高超声速圆锥边界层转捩纹影显示

为发展高超声速边界层转捩的试验研究手段,在中国空气动力研究与发展中心（CARDC）超高速空气动力研究所的FD-14激波风洞上开展了基于纹影显示技术的边界层转捩特性研究。试验模型为半锥角为7°的钝锥,头部钝度R_n有2.0和0.5mm两种。试验的名义马赫数为8和10,单位雷诺数变化范围为1.6×107~4.4×107m-1,高速相机的拍摄帧频20kHz。纹影显示捕捉到了第二模态不稳定波和湍流斑的空间结构。对纹影图像的灰度分布进行了功率谱密度（PSD）分析,结果表明第二模态波长约为边界层厚度的2倍。对纹影图像序列的分析表明,湍流斑波前传播速度大于波尾,并且略大于边界层外缘速度。     

基于ACMPE、ISSL-Isomap和GWO-SVM的行星齿轮箱故障诊断

针对从行星齿轮箱非线性、非平稳振动信号特征提取困难的问题,提出了一种基于自适应复合多尺度排列熵(ACMPE)、改进监督型自组织增量学习神经网络界标点等度规映射(ISSL-Isomap)和灰狼群优化支持向量机(GWO-SVM)相结合的行星齿轮箱故障诊断方法。利用ACMPE从复杂域提取振动信号的故障特征,构建高维故障特征集;采用ISSL-Isomap方法对高维故障特征集进行维数约简,提取出低维、敏感故障特征;应用GWO -SVM分类器对低维故障特征进行模式识别,判断故障类型。行星齿轮箱故障诊断实验结果分析表明:与多尺度排列熵(MPE)、复合多尺度排列熵(CMPE)等特征提取方法相比,ACMPE方法在分类效果和识别精度上更具优势;与局部切空间排列(LTSA)、等度规映射(Isomap)、加权Isomap(W-Isomap)、监督Isomap(S-Isomap)和监督型自组织增量学习神经网络界标点Isomap(SSL-Isomap)等降维方法进行比较,ISSL-Isomap方法降维效果最佳;所提方法的故障识别率达到100%,具有一定优越性。      

一种平纹编织复合材料的三维通用单胞模型

为了解决采用通用单胞(GMC)方法开展编织复合材料多尺度模拟的技术难题,发展了一种三维通用单胞模型,可用于二维平纹编织复合材料的多尺度模拟。概述了三维通用单胞方法的基本理论和求解流程;基于对二维平纹编织复合材料细观结构特征分析,建立了其三维通用单胞模型,并通过与传统有限元单胞模型的宏细观力学响应分析计算结果对比,验证了所建模型的正确性。采用基于通用单胞模型的有限元多尺度模拟方法,开展了二维平纹编织复合材料平板试件的模态分析。与试验结果对比表明,采用所建立的通用单胞模型预测得到的前五阶固有频率绝大部分的精度较传统有限元方法有了明显提升。该方法的优势在于可以基于通用单胞模型开展多尺度模拟,进而研究宏细观力学响应的相互关联。      

基于机匣信号的滚动轴承故障卷积神经网络诊断方法

针对在滚动轴承故障激励下的机匣微弱故障特征,提出了基于卷积神经网络(CNN)的故障诊断方法。利用矩阵图法、峭度图法以及小波尺度谱法3种振动信号的预处理方法,将一维原始信号转换为图像信号;利用卷积神经网络对故障进行识别。通过比较分析发现:通过连续小波尺度谱更易提取滚动轴承的故障特征,其故障识别率达到95.82%,均高于其他几种振动信号预处理方法;由于卷积神经网络可以利用深层网络结构自适应地提取滚动轴承故障特征,比传统支持向量机(SVM)方法的故障识别率高约7%。结果证明了该方法的有效性与可行性,且具有较好的泛化能力和稳健性。      

面向精准工程湍流模型的理论研究

长期以来,工程湍流模型建立在量纲分析和经验修正的基础上,绝对预测能力不足而且模型参数的意义不明确。关于湍流边界层的理论研究一直平行地在两条路线上前行,或是经验性地构造有关平均速度或动能的分布,或是利用数值模拟等技术对于湍流脉动结构进行精细刻画。二者之间的分割导致对湍流边界层物理图像的不完整,从而限制了对一系列相似性关系的揭示。新近发展的结构系综理论,立足于探索由于固壁对于流场的雷诺应力各个分量所表现的拉伸对称性约束,完成了一个对于平均速度和动能剖面的统一描述,从而形成了一个构建工程湍流模型的新思路:一方面,理论指导如何开展湍流DNS(Direct Numerical Simulation)和LES(Large Eddy Simulation)的大数据分析,提炼对定量描述复杂流动有物理意义的多层结构参数;另一方面,指导开发物理图像清晰、定量描述精确的新型湍流(代数)模型。结构系综理论揭示了壁湍流所共有的普适多层结构,完整地刻画了边界层湍流的雷诺数、马赫数相似性,有望推动理论空气动力学研究进入一个定量化、精确化的新阶段。     

基于OH-PLIF技术的环形燃烧室预混火焰结构实验

针对微型燃气轮机环形燃烧室中的燃烧特性,利用平面激光诱导荧光(PLIF)技术,对环形燃烧室内甲烷/空气预混湍流多束火焰燃烧开展实验研究,得到OH自由基物质的量浓度分布,并研究雷诺数和当量比对火焰结构特征参数的影响。结果表明:OH自由基浓度分布呈现环形结构,并有火焰托举和分叉现象,OH-PLIF瞬时和平均图像揭示了火焰具有湍流和层流预混结构共同特征。火焰结构特征参数的定量分析表明,雷诺数升高,拉伸火焰预混锥形结构,促进射流之间相互作用;康达效应使内焰向内壁面弯曲,火焰张角增大;适当调节预混火焰的当量比,有利于火焰结构的稳定。      

主流湍流度对涡轮导叶吸力面W型气膜孔冷却效率影响的实验研究

为了获得亚声速涡轮导叶吸力面不同位置处单排W型气膜孔的气膜冷却特性,在短周期跨声速风洞中实验研究了吹风比、主流湍流度对W型气膜孔冷却效率的影响。两列单排气膜孔分别布置在吸力面16%和21%相对弧长处,实验进口雷诺数范围为3.0×10⁵~9.0×10⁵,吹风比范围是0.5~2.0,叶栅出口等熵马赫数为0.8,高低湍流度分别为14.7% 和1.3%。实验结果表明：低湍流度时孔排1和孔排2下游的气膜冷却效率都随吹风比的增大先增大后减小,最佳吹风比分别为BR=1.2和BR=0.8。由于孔排1和孔排2所处位置的主流边界层状态不同,导致湍流度对于气膜冷却效率有不同的影响。对于孔排1,大吹风比时高湍流度使冷气核心向壁面移动,提高了气膜冷却效率;而小吹风比时,湍流度对冷却效率的影响随雷诺数升高而减弱。对于孔排2,大吹风比时高湍流度提高了孔附近区域的冷却效率,同时加快了冷却效率沿流向下降的速度,而在小吹风比时高湍流度显著降低了孔排下游气膜冷却效率。     

融合背景图像信息和多特征压缩的相关滤波跟踪算法

针对相关滤波类跟踪算法目标背景图像信息利用率较低、目标特征表达能力较弱的问题,提出了一种融合背景图像信息的多特征压缩跟踪算法。首先,在上下文感知滤波器的基础上,将背景图像信息加入位置滤波器。其次,提取颜色名(Color Name, CN)特征与梯度直方图(Histogram of Oriented Gradient, HOG)特征,使用最大响应因子及平均峰相关能量(Average Peak-to-Correlation Energy, APCE)评估跟踪结果的可信度,实现两种特征的自适应融合。最后,利用特征降维简化模型的复杂度,实现算法运行速度的提升。实验结果表明,改进后的算法在遮挡、形变、尺度变化等复杂环境下均具有较高的鲁棒性,其跟踪精度和成功率指标均优于DSST及其他主流的跟踪算法,并且仍保持了实时性。     

具有地面效应理想车体三维绕流的研究

考虑理想车体与地面相对运动的基础上,建立地面效应模型。采用标准k—ε两方程湍流模型对理想车体外流场进行数值模拟。并对数值模拟结果进行了研究分析。     

湍流燃烧算例在多种CPU平台的模拟性能对比

新型燃烧室研发需要高精度数值模拟及大规模并行计算。几何高保真加上高精度的湍流模型、湍流燃烧模型和化学反应机理等,必需从各方面提升大规模并行计算效率。目前超算平台的浮点运算能力评测并不能完全代表湍流燃烧模拟的实际消耗,因此列举了各计算平台的Linpack测试分数进行参考,采用典型湍流火焰数值模拟对常用的CPU超算平台进行测试,检验并行计算效率,分析结果。湍流燃烧模拟采用自研AECSC软件,结构化网格,对比了Intel、AMD和国产CPU平台。结果表明,超算平台浮点数运算能力和湍流火焰模拟效率不一致,对同一算例的计算时间存在差异;国产超算平台表现优于参考的浮点算力;不同的求解过程有不同的加速比。