基于脊背特征的发动机低转速特性扩展方法

旋转部件在高空低转速时，其工作状态受来流的吹动作用可能会发生变化，此时压气机处在特殊的“搅拌机”或“涡轮”工作状态，使得发动机的动态计算中效率插值出现不连续的问题。为解决此问题，采用美国国家航空航天局（NASA）和通用电气公司（GE）联合开发的针对旋转部件特性转化的脊背特征方法，通过分析低转速下旋转部件脊背特征及非脊背特征的变化趋势，提出基于脊背特征的旋转部件低转速范围特性的扩展方法，并有效规避了效率特性在低转速下插值的失效。以某型军用涡扇发动机为例，计算其处于不同飞行条件下的发动机风车工作状况，结果表明：所提方法能够反映出低转速下压气机压比小于1的特殊工作状态，且不同飞行条件下的风车特性计算合理。     

高雷诺数湍流非预混火焰及NO生成的大涡模拟

采用两种亚网格湍流燃烧模型,即化学建表方法结合假定概率密度模型和稀疏拉格朗日过滤密度函数方法,对高雷诺数湍流非预混火焰Flame D进行数值研究,定量比较不同亚网格模型的差异,并对火焰特征、污染生物生成特性进行分析。结果表明,两类亚网格燃烧模型预测的温度及大组分分布相近,稀疏拉格朗日过滤密度函数方法可以更好地模拟CO质量分数分布。不同的假定概率分布均可合理描述湍流与火焰的相互作用,之间的差别主要体现在NO分布,Dirac函数远高估了NO生成,而Top-hat函数则略低估了NO生成,Beta函数表现最优。Flame D的高温区及NO质量分数均主要分布在当量混合线及富燃侧附近。受高温伴流的影响,NO质量分数与温度一直保持高度正相关,峰值主要集中在标量耗散率很小的区域。不同截面上,反应物中的O_2和生成物中的H_2O均与NO高度相关。     

全局方向模板在高阶精度非结构有限体积方法中的推广

梯度与高阶导数重构是影响高阶精度非结构有限体积(Finite?Volume,?FV)格式计算效果的主要过程,其中,不同的模板选择方式发挥了重要作用.传统的模板选择方式往往依赖于固定的网格拓扑关系,无法有效反映流动变化特征,并且随着求解精度的提高,模板单元的数量上升明显,导致找到的模板单元包含过多冗余信息的同时,显著增大计算量,降低求解效率.基于此现状,文章将基于二阶精度FV格式发展的全局方向模板推广至高阶精度FV方法,以充分发挥模板的空间延展性优势,并减少冗余的模板单元数量.此外,文章通过基于制造解的流动与真实超声速涡流两个数值算例,测试了全局方向模板的数值表现.经检验,全局方向模板的使用可有效减少重构过程所需的模板单元数量,并且计算误差相比传统基于网格拓扑的共点、共面模板更低,计算稳定性优于局部方向模板.因此,全局方向模板选择方法在三阶精度非结构有限体积方法中具有较好的数值表现,具备进一步推广与应用的可行性.     

飞机附件的维修间隔决策

研究了飞机附件软时限的设定和管理方法,该方法可将附件的故障发生机率和运行风险控制在可接受水平,减少航空公司因机务原因的延误,提高飞机可利用率。     

LENS风洞试验返回器模型气动热特性模拟

国家数值风洞高超声速流动模拟软件HyFLOW的研制对打破国外同类软件的技术壁垒具有重要意义。与国外DPLR软件进行了对比研究，同时系统介绍了HyFLOW软件求解器的数值方法、物理化学模型以及壁面催化特性计算模型等主要方法，采用典型算例对有限催化模型进行了数值验证，最后基于LENS风洞试验146 mm返回器标模外形开展了高超声速气动热特性数值模拟。研究结果表明，HyFLOW软件在高超声速热化学非平衡流动模拟与评估方面的气动力计算精度高，与国外同类软件DPLR相当，同时其壁面催化条件下的气动热计算精度可靠，可信度高。     

波音737NG机队eFCV非指令关闭的监控和管理

波音737NG机队新构型的eFCV可靠性较低,时有非指令关闭的故障出现,严重影响了飞行安全。本文介绍了通过AIRFASE译码软件的邮件功能对eFCV的非指令关闭进行监控和管理,并对于邮件报警的各类实例进行了解读和说明。     

计算流体力学非结构混合网格高精度格式研究现状

介绍了航空CFD技术中的非结构混合网格高精度格式的基本理论和方法,国内外研究现状,几种非结构混合网格高精度格式。     

动平台条件下基于全站仪的标校技术

舰船靠泊码头进行起降引导系统标校时,甲板处于晃动状态,架设在甲板上的全站仪无法满足置平要求,针对这一问题进行了动平台条件下基于全站仪的标校技术研究。首先,建立全站仪测量数学模型,以全站仪在动态条件下的测量数据为基础,将测量数据经空间几何运算后求得任意两目标点在甲板固连坐标系下的相对位置;其次,根据空间物体几何不变的性质,设计实验进行不同倾斜条件下的全站仪数据测量和相对位置偏差求解;最后,通过仿真分析了测量误差对相对位置平均偏差的影响。结果表明,全站仪在动平台条件下其测距、测角精度能满足标校要求。