待机状态下机翼结冰的快速计算方法

飞机在飞行过程中遭遇结冰气象,尤其是过冷大水滴结冰条件所导致的机翼结冰,将严重影响飞机的气动性能与操纵品质,从而导致飞行故障或飞行事故,是飞机飞行安全的重要影响因素,是飞机研制中必须重点解决的难题。虽然针对结冰已建立有多种计算仿真程序,但快速获得结冰模拟冰形,包括过冷大水滴条件下的结冰模型是工程师们一直追求的解决方案。利用前向多层神经网络,尝试建立了一种针对待机状态下的机翼结冰模型。此方法基于坐标转换原理,将获取的采用直角坐标表达的标准翼型的机翼结冰数据转换为对应的极坐标表达的数据,以飞行参数、气象参数和极坐标角度作为输入,极坐标模值作为输出训练构建出此种机翼结冰模型。使用所建立的模型,仿真预测结果表明该计算方法具备快速性和精确性,其计算精度可满足实际要求。     

低雷诺数仿生分离流翼型气动特性初探

为了探索适合低雷诺数微型飞行器的翼型形式,基于对自然界鸟类和昆虫滑翔飞行时翅膀形状的观察,设计出一种由前缘削尖平板和后缘圆弧翼型组合而成的仿生分离流翼型。数值研究结果表明,气流在削尖平板的前缘点强制分离,形成大范围低压分离流动,随后在后部圆弧翼上表面再附形成稳定低压涡流区,从而实现较高的气动效率和较强的抵抗大气湍流的能力。上削尖平板可以使流动分离点固定在削尖点。相对于单独平板,仿生分离流翼型的升力系数有大幅提高,迎角为4°时提高了112%。此外,仿生分离流翼型可以在较宽的迎角范围内（4°~20°）保持高升力,但是迎角增加,阻力也快速增大,因此小迎角情况下（小于4°）气动效率更优。      

基于POD-BPNN的热启动策略及其在气动代理优化中的应用

传统气动优化设计需要大量CFD 分析,而代理优化（SBO）方法能够有效降低CFD 分析次数,但该方法并没有改变单个CFD 分析时间。提出一种基于本征正交分解-反向传播神经网络（POD-BPNN）模型的热启动策略,并应用于气动代理优化。使用POD-BPNN 模型对SBO 中的初始样本建立从几何设计变量到流场数据的预测模型...     

用电磁体积力的翼型绕流控制实验研究

研究了电磁体积力控制弱电解质溶液流动边界层的基本原理以及分析了翼型电磁激活板的绕流实验结果.电磁体积力控制弱电解质溶液流动边界层是磁场和电流相互作用产生电磁体积力作用在流体上的结果.实验结果表明:电磁力作用改变了翼型表面的流体边界层的结构,其作用与改变翼型的迎角类似.加正向电磁力,相当于减小翼型的迎角,可以抑制流动分离,消除涡街;而反向电磁力则相当于增大迎角,在翼型的背风面产生大尺度的流动分离,流场中出现复杂的旋涡结构.     

几何尺度对GAW-1两段翼型升力特性的影响

在大型飞机和高速飞机的起降过程中增升装置空气动力性能的好坏对飞机有着举足轻重的影响.飞机增升装置通常采用多段翼型形式.在飞机设计阶段,一般是采用风洞实验的方法对多段翼型的气动性能进行评估.由于风洞的尺寸和动力所限,实验的模型和实验雷诺数都小于实际飞行情况.在数据的使用时,一般认为实验数据进行雷诺数修正即可.通过实验研究发现,即使雷诺数相同,几何尺度对两段翼型升力特性的影响也是非常显著的.建议在风洞实验中重视几何尺度对气动性能的影响.该研究结果和研究思路可供增升装置的设计和实验研究人员参考使用.     

改进的BP神经网络技术在平面叶栅气动性能实验中的应用

将多维实验方法应用于平面叶栅正反向流动实验中,避免了单参数实验方法中的缺陷,大大提高了实验数据的可靠性。同时采用改进的BP神经网络技术,对气动性能实验数据进行分析。实验发现：低雷诺数下,翼型的流动状态很复杂,附着涡在确定翼型边界层行为和失速特性中起着重要作用。在反向流动中,翼型的吸力面常伴随有旋涡的流动,类似于薄翼流动,翼型在较小的迎角下就会发生薄翼失速。     

襟翼缝道对多段翼型气动特性影响的实验研究

对具有襟翼不同缝道构形的多段翼型进行了翼面边界层、表面压力、尾迹速度的测量,同时作了翼面流谱观察实验。实验结果表明,襟翼缝道的不同构形对多段翼型的流动特性、增升效果和升阻特性有着强烈的影响,该研究中具有最佳优化缝道的多段翼型的最大升力系数可达3.360,它为普通缝道多段翼型对应迎角下升力系数的115％。     

雷诺数对粗糙表面翼型气动性能的影响

采用Spalart-Allmaras湍流模型研究风力机专用翼型DU00-W-212的气动性能。在雷诺数小范围变化的情况下,应用数值模拟的方法对粗糙翼型和光滑翼型的气动特性进行对比。探讨雷诺数小范围变化对粗糙翼型气动特性的影响,并分析升阻力的变化机理。比较升阻力曲线,发现粗糙度对升力系数影响最大的区域在迎角10°附近。小迎角的情况下,前缘粗糙度会使得翼型的升力系数下降,阻力系数反而上升。在大迎角失速的情况下,粗糙翼型的阻力系数反而小于光滑翼型的阻力系数。为了增加叶片适应恶劣沙尘环境的能力,在叶片设计和翼型排布的过程中应该尽量避开升力系数最大的迎角处。     

基于神经网络的二维随机翼型优化设计方法(英文)

为避免翼型单点优化设计存在的非设计状态气动性能损失,改进对实际飞行环境中不确定性因素的适应能力,提出了基于神经网络的二维随机翼型优化设计方法。采用4个BP神经网络作为代理模型,用于预测翼型的气动系数与几何参数,以提供高效和可靠的分析。同时联合服从正态分布的概率密度函数和遗传算法构成了优化设计方法。采用该方法,对GA(W)-2翼型,在关于马赫数和迎角的二维飞行区域内进行了随机优化设计。通过与原始翼型和单点优化设计翼型的结果对比,表明该二维随机优化方法能够在指定飞行区域内改进翼型的整体性能,提高了翼型对多个飞行参数随机变化的适应能力。     

水滴多尺寸分布对水滴撞击特性和结冰增长的影响

水滴直径是影响水滴撞击特性的重要参数,而撞击特性在很大程度上影响结冰冰形,因此,在结冰数值模拟中,如何合理选取水滴分布模型,对于保证计算精度有重要意义.本文基于求解雷诺时均N-S方程获得的流场结果,采用拉格朗日法计算水滴撞击特性,并采用Messinger模型进行结冰增长模拟,研究了水滴直径、水滴多尺寸分布对水滴撞击特性和结冰冰形的影响.结果表明,水滴的多尺寸分布对于结冰数值模拟结果具有重要影响,采用Langmuir D分布能够满足数值模拟精度要求.