湍流边界层厚度对三维空腔流动的影响

采用脱体涡模拟(DES)方法开展了不同湍流边界层厚度(TTBL)下的三维空腔非定常流动数值计算。空腔长、宽、深比例为5:1:1,来流马赫数为0.85,雷诺数为13.47×10⁶ m^-1,各工况湍流边界层厚度比值为1:2:4:8。研究结果表明,湍流边界层厚度对自由剪切层的发展、空腔底部静态压力分布、脉动压力及空腔流动类型均有重要影响,且随着边界层厚度的增大,下游剪切层覆盖的范围会增大,但是剪切层增长率降低;空腔前后静态压力压差减小、压力梯度下降;腔内局部测点的脉动压力声压级下降,各阶声压峰值频率向低频方向偏移;空腔流动类型往开式流动方向转换。     

尾缘锯齿降低叶栅噪声的数值模拟

采用大涡模拟与声类比的方法研究了尾缘锯齿对涡轮叶栅噪声的影响.设计了两种不同的尾缘锯齿,对比了Re=3.3×105(基于叶片弦长与叶栅出口速度)下两种不同结构锯齿尾缘叶栅与直尾缘叶栅的声功率.结果表明:尾缘锯齿可以降低叶片吸力面边界层分离噪声约5dB,降低尾缘涡脱落噪声约10dB.进一步的研究表明,尾缘锯齿可以降低叶片尾缘附近表面的压力脉动幅值约50%,将展向相关尺度较大的涡破碎成展向相关尺度较小的涡,并消除尾缘脱落涡,这三者的综合作用使噪声得到降低.      

民用飞机制造商的机队运行警戒值管理方法及应用

民用飞机制造商为充分了解和掌握机队运行可靠性状况,针对每一种机型的机队设定适当的门限值,将机队每个月的运行可靠性指标值与该门限值进行比较,从而快速掌握机队警戒状况,这是可靠性分析中基本的分析模式,其中门限值即警戒值。阐述了民用飞机警戒值的管理方法,详细说明了警戒值从计算、审批、修订到最终生效的整个管理流程,并对警戒值管理方法在ARJ21-700 飞机试飞过程中的应用进行了介绍。     

剪切层与边界层组合流动的线性不稳定性分析

对不可压缩剪切层与边界层的组合流动完成了线性稳定性研究.组合流动的数学模型为Blasius边界层相似解与双曲正切函数的叠加,采用整体数值方法求解组合流动的稳定性方程,并验证了程序的准确性及网格无关性.研究给出组合流动的不稳定模态的辨识,即边界层模态和剪切层模态.在此基础上研究了剪切层对边界层模态不稳定性的影响以及壁面对剪切层模态的影响.由于剪切层的存在,使边界层模态中性曲线向左上方平移,临界雷诺数减小.此外,边界层模态不稳定性得到增强或抑制的影响,取决于扰动频率以及剪切层速度比的变化.组合流动中壁面边界层促使剪切层不稳定性减弱,主要表现在低频区域;而在高频区域,剪切层不稳定性几乎不受壁面边界层的影响.      

基于涡流发生器的风洞侧壁附面层控制

为降低风洞侧壁附面层对半模型数据的影响,在前期数值模拟的基础上,研制了一种适用于2.4m跨声速风洞半模型试验段侧壁的梯形涡流发生器,并进行了试验验证.结果表明:加装涡流发生器效果明显,亚声速范围内能够使附面层厚度降低20%~30%,对主气流均匀性影响可忽略;加装后半模型零升阻力系数降低,升力线斜率增大,压力中心向机身移动,体现了明显的附面层减薄效果,证明所研制的涡流发生器可应用于亚声速半模型试验中.      

基于自然激励技术的颤振边界预测

为了预测紊流激励条件下机翼的颤振边界,基于自然激励技术提取紊流响应的自由衰减信号,采用矩阵束方法识别模态参数,最后通过Z-W(Zimmerman-Weissenburger)方法计算稳定性判据,拟合判据变化曲线并外推颤振边界.对平板机翼模型进行了数值仿真分析,对单独机翼模型风洞颤振试验数据进行了计算.结果表明:采用自然激励技术与矩阵束方法能够较准确地识别紊流激励响应的模态参数,频率识别误差小于6％,阻尼比识别误差小于30％,结合Z-W方法能够在较低风速较早地预测颤振边界,有助于提高试验的安全性.     

(高)超声速流动试验技术及研究进展

近年来,与高速飞行器相关的(高)超声速流动受到了极大的关注。这类流动所具有的非定常性、强梯度和可压缩性对试验方法和风洞设计技术提出了挑战。超声速纳米示踪平面激光散射(NPLS)技术是由作者所在团队研发的非接触光学测试技术。它能够以较高的空间分辨率来揭示超声速三维流场的一个瞬态剖面的时间解析的流动结构。介绍了NPLS技术以及基于NPLS开发的密度场测量、雷诺应力测量和气动光学波前测量等方法,并回顾了这些技术在超声速边界层、超声速混合层、超声速压缩拐角、激波/边界层相互作用和光学头罩绕流等流动中的应用,清晰地再现了边界层、混合层、激波等典型流场结构及其时空演化特性。另外,为了模拟和研究高空大气条件下边界层自然转捩和超声速混合层的转捩特性,介绍了高超声速静风洞、超-超混合层风洞的设计技术以及层流化喷管的设计方法。     

超声速平板边界层旁路转捩直接数值模拟

采用具有七阶精度的有限差分格式和基于Euler方程组的特征边界条件,通过直接数值模拟研究了由固定相位周期性吹吸扰动诱导的、Ma∞=2.25、Re∞=2.5×107/m(635 000/inch)空间发展平板边界层的旁路转捩过程,并建立了相应的直接数值模拟数据库。数值结果表明:扰动相位的随机性并不是转捩发生的必要条件,固定相位周期性吹吸扰动即可诱发边界层的转捩;当采用固定相位时,随着吹吸频率的增加,转捩位置向下游移动;当扰动频率足够大时,周期性吹吸无法诱导出边界层的转捩。随后,在所得数据库中提取了速度及热力学变量的平均值,与已有的数据库和理论分析吻合良好;速度脉动均方根与公认的不可压缩平板边界层实验基本吻合;热力学变量脉动均方根和雷诺应力与已有数据库的统计结果及实验数据具有相同的分布特征。对比发现,不同转捩的诱导因素对平均转捩位置和热力学变量均方根、雷诺应力等高阶统计量的影响较大。     

发动机进排气效应对民机构型气动特性影响

基于非结构混合网格技术,通过数值求解Navier-Stokes方程,分析了航空发动机进排气效应对民机构型气动特性的影响。通过设置合适的进排气边界条件来模拟发动机进排气效应的影响,采用单独发动机短舱风洞试验模型,验证了计算方法的可靠性。在此基础上,分析了发动机进排气效应对翼吊式和尾吊式两种典型民机构型气动特性的影响,结果表明:翼吊式民机构型发动机进排气效应对升力的干扰主要由发动机尾喷流的引射效应对机翼的干扰引起;尾吊式民机构型随着发动机进气流量的增大,机翼上表面压力逐渐减小,激波位置逐渐后移;不同发动机进气流量会对飞机的阻力特性产生较大影响,在飞机详细设计阶段需充分考虑机体与动力装置之间的干扰影响。      

基于IPSO Elman神经网络的航空发动机故障诊断

为提高航空发动机故障诊断的精度,提出改进粒子群优化的Elman神经网络对航空发动机故障诊断的方法。利用MIV(平均影响值)对神经网络的输入端自变量进行筛选,降低输入维度;采用改进粒子群优化算法对Elman神经网络的权值和阀值进行优化,并对优化的神经网络进行训练;用训练好的神经网络对航空发动机故障进行诊断并与常规的BP（back propagation）、Elman神经网络、GM（1,n）、SVM (support vector machines)进行对比。仿真结果表明:IPSO Elman(improved particle swarm optimization Elman neural network)神经网络的诊断误差在不同数量训练样本时都小于其他方法,并且在参选故障诊断的性能参数不同时,其诊断误差相近,展现出较强的适应能力。