隐式多重网格法求解叶轮机械三维跨声速湍流流场

本文提出了一种高效率求解叶轮机械三维跨声速湍流流场的隐工多重网格算法。它以矢通量分裂格式为基础，采用ＦＡＳ型多重网格加速技术。     

可压缩粘性流绕翼型的N─S方程自适应网格解

从Ｎ－Ｓ方程出发,采用ＬＵ－ＡＤＩ隐式分解方法求解绕翼型的可压缩粘性流动。湍流模式采用Ｂａｌｄｗｉｎ－Ｌｏｍａｘ代数湍流模式和ｑ－ω二方程微分模式以研究湍流边界层的非平衡效应;为更好地捕捉激波,对网格进行了自适应调整。通过对ＮＡＣＡ００１２和ＲＡＥ２８２２两种翼型在亚音速和跨音速不同马赫数和雷诺数下进行大量计算,表明该方法对改进湍流计算、提高激波分辨率有较好的效果     

小轿车绕流场数值计算和分析

本文求解了雷诺平均Ｎａｖｉｅｒ－Ｓｔｏｋｅｓ方程,湍流的模拟采用了标准的两方程模型,修正的两方程模型,亚格子模型的大涡模拟三种要用有限体积方法离散求解Ｎａｖｉｅｒ－Ｓｔｏｋｅｓ方程。对流项的计算采用三阶迎风格式。为了提高求解过程的稳定性,采用显隐式混合格式来获得主对角元素区域占优。     

绕翼型低速湍流的数值模拟

采用求解低速流动的SIMPLE算法,用标准K-ε两方程模型、非线性K-ε两方程模型和一种改进的K-ε两方程模型来对绕两种翼型（A翼型和GAW-1翼型）在接近失速攻角情况下的低速湍流流动进行了数值模拟。计算结果表明,非线性K-ε两方程模型和改进的K-ε两方程模型较好地模拟出了翼型表面上的分离流动特性,较准确地预测出了分离点位置以及翼型的气动力系数,对翼型与机翼的工程设计具有一定的参考价值。     

突扩燃烧室湍流射流的相互作用及其对燃烧与混合的影响

本文应用κ－ε湍流模型和快速化学反应的守恒标量简化ＰＤＦ模型,对有中心射流和环状射流相互作用的突扩燃烧室内的湍流流动,混合与扩散燃烧进行了数值模拟。研究了环状射流与中心射流的速度比在较大范围内改变时突扩燃烧室内湍流回流流场的变化,揭示了较大的射流速度比对突扩燃烧室内湍流混合与燃烧的强化作用。     

翼型表面明冰的数值模拟

提出一种翼型表面明冰的数值模拟方法.基于欧拉两相流理论,建立空气、水滴两相流控制方程;提出一种可穿透型壁面边界模拟水滴对翼型表面的撞击;采用考虑了粗糙度影响的边界层积分法求解结冰表面的对流换热特性,基于经典Messinger模型提出明冰数值模拟的热力学模型;利用冰层时间推进法模拟积冰过程,采用积冰法向生长假设生成积冰外形.对NACA 0012翼型在不同环境温度下的明冰冰形进行了预测,并与实验结果进行了对比.      

机翼和翼身融合体跨音速绕流有限元算法的研究

从全速位方程出发研究了机翼和翼身融合体跨音速绕流的有限元算法。给出适用于有限元法和复杂外形的块结构网格生成技术和使单元系数矩阵积分数目减少2/3的方法;并发展了一种内存量少的总体系数矩阵存贮方式。为了提高有限元离散方程组解的精度和加速收敛,提出α—GMRES算法代替传统全速位方程有限元解法中所习用收敛慢的线松弛迭代解法。通过机翼和翼身融合体实例考核,效果是好的,为飞行器先进气动布局的数值计算提供了一种新的有效算法。     

三维跨声速流粘性—无粘相互作用问题的分析和计算

本文对跨声速粘性-无粘相互作用问题进行了分析,论证了如何选择湍流边界层反模式的输入量。在FL027多重网格基础上作了局部加密。计算例子表明,本文建议的半逆方法适用于弱激波情形,可用于实际设计之中。     

Outflow Velocities at the Base of a Polar Coronal Hole During the 1998 Total Eclipse

Polar coronal holes represent the most convincing site from which the high-speed solar wind originates. Here we report high-accuracy Doppler shifts measured in the O VI (1037.6 Å) line obtained by SUMER on SOHO inside an interplume region within the south polar coronal hole. We infer limits on the outflow velocity and draw hints about the flow geometry.     

微可压缩模型(SCM)与可压缩N-S方程数值计算对比研究

本文开展了微可压缩模型与可压缩N-S方程之间的对比研究.通过对层流平板边界层和椭球高雷诺数湍流绕流的数值模拟,比较了微可压缩模型和可压缩N-S方程之间的计算精度和效率.计算结果表明,微可压缩模型和可压缩N-S方程具有相同的计算精度,但是微可压缩模型具有更高的计算效率,内存和CPU时间都节省20%左右.