基于某微型发动机对比分析轴流涡轮与向心涡轮的气动性能与减重

为了确定厘米级微型涡轮发动机在相对较大功率、流量需求时的涡轮形式,以实现发动机更高的性能,本文基于某直径12厘米微发样机开展研究。本文估算了该样机整机环境下单级轴流涡轮的做功能力,并按参数优选规律设计了一台微型轴流涡轮,将之与该样机所采用的微型向心涡轮进行对比,基于CFD和CAD工具分析了两种叶轮在功率、效率及尺寸重量方面的差别。研究表明：在先进微小型发动机总压比提高（4～6,本文设计采用4.2）的情况下,涡轮为了在保持效率的同时满足压气机更高的功率需求,轴流式必须采用双级方案,向心式单级就可满足要求;在压气机压比4～6条件下,进一步对比双级轴流与单级向心方案的结果显示,当流量小于500g/s时,向心式具有尺寸重量优势,发动机能实现较高的推重比。针对厘米级微型发动机,在发动机增压比较高且没有超出单级向心涡轮做功能力的范围时,向心涡轮方案是更好的选择。     

Inversion of satellite gradiometry data using statistically modified integral formulas for local gravity field recovery

The satellite gravity gradiometric data can be used directly to recover the gravity anomaly at sea level using inversion of integral formulas. This approach suffers by the spatial truncation errors of the integrals, but these errors can be reduced by modifying the formulas. It allows us to consider smaller coverage of the satellite data over the region of recovery. In this study, we consider the second-order radial derivative (SORD) of disturbing potential (T_rr) and determine the gravity anomaly with a resolution of 1° × 1° at sea level by inverting the statistically modified version of SORD of extended Stokes’ formula. Also we investigate the effect of the spatial truncation error on the quality of inversion considering noise of T_rr. The numerical investigations show satisfactory results when the area of T_rr coverage is the same with that of the gravity anomaly and the integral formula is modified by the biased least-squares modification. The error of recovery will be about 6 mGal after removing the regularization bias in the presence of 1 mE noise in T_rr measured on the orbit.     

基于相空间重构和神经网络的压气机机匣静压预测

建立了基于相空间重构和径向基神经网络的压气机机匣静压的预测模型。对试验数据进行相空间重构,分析其混沌特性,根据重构相空间的最小嵌入维数确定网络输入参数的个数,采用K均值聚类的方法优化网络的拓扑结构,根据时间序列的最大李亚普诺夫指数确定预测模型的最大有效预测步数,利用径向基神经网络的强大非线性映射能力,实现对时间序列的非线性预测,试验结果证明了该方法的有效性。该方法对压气机趋势监控具有一定的参考价值。      

向心透平叶片角动量分布的优化

 以n条子午流线,给出满足约束条件的各自角动量分布的若干不同组合构成初始复合形,做复合形每一顶点处该向心透平叶轮S2 流面与跨叶片面势流场分析,并以二元紊流边界层动量厚度计算经三元修正,分析叶轮效率,最终使复合形法成功应用于向心透平叶片角动量分布的优化。该方法也适用于离心叶轮中叶片加载量的优化。     

基于序列近似优化算法的固体运载火箭弹道设计

采用打靶法研究固体运载火箭弹道优化设计问题。针对打靶法中智能优化算法效率、优化问题中约束条件提法等方面的不足,引入序列近似优化算法,提出算法中径向基函数高斯核宽度的高效确定方法。数值仿真实验表明,提出的方法可在基本不带来计算量增加的前提下,显著提高代理模型精度,使序列近似优化算法得到改进,提高优化效率。设计固体运载火箭飞行程序。建立弹道优化设计问题数学模型,并将模型中相关等式约束合理转化为不等式约束,降低优化问题求解难度;基于改进后的序列近似优化算法完成某固体运载火箭弹道优化,原始计算模型调用308次之后便搜索到最优解,较传统智能优化算法显著提高了优化效率,优化方案末助推级液体推进剂消耗比原方案减少25.7%。     

直升机惯性传感器结构的模态优化

提出了一种基于迭代抽样和径向基插值的自适应代理模型方法。这种自适应方法以减少仿真计算数量和提高代理模型自适应能力为目的,使用多岛遗传算法选择新增样本点并使新增样本点位于设计空间的稀疏区域,使得所有的样本点均匀分布于设计空间。标准误差用来判断代理模型的精度大小以决定是否对代理模型进行更新。这种自适应代理模型结合多岛遗传算法对直升机的惯性传感器结构模态进行优化。用拉丁超立方抽样方法选择10个样本点构建初始的代理模型,自适应代理模型的计算结果表明2%的误差条件下需要额外增加7个样本点。优化结果表明不同的权重系数对最优模态特性的影响很大,惯性传感器结构的一至六阶模态值更加远离直升机的激励频率。     

基于神经网络模型的动态非线性气动力辨识方法

 在标准径向基函数（RBF）神经网络模型的基础上发展了带输出反馈的RBF神经网络。将计算流体力学(CFD)方法计算的时域气动载荷作为输入信号,建立跨声速非定常非线性气动力模型,并进一步运用CFD方法验证模型的精度。算例表明带输出反馈的RBF神经网络较标准RBF神经网络精度更高,能更准确描述跨声速激波大幅振荡时的非线性和非定常特性,并可推广用于多自由度运动的动态非线性气动力建模。用多级信号训练,预测简谐信号输入下的气动力算例表明带输出反馈的RBF神经网络能够预测不同振幅、不同频率的信号激励下的非线性气动力。     

旋转状态下气膜偏转特性的实验研究

基于一个平板叶片模型对旋转状态下气膜冷却轨迹的偏转规律进行了研究,提出采用一个主流径向压力梯度与冷气所受惯性力之比的无量纲数Φ来评价气膜的偏转规律,并通过实验手段验证了这一理论,得出了此无量纲数与气膜偏转角度的关系。实验利用热色液晶测温技术对叶片表面的二维温度场进行测量,并采用无线旋转拍照系统对旋转坐标系中的图像信号加以采集。实验结果表明气膜沿径向偏转角度随Φ增大而减小。     

空心风扇叶片结构优化设计方法及程序实现

在空心风扇叶片结构强度分析的基础上,以叶片最大等效应力水平为约束条件,建立了叶片质量和径向位移最小化的双目标优化模型.采用正交试验设计的方法,分析了各设计变量对约束函数和目标函数的影响,减少了设计变量的数量.为了提高优化设计效率,采用径向基函数插值的方法,构造了约束函数和目标函数的响应面替代模型,从而避免了优化设计过程中大量的结构有限元分析求解.针对空心叶片结构强度优化设计的示例,探讨了替代模型和带精英策略的Pareto排序遗传算法的具体应用,得到了分布均匀的Pareto最优解,给出了空心叶片示例的具体优化设计结果.      

多级环境下径向总压畸变影响效应的试验评价

为量化评价径向总压畸变对多级轴流压气机气动性能的综合影响效应,将标准畸变模拟网与叶型探针技术相结合,开展了径向总压畸变对压气机性能与稳定性影响的试验研究.试验结果表明:径向总压畸变会轻度恶化压气机总体性能与稳定裕度,轮毂畸变与轮缘畸变对压气机性能的影响程度较为接近,而稳定裕度受轮缘畸变的影响要大于轮毂畸变,最大偏差达2%.两种径向总压畸变在压气机流道内均会迅速径向掺混,气流在强烈掺混过程中也将产生相应的压力损失.径向总压畸变会改变压气机原有级间负荷的分配,使某级的性能得到改善,该物理现象与转子攻角的变化范围相关联.