混合遗传算法及其在翼型气动多目标优化设计中的应用

把基于实数编码的自适应遗传算法（SAGA）与可变容差法相结合，建立了数值优化设计中的混合遗传算法（HGA），并将其与翼型的气动分析相结合进行跨声速翼型的单目标和多目标气动优化设计。与自适应遗传算法相比，混合遗传算法的优化质量略有改善，优化效率有明显的提高。优化结果表明混合遗传算法在翼型单目标和多目标气动优化设计中是十分有效的。     

尾喷管内外超声速流场数值模拟

采用有限元法数值模拟带二次流可调收－扩喷管内外跨声速和超声速流场，在计算中采用四边形等参元确定位移函数，利用加权余量法中的Galerkin法建立有限元方程，数值研究三种型式喷管和四种飞行工况下尾喷管内外流场。计算结果与实验数据符合较好，说明可用此数值模拟技术帮助开展实验研究，进行尾喷管优化设计。     

激光—光纤系统应用于跨超风洞蒸汽屏流态显示

介绍了激光器—光纤系统在跨超风洞蒸汽屏流态显示中的应用，并得到了跨超速时的空间流态图像。说明激光—光纤系统在跨越风洞中的应用，观测激波、涡及其相互干扰是可行的，且方便可靠。     

附面层抽吸对低雷诺数下压气机稳定性的影响

数值模拟了低雷诺数下附面层抽吸流动控制对跨声速压气机稳定性的影响。低雷诺数下附面层径向涡及其诱发的叶顶分离阻塞触发压气机流动失稳,通过在NASA Rotor 37跨声速轴流压气机转子叶片吸力面上设计抽吸槽,探讨了抽吸流动控制对低雷诺数下压气机性能和稳定性的影响．并对比分析了抽吸前后压气机流场特性的变化和抽吸流动控制提高低雷诺数下跨声速轴流压气机稳定性的作用机理。     

影响某双级跨声风扇流动稳定性的关键因素分析

对某双级跨声轴流风扇进行了全三维数值模拟,计算的总性能曲线和试验曲线得到了很好地吻合.通过对该风扇内部流场的详细分析,从叶顶分离、顶部间隙流导致的阻塞以及静叶端区的流动阻塞三个方面逐步排查了影响风扇流动稳定性的因素.最后得出静叶2叶根角区分离和叶中附面层分离形成的低能流体是影响该双级跨声风扇流动失稳的关键因素.      

某高负荷跨声双级风扇气动设计与数值模拟

介绍了某变循环发动机的高负荷跨声双级风扇的设计过程和设计结果,详细讨论了设计过程中关键参数的选取,采用基于Szm流面的流线曲率方法和任意叶片造型方法进行了通流设计和叶片造型.为了提高风扇的效率和失速裕度,转子和静子的设计采用了掠形技术.三维数值模拟结果表明,双级风扇的性能参数除绝热效率外,均达到了设计指标的要求,并且在...     

AUSM+方法在黏性内流模拟中的应用

简要阐述了三维雷诺平均Navier-Stokes(RANS)方程求解程序中使用的对流迎风分裂格式改进形式(AUSM+)以及Spalart-Allmaras(S-A)一方程湍流模型,然后对Sajben收缩扩散通道内跨声速流动和高速透平静叶排内部流动进行了数值模拟,并将数值结果与实验结果进行了比较,结果表明自主开发的三维R...     

跨声速叶栅叶表附面层抽吸效应试验

以某跨声速、吸附式叶栅为研究对象,在暂冲式叶栅风洞上对其进行了多个状态的吹风试验,对比分析了在通道存在激波条件下,激波前、后抽吸对叶栅性能以及附面层的影响效应.研究结果表明:激波前抽吸使得抽吸缝局部马赫数增大,恶化叶栅性能;激波前抽吸对于来流高亚声和超声速的叶栅损失系数影响趋势一致,随着抽吸系数增加损失系数增加,并且当抽吸系数大于0.2%时,损失系数增加较快;波后抽吸可明显改善叶栅性能,抽吸量越大,抽吸正效应越明显,相比于未抽吸条件,抽吸系数为0.8%时损失系数降低8%、总压恢复系数提高5%.      

叶顶喷气对跨声转子近失速点流动的影响

利用数值模拟的方法研究了叶顶喷气对跨声转子性能及近失速点流动的影响.研究表明:在+65?的喷气角度下,喷气能保持效率不降低的同时使转子喘振裕度的绝对值提高4.48%.此外喷气还能改善转子叶片吸力面的流动,减弱叶尖泄漏涡的强度,同时使泄漏涡的轨迹更贴近叶片吸力面,这也是喘振裕度大幅提高的物理原因.      

基于CHC算法的无人机航迹规划方法

利用改进的遗传算法——跨世代异物种重组大变异(CHC, Cross generation Heterogeneous recombination Cataclysmic mutation)算法提出了一种无人机的航迹规划方法.初始种群即初始航线集利用具有启发式信息的搜索算法产生;适应度函数为距离指标与威胁指标的组合形式;选择操作群体为当前群体与上世代群体的群体总和,由于大个体群操作,可以更好地保持遗传多样性;交叉操作采用单点交叉方法,交叉点取为2条航线中距离最近的2个点;变异操作的步骤是:首先在航线中搜索出2个点,然后算出这2个点之间的直线距离与实际航线距离的比值,如果这个比值小于某一阈值则以这2个点为端点重新规划一条航线.由于考虑到了无人机约束条件的限制,从而避免了盲目性且加快了收敛速度.仿真结果表明该方法比基本遗传算法要快而且满足最优条件.