轴流压气机三维气动稳定性及主动控制模型

给出了考虑压气机径向扰动对失速影响的轴流压气机三维气动稳定性模型。计算结果表明压气机的失速特性与压气机基元叶栅特性密切相关。在轴流压气机三维气动稳定性模型的基础上,给出了考虑轴流压气机三维效应的主动控制模型及其传递函数。      

利用GPS/INS导引飞机精密进场的数值仿真研究

建立了飞机进场的数学模型和导航观测器模型;确定了导引飞机精密进场的最优控制;以Airbus-300为例,给出了稳定的着陆窗口;计算了在GPS的各种定位精度范围内,从着陆窗口内开始着陆的飞机所能达到的等级;研究了GPS采样周期对飞机着陆精度的影响;分析了大气紊流和常值侧风对飞机着陆精度的影响。从计算和数值仿真结果得出了一些初步结论。     

进气畸变与旋转失速诱导叶片振动的相关性分析

为了定量地分析进气畸变与旋转失速两种气动载荷之间以及两者单独激励下叶片位移响应之间的相关程度,基于双级低速轴流压气机试验器上进行的进气畸变试验与旋转失速试验所得的流场数据,对叶片在两者单独激励下的振动特性进行仿真计算,并从统计学的角度对变量之间的相关性进行分析.结果表明:两种流场压力数据之间相关性极高,说明两者共享的特征较多;节点位移响应之间的相关程度低于两种压力载荷之间的相关程度;同一叶型截面上节点位移响应之间的相关系数曲线大致成不对称的V字型;沿叶身截面从叶根至叶尖节点位移响应之间的相关系数逐渐降低,主要与边界条件有关.      

Y-8飞机平尾积冰导致的飞行事故分析

平尾积冰对飞行安全影响重大.通过介绍连续两起平尾积冰导致的Y-8飞机飞行事故,分析了飞机结冰的气象条件,平尾积冰和放襟翼对平尾气动特性的影响,以及平尾积冰失速的改出方法和预防措施.     

翼型失速的非线性动力学特性及其控制

以NACA0012翼型为研究对象,应用CBS( Characteristic-Based Split)有限元方法对翼型绕流流场进行数值模拟,着重对翼型失速现象的动力学机理和特征进行研究.首先给出了静止翼型在不同迎角下流场的瞬时流线图以及静态翼型的迎角-升力系数关系曲线,并且分析出此曲线具有滞后、突跳等典型的非线性动力学...     

流动偏转器对机翼失速特性的控制

介绍了一种控制机翼失速特性的新技术--流动偏转器.通过对二维翼型的数值模拟,研究了流动偏转器高度对控制效果的影响.采用PIV测量作为流动显示手段,验证了较低雷诺数(Re=6.32×10<'5>)时流动偏转器对机翼流动分离的控制效果.基于数值模拟结果和止交设计方法,对流动偏转器在更高雷诺数(Re=1.76×10<'6>)下进行了风洞测力实验研究.研究结果表明,流动偏转器可以有效控制机翼失速特性,能够抑制机翼大攻角下的流动分离,推迟失速攻角和增加升力.对测力实验结果的止交分析还给出了以16°到30°攻角范围内平均气动力最佳为目标的最优水平组合.     

Gurney襟翼改善翼型动态失速特性研究

采用CFD数值方法,研究了NACA0012翼型、加装传统Gurney襟翼及改进不对称Gurney襟翼后翼型的动态失速特性。给出了传统襟翼对翼型动态失速特性的影响,并带来较大动态低头力矩的不足,基于传统襟翼的不足,提出了改进的不对称Gurney襟翼方案。研究表明,不对称Gurney襟翼可较好改善翼型的动态失速特性,在增加动态升力的同时,俯仰低头力矩明显减小,可能是直升机旋翼的较理想翼型。     

航空发动机过失速及退喘模型研究

针对涡喷和涡扇发动机,通过求解带源项的2维欧拉方程组,发展了模拟发动机整机过失速及退喘动态过程的理论模型,实现了2种发动机稳定状态-喘振/旋转失速-退喘动态过程的模拟。分析了某单轴涡喷发动机算例,模拟结果展现出喘振和旋转失速相应的基本特征;对某小涵道比双轴混排涡扇发动机进、退喘模拟结果进行分析,发现风扇与压气机均发生了喘振,且喘振频率相等,并最终都恢复至稳定状态。     

翼型动态失速气动力二次峰值数值模拟研究

为揭示翼型动态失速状态下气动力二次峰值的发生机理,基于运动嵌套网格技术、有限体积方法、LU-SGS隐式格式和Roe-MUSCL格式建立了俯仰振荡翼型非定常流场的数值模拟方法。首先,基于所建立的数值方法对NACA0012翼型在深度动态失速状态下的气动特性进行模拟,计算结果与试验数据吻合良好,验证了数值模拟方法的准确性。然后,通过对NACA0012翼型动态失速状态流场的研究,揭示了气动力二次峰值的发生机理。最后,开展了翼型厚度、弯度和弯度位置等外形参数对气动力二次峰值的影响研究。结果表明,动态失速涡诱导形成的后缘涡是导致气动力二次峰值的关键因素;翼型外形参数的变化会引起动态失速过程中动态失速涡和后缘涡的变化,使得气动力二次峰值相对谷值的增量有规律地增加或减小,二次峰值位置有规律地前移或后移。     

Lift coefficient prediction at high angle of attack using recurrent neural network

In this paper, identification of dynamic stall effect of rotor blade is considered. Recurrent Neural Networks have the ability to identify the nonlinear dynamical systems from training data. This paper describes the use of recurrent neural networks for predicting the coefficient of lift (C_Z) at high angle of attack. In our approach, the coefficient of lift (C_Z) obtained from the experimental results (wind tunnel data) at different mean angle of attack θ_mean is used to train the recurrent neural network. Then the recurrent neural network prediction is compared with experimental ONERA OA212 airfoil data. The time and space complexity required to predict C_Z in the proposed method is less and it is easy to incorporate in any commercially available rotor code.