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。     

变比热激波关系式及其在高超声速进气道计算中的应用

本文根据空气热力性质表建立了空气热力性质的解析表达式,从气动热力学基本方程和激波前后比热比不同出发建立并推导出完全变比热激波方程组及其解法。对分别使用变比热激波关系式与定比热激波和等熵流关系式计算结果进行的比较表明,使用变比热激波关系式进行高超声速进气道气动热力学分析计算,能够减少定比热假定产生的偏差,提高计算准确性。      

高超声速风洞小滚转力矩测量技术研究

 简介了小滚转力矩测量技术 :小滚转力矩天平、自由滚转法,重点介绍了气动中心高速所研究的气浮天平技术,气浮天平技术具有小滚转力矩天平经济、直观的优点,同时具有自由滚转法精度高的优点。在微量滚转力矩的测量中,角度偏差和同轴度偏差将直接影响到滚转力矩的测量精度,应根据滚转力矩的测量精度对角度偏差和同轴度偏差进行控制。     

带座舱飞船高超声速再入非平衡流场的数值研究

本文针对带座舱飞船高超声速再入大气层过程中存在的严重气动加热现象 ,利用简单隐式TVD差分格式和激波捕捉法 ,数值求解三维化学非平衡Navier Stokes方程 ,其中化学模型是 7组分 1 5个化学反应的空气化学模型 ,对带座舱飞船再入高度为 70km和速度为6 7km/s的化学非平衡流场进行了数值模拟 ,给出了带座舱飞船再入迎角为 0°,1 0°和 2 0°情况下的壁面热流、表面压力和电子数密度等参数分布     

轴对称矢量喷管三维传热计算研究

采用封闭腔理论算法，利用矢量喷管的三维内流场数值计算结果，对轴对称矢量喷管的壁温分布进行了数值计算。计算结果表明，在非矢量状态，喷管同一轴向位置处的周向壁温基本相同，壁温分布可按一维处理。在矢量状态，喷管同一轴向位置处的周向壁温相对差值达15％，壁温分布呈现复杂的形式，必须采用三维计算方法计算壁温分布；喷管扩张段壁温明显高于非矢量状态，所开发的计算方法和程序既可用于轴对称矢量喷管的工程设计，也可为试验验证提供理论依据。     

流场显示在超、跨声速平面叶栅试验中的应用

详细介绍了用油流显示法在SB301超,跨声速平面叶栅风洞的试验研究。用油流显示法准确地显示了压气机叶片表面层流附面层分离泡的准确位置和气流在叶栅通道中产生气流旋涡的形状,以及在涡轮叶片表面上的激波位置。在叶栅试验中,用油流显示法并结合试验中的叶片表面M数的分布的测量,是观察叶片表面气流流动情况的的最经济和最直观的一种有效的测试方法,同时还简要介绍了墨水喷注法在叶栅试验中的运用。     

二维埋入式进气道的数值分析

采用并改进了适用于分离流动的 Ｊｏｈｎｓｏｎ Ｋｉｎｇ 紊流模型,结合 Ｌ ＵＳ Ｇ Ｓ近似隐式格式和基于 Ｍ Ｕ Ｓ Ｃ Ｌ非线性插值的 Ｒｏｅ 格式编写了雷诺平均的二维 Ｎ-Ｓ方程的求解程序。然后借助于该流场计算程序完成了二维埋入式进气道的数值研究,分析了几何设计参数对进气道性能的影响。     

非均匀超声来流二维压缩面的优化设计

通过数值分析和风洞实验,研究在非均匀来流条件下,单级斜板型面变化对下游流场的影响。研究结果表明,小进口角,大出口角之凹型面具有较高的总压恢复。但是,曲壁面对降低出口处之静压畸变不利。折衷的选择为：以凹型面作为斜板的前段,其后续一平直段,以达到提高总压恢复,保持较低总静压畸变之目的。     

内收缩段泄流对超声速进气道的影响研究

本文通过对典型二元超声速进气道进行数值仿真,研究了内收缩段中泄流位置对进气道自起动性能及抗反压能力的影响规律和影响机制。研究结果表明:泄流腔改善进气道自起动性能和抗反压能力的内在机制不尽相同,泄流腔位置决定了进气道在临界不起动状态下的泄流量、临界不起动模式和临界反压状态下的泄流量,其中临界不起动状态下的泄流量和临界不起动模式共同影响进气道的自起动性能,而进气道的抗反压能力则主要由临界反压状态下的泄流量决定。在本研究范围内,当Lc=0.31时,进气道自起动性能最好,而当Lc=0.15时,临界压比和总压恢复系数最高。