以风轮气动性能为目标的风力机翼型优化设计

提出了一种优化风力机翼型气动特性的设计方法。在现有风力机翼型的基础上,通过改变其最大厚度位置至后缘部分的外形进行优化计算。采用N-S方程计算翼型的流场及气动特性,以提高风力机切向力同时减小其法向力为目的,用二维线性插值的方法进行多目标优化。以DU 93W 210翼型为例,针对风力机翼型气动性能本身的矛盾性,根据实际需求提出几种方案加以优化。结果表明,在不同的性能需求下,本文所提出的设计方法能取得较好的效果。     

超声速绕凹角流动的压力分裂形式简化N－S方程数值解

本文从压力分裂形式的简化Ｎ－Ｓ方程出发，用Ｒｕｂｉｎ格式对超声速粘性流动进行了数值求解，给出了超声速绕凹角附着流及带有小分离气泡流动的结果，与其它数值方法所得结果相比，符合较好。     

用于非定常粘性流动计算的无网格算法(英文)

把无网格算法发展用于求解涉及动边界的非定常粘性流动问题。在处理粘性流动的布点问题时,通过在远离物面的区域采用无粘流动计算时所用的各向同性点云,而在物面附近引入各向异性点云,从而在保证物面法线方向布点较密以准确模拟边界层的同时,有效控制了布点总量,减少了计算时间。对于动边界问题,本文在上述方法获得的初始布点的基础上,采用基于扰动衰减规律的点云移动技术,快速得到物面运动到其他位置时流场求解所需点云。在所获得的点云上,采用一种带权系数的二次极小曲面逼近方法来离散Navier-Stokes方程的空间导数,权系数的引入使得流场求解时对各向同性点云和各向异性点云无需分开考虑,而是采用统一的求解方法,从而简化了编程求解。用发展的无网格算法,结合Navier-Stokes方程求解双时间推进方法,并耦合Spalart-Allmaras湍流模型,先成功地模拟出NLR7301翼型后缘摆动诱发的非定常流,并通过与实验比较,验证了本方法.接着进行了NACA0012失速模拟,给出了动态失速过程,展示出用本文方法处理复杂动边界问题的效果。     

微型飞行器的仿生力学 ——蝴蝶飞行的气动力特性

研究一种蝴蝶(Morpho peleides)前飞时的气动力特性.在运动重叠网格上数值求解Navier-Stokes方程,对蝴蝶前飞时左、右翅膀的拍动运动以及跟随身体一起的俯仰运动进行计算.结果表明:蝴蝶主要用"阻力原理"作拍动飞行,即平衡身体重量的举力和克服身体阻力的推力均主要由翅膀的阻力提供.蝴蝶翅在下拍中产生很大的瞬态阻力(平行于拍动运动的力),对流动结构分析表明,产生此力的机制如下:每次下拍中产生了一个由前缘涡, 翅端涡及起动涡构成的强"涡环",其包含一个沿拍动方向的射流,产生此射流的反作用力即翅膀的阻力.平衡身体重量的举力主要由翅膀下拍中产生的阻力提供.上拍时(由于身体上仰,上拍实际是向后和向上拍动的),翅也产生阻力,但较下拍时小的多.平衡身体阻力的推力主要由翅膀上拍中产生的阻力提供.      

多重网格法在混合网格中的应用

设计了一种高效的混合网格聚合方法,在此基础上应用多重网格技术来加速Navier-Stokes方程的收敛过程.方程求解采用Jamson的中心格式有限体积法.对NACA0012翼型和ONERA M6机翼的粘性绕流进行了数值模拟,算例结果与试验结果符合良好,加速收敛效果显著.     

预处理法求解定常/非定常混合网格的全速流场

运用时间导数预处理法在混合网格上求解三维定常/非定常N-S方程。预处理后的N-S方程,用二阶迎风格式的有限体积法离散,隐式、LU-SGS迭代求解,双时间步推进求解非定常流。本文以一维预处理欧拉方程为基础进行分析,提出了一种特征变量的边界条件以适应预处理后的特征系统。从极低速到跨声速范围的众多算例表明,本文的边界条件处理稳定有效,预处理法在各种速度下都具备同样快速的收敛性,在较宽的使用范围内均能得到理想的计算结果。     

基于 PIV 速度场测量重构压强场的研究进展

利用PIV测量得到的速度场数据重构空间压强场是一种新颖的压强测量方法。目前国外的一些仿真计算和风洞实验已经证明了该方法的可行性和有效性。本文首先详细介绍了基于PIV速度场测量重构压强场的基本原理--两种压强梯度计算方法（拉格朗日方法和欧拉方法）和两种压强积分方法（平面 Poisson 法和直接空间积分法）,然后从速度场测量、压强梯度计算和压强分布计算3个方面综述了基于PIV速度场测量重构空间压强场的关键技术及相关的研究进展,最后从 PIV 速度测量的改进、参数的优化设置、算法的改进与创新、探索并完善3D压强分布计算、可压缩流动条件下的压强重构技术等5个方面探讨了该方法的发展方向,以期引起国内同行对该技术的高度重视并为其进一步发展提供一定的参考。     

机器学习辅助湍流建模在分离流预测中的应用

数据驱动湍流建模是近年来发展的提高雷诺平均N-S方程预测精度的有效手段,通过机器学习算法能够从高置信度数据中自动提取特征,建立准确的从平均流动特征到雷诺应力的预测模型。针对高雷诺数下积冰翼型绕流这一类典型的复杂流动分离问题,基于此前研究者提出的机器学习预测框架,从输入输出特征选择和翼型绕流中数据分布特性两个方面出发,对机器学习预测结果的光滑性和准确性进行改善。提出了基于雷诺应力张量分析和流动特征辨识的输入特征选择准则;提出了局部区域建模方法以及基准模型和机器学习预测模型混合的代入计算方法。将改进方法应用于积冰翼型绕流问题之中,结果表明改进的方法能够准确给出训练集和预测集上的雷诺应力结果,并且代入平均流计算可以得到和真实分布更加接近的流动和机翼表面压力分布。     

钝锥超声速粘性绕流的隐式推进求解方法研究

本文提出了一种新的推进求解方法。通过对模型方程的稳定性分析和钝锥超声速绕流的数值模拟,表明该方法既克服了文献中推进格式步长有下界和稳定性差的不足,也克服了亚声速区压力不好处理的困难。文中建立的一阶、二阶隐式推进格式,稳定性好,推进步长无下界,计算结果的精度较高。     

预处理AUSMDV格式在微型扑翼绕流数值模拟中的应用

由于微型扑翼的低速低雷诺特性,对其粘性绕流的数值模拟存在较大困难。传统的中心空间离散格式不具有格式耗散而需要加入带有自由度的人工耗散,给计算带来不确定因素;此外,在低速低雷诺条件下,RANS方程组的条件数太大,导致计算收敛缓慢甚至不收敛,需要引入预处理方法加速收敛。本文使用具有低耗散特性的AUSMDV空间离散格式结合预处理方法对扑翼的非定常粘性绕流进行了数值模拟,非定常推进采用了含双时间迭代的LU-SGS隐式时间推进,湍流模型采用了BL模型。计算结果表明,加入预处理能够克服AUSMDV格式难以收敛的缺点,并且与中心格式相比,基于预处理的AUSMDV格式能够更准确地模拟扑翼的非定常粘性绕流,通过将本文计算结果与文献结果对比验证了本文方法的有效性。在此基础上研究了扑翼相关参数对气动特性的影响,对进一步了解扑翼气动力产生机理,指导扑翼的气动设计具有参考价值。