题发生关键，即军用的钝体燃烧加力燃烧室和民用的贫油预混环形燃烧室的非定常流动及火焰响应特征。综述了该问题研究常用的燃烧不稳定性声网络预测分析模型，重点报告了为了耦合考虑燃烧室声软壁面被动控制设计，团队所发展的三维燃烧不稳定性预测控制模型。基于该模型，介绍了壁面声衬参数及布局对燃烧不稳定模态控制效果影响的研究进展，为先进发动机燃烧不稳定性的排故提供技术储备。     

超声速飞行器近场声爆信号反演技术

超声速民机是新一代民机的重要发展方向，其独有的声爆现象是制约其在陆地上空进行超声速飞行的最关键因素。对超声速飞行器的气动外形进行反设计是声爆抑制的有效途径。基于等效面积分布开展反设计，需要远场感知声压级作为直接指导。为此，提出了逆向传播分别与本征正交分解（proper orthogonal decomposition, POD）及伴随方程结合，根据远场声爆信号反演近场声爆信号的方法。采用第二届声爆会议（SBPW）提供的LM1021标模算例，并从远场频域内声压级、响度级和感觉噪声级进行反演可信度评估。结果表明，对于给定的任意远场声爆信号，基于逆向传播结果进行POD反演及伴随方程反演，都可以得到较为准确的近场过压信号，且伴随方程反演方法具有更优的高频信号即局部激波信号反演能力，远场感知声压级更精准。反演结果相应的等效面积分布与参考值高度吻合，表明此方法能够为等效面积指导的低声爆气动优化设计提供基础。     

涡桨飞机有/无动力降落构型的气动噪声预测

以某双发涡桨飞机为对象，采用精细化笛卡尔网格与混合RANS/LES数值模拟，结合FW-H方程的声类比方法，对某涡桨飞机的有动力降落构型和无动力降落构型（均为1/6缩比模型）开展气动噪声预测与对比研究。通过对比分析近场流动结构、机身表面压力分布与压力脉动探测数据、Lamb矢量的散度分布和远场观测点噪声数据，发现对于无动力降落构型，翼尖、襟翼侧缘、襟翼连接件、襟翼与机身连接处等位置的表面压力脉动显著强于其他区域；对于有动力降落构型，除上述区域外，在螺旋桨滑流的干扰下，发动机舱、机翼前缘和襟翼表面压力脉动明显增大。远场噪声观测数据表明，采用的噪声预测方法不仅能够准确捕捉螺旋桨旋转噪声主频，还能够清晰观测到2倍、3倍及4倍谐频。最终结果显示，有动力降落构型的螺旋桨旋转噪声幅值最大，是最主要的噪声源。有动力降落构型相比于无动力降落构型的总声压级要高20 dB左右。因此，建议针对该涡桨飞机降落构型，其降噪设计重点应放在螺旋桨降噪优化设计方面。     

飞机超声速机动飞行条件声爆预测方法

针对飞机超声速机动飞行条件下的超声爆问题，基于广义Tricomi方程建立了表征焦散线附近压力波强非线性演化过程的空间模型，采用伪时间步推进和算子分裂算法，结合时域和频域方法开发了可求解超声爆问题的计算程序ARI＿Superboom。构建的求解方法可分为3个步骤：首先，应用航空工业气动院自主研制的CFD软件ARI＿Overset在三维空间求解N-S方程，得到作为声爆远场传播初始值的近场空间压力分布；其次，基于自主研发的ARI＿Boom声爆预测程序开展射线追踪和声爆远场传播计算，获得焦散线及指定高度处声爆信号；最后，通过ARI＿Superboom预测程序获得焦聚区的地面超声爆信息。通过飞机超声速匀加速状态下地面产生的超声爆预测算例，验证了基于广义Tricomi方程建立的超声爆预测方法的可行性和准确性。     

航空发动机燃烧室热声不稳定的预设性能控制

为降低航空发动机燃烧室NOx的排放量，贫油预混的燃烧模式被广泛采用，但这将导致燃烧不稳定现象更加频繁地发生。航空发动机燃烧不稳定的能量来自于推进剂的燃烧，热声不稳定是其最主要的一种形式。为抑制热声不稳定现象，首先，在Culick模型的基础上，加入火焰燃烧响应对系统的影响，推导出含状态时滞的热声不稳定的数学模型；其次，基于此模型探究了从燃料喷射到燃烧释放热量的对流时间对热声系统稳定性的影响；然后，设计了预设性能反步主动控制方法，并求解得到在保证系统预设性能的前提下该对流时间的上界；最后，从理论分析和仿真结果两方面都验证了该主动控制方法可使热声不稳定系统的压力振荡渐近收敛，其动态满足预先设定的性能，且具有时滞鲁棒性。     

锯切圆柱形42CrMoA的声发射监测试验

针对锯切加工中的带锯条磨损状态未知、锯切质量下降等问题，本文研究了新试制的FTCUT双金属带锯条锯切圆柱形42CrMoA合金结构钢过程中锯切行为的变化，探讨了声发射信号与单刀锯切过程、锯齿磨损和锯切表面质量变化的关联。研究表明：锯切圆柱材料时随着锯切深度的变化，参与齿数先增大后减小，带锯条约束条件不断变化，进而影响着声发射信号幅值和锯切表面质量；基于时域分析可知锯齿磨损过程分为磨合磨损、快速磨损、稳定磨损三个阶段；基于FFT频域分析发现当频谱图出现多个主频，且第一主频幅值下降时，表明声发射信号来源比较分散，即可认定带锯条失效；基于小波包频域分析发现第7频段信号占比最高，最能反映工件表面质量的变化，其波动情况与锯切表面的微纹和波纹情况可建立一定的联系。因此，可基于声发射信号时域和频域分析判断锯齿磨损和锯切表面恶化情况，为锯齿磨损和锯切表面质量的在线监测提供一定的思路。     

基于广义Burgers方程的声爆传播特性大气湍流影响

声爆是发展超声速民机不可回避的关键问题之一。目前流行的声爆预测技术主要针对静止大气，对大气中的湍流扰动效应考虑不足，尚未建立高效高逼真度的预测方法。基于广义Burgers方程的远场声爆预测方法，通过与射线法相结合，建立了一套可考虑热黏性吸收、分子弛豫等物理效应的大气湍流声爆影响快速预测方法，并采用该方法开展了大气湍流强度和大气边界层厚度对典型远程超声速民机的声爆特性影响规律研究。计算结果表明：建立的预测方法能够合理表征热黏性吸收、分子弛豫等大气物理效应，相比前期基于波形参数法框架的预测方法，能够更加真实地反映大气湍流对声爆传播特性的影响；相比于前期的典型超声速公务机，采用的远程超声速民机声爆波形更加复杂，该预测方法仍能给出复杂波系的大气湍流影响规律；随着湍流强度和边界层厚度的增加，大气湍流效应对声爆特性产生的随机性影响呈增强趋势；同时，声爆在地面到达点的位置也呈现出更加分散的趋势，其可能会改变声爆毯对地面的影响范围，应在飞行轨迹规划中予以考虑。     

逆压区域锯齿结构翼型气动噪声特性研究

为了研究翼型在逆压梯度区域内的流动控制和气动噪声特性，在NACA0018翼型0.45～0.50倍弦长区域内设置三种锯齿结构，应用Lighthill声类比方法对比分析了翼型在不同工况下的近场和远场气动噪声特性。结果表明，逆压梯度区域内锯齿翼型的近壁面湍流强度随锯齿夹角的增大而增大，锯齿翼型流动分离点的位置比干净翼型提前，90°锯齿翼型的动压幅值降低；翼型的主要噪声源分布在翼型吸力面沿至尾流区域，90°锯齿夹角翼型在翼型弦长中点上方和前方0.5 m处的噪声分别降低了约1 dB和3 dB;增大来流速度使翼型近场的最大总声压级方向由0°变为10°;90°锯齿翼型在不同来流速度下近场和远场的降噪效果良好。     

低声爆超声速客机声爆预测及不确定度量化分析

声爆精确预测问题是制约超声速客机技术突破的关键瓶颈之一。由于大气来流条件不断发生波动存在不确定性，为得到更可靠的声爆近/远场信号，需考虑来流参数的不确定性对声爆预测结果的影响，并甄别其中影响声爆预测的关键性因素，为工程实际应用提供有价值的参考。本文基于CFD声爆近场信号模拟和增广Burgers方程的声爆远场信号预测方法，对第三届声爆预测研讨会（SBPW-3）的C608低声爆超声速飞行器开展了声爆信号特性分析。首先，采用约5 021万非结构混合网格半模计算了近场过压值，并研究了远场地面波形计算的时间和空间网格收敛性。接着，分析了基准状态下复杂近场流动特征及地面波形特征，通过与C608飞行器公开数据对比，验证了该方法和自研程序的准确度。此外，研究了不同物理模型和大气相对湿度对地面波形的影响。在此基础上，运用基于非嵌入式多项式混沌（NIPC）方法开展了对不同来流参数（来流马赫数、来流攻角和单位雷诺数）的不确定度量化分析和敏感性分析。结果表明，在给定的输入变量不确定度条件下，地面波形波峰与波谷处过压值变化明显。相比而言，来流单位雷诺数对地面波形过压值的影响显著低于来流马赫数和来流攻角的影响。     

基于相关性分析与CNN-BiLSTM神经网络的PSZ陶瓷磨削表面粗糙度智能预测

部分稳定氧化锆（Partially stabilized zirconia,PSZ）陶瓷因其优越的性能在航空航天工业等领域有广泛的应用。表面粗糙度是评价PSZ陶瓷磨削加工水平的关键指标，为了降低磨削表面粗糙度的预测误差，提出了一种基于相关性分析与卷积-双向长短期记忆神经网络（Convolution-bidirectional long short term memory neural network,CNN-BiLSTM）的PSZ陶瓷磨削表面粗糙度声发射预测模型。通过分析磨削声发射信号特征值与磨削表面粗糙度值之间相关性，筛选出磨削声发射信号与磨削表面粗糙度之间的最相关频段和特征矩阵，作为CNN-BiLSTM神经网络的输入参数以降低磨削表面粗糙度声发射预测的误差。研究结果表明，基于相关性分析与CNN-BiLSTM神经网络的PSZ陶瓷磨削表面粗糙度的平均预测误差低于3.92%。