高度欠膨胀声速射流的自相似特性

构建了高压气体射流模型和高分辨率的计算网格,对喷压比（NPR）为5.60、流动雷诺数Re为105量级的高度欠膨胀射流进行了三维大涡模拟（LES）计算.讨论了时均的射流近场结构,发现大涡模拟成功捕捉到了高度欠膨胀射流近场的典型波系结构,并与文献结果吻合较好.研究着重定量考察流向速度和氮气质量分数的分布规律,以揭示高度欠膨胀射流的自相似特性.结果表明:在射流核心区之后,不同流向位置上流向速度和氮气质量分数沿径向的分布呈现出与亚声速射流类似的自相似特性.但射流流场开始呈现自相似的位置仍然为超声速,这是高度欠膨胀射流自相似特性的独有特征.提出了高斯拟合公式,在靠近和远离射流中心线的区域内均可较好地表征射流的自相似特性.此外,还考察了射流剪切层的发展特征,比较了计算得到的射流剪切层增长率与先前实验测量结果的差异,并分析了其中可能的原因.      

基于深度神经网络的粒子图像测速算法

粒子图像测速(PIV)作为一种流体力学实验技术,能够从流体图像中获取全局、定量的速度场信息。随着人工智能技术的发展,设计用于粒子图像测速的深度学习技术具有广泛的应用前景和研究价值。借鉴在计算机视觉领域用于运动估计的光流神经网络,采用人工合成的粒子图像数据集进行监督学习训练,从而获得适用于流体运动估计的深度神经网络模型,并且能够高效地提供单像素级别分辨率的速度场。文中采用人工合成的湍流流场粒子图像进行初步实验评估,并讨论PIV神经网络的隐藏层输出和内在原理,同时将训练而成的深度神经网络模型与传统的相关分析法、光流法对比;随后进行射流流场测速实验,验证深度神经网络PIV的实用性。实验结果表明,文中提出的基于深度神经网络的粒子图像测速在精度、分辨率、计算效率上具有优势。     

基于深度学习的混合翼型前缘压力分布预测

提出了一种基于深度学习的混合翼型前缘压力分布预测方法,通过对翼型几何特征提取、压力分布曲线的参数化,建立了卷积神经网络模型（CNN）,并利用计算流体力学（CFD）的计算结果作为其训练样本,实现对混合翼型前缘压力分布的预测。结果表明:两种方法计算结果的拟合优度大于0.98,基于深度学习的计算方法耗时1.7 s,CFD方法耗时大于50 s,计算时间大大缩短。该方法能够在满足计算精度的条件下提高计算效率并可应用于其他的翼型设计过程。      

卷积神经网络和峭度在轴承故障诊断中的应用

针对传统智能诊断方法依靠专家知识和人工提取数据特征工作量大的问题,结合深度学习方法在特征提取和处理大数据方面的优势,研究了一种基于卷积神经网络和振动信号峭度指标的滚动轴承故障诊断方法。该方法将深度学习应用于轴承故障诊断,提取滚动轴承正常状态、内圈故障、外圈故障和滚动体故障4种状态的振动信号,将振动信号分段处理得到峭度指标,使用数据到图像的转换方法将峭度指标转换为灰度图,送入卷积神经网络模型完成故障分类。在进行滚动轴承故障诊断的实验时,所提的模型诊断准确率达到99.5%,高于传统支持向量机(SVM)算法的95.8%。      

不同转速下自循环机匣处理对转子性能的影响

以NASA Rotor 37为研究对象,采用数值模拟的方法研究了自循环机匣处理的引气位置在不同转速下对转子性能的影响。研究结果表明:自循环机匣处理的引气位置和转子转速对转子性能的影响具有交互性,其本质原因在于转子在不同转速下处于近失速状态时,转子叶顶区域的流动状态不同,从而造成引气位置和叶顶堵塞区域的相对位置会随着转子转速的变化而变化,进而对转子的性能影响呈现出交互性。通过对三种转速下自循环机匣处理的引气位置对转子稳定性的影响分析知,引气位置位于转子叶顶堵塞区尾缘处时对转子叶顶区的流动堵塞抑制能力最强,极大地改善了转子叶顶区域的流通状况,对转子的失速裕度改进量最为有利,在100%、90%和70%设计转速下,失速裕度改进量的最大值分别为7.46%、8.52%、6.14%。此外,通过对转子叶顶的流场细节分析得知,不同转速下自循环机匣处理的引气位置位于转子近失速工况的叶顶堵塞区尾缘处时,在叶顶造成的高比熵区最少,对转子效率的降低幅度最小,于效率最为有利。      

一种中温透波自黏性树脂及复合材料性能研究

研制了一款中温透波自黏性树脂,对树脂的凝胶时间、流变性能等进行了测试,使用该树脂制备了中温透波自黏性玻璃纤维织物及石英纤维织物预浸料,对预浸料的物理性能进行了表征测试。研究了复合材料层合板的耐热性、力学性能和介电性能,结果表明复合材料玻璃化转变温度达148℃,具有优良的力学性能和介电性能,且在93℃时具有较高的力学性能保持率,满足使用要求。进行预浸料和蜂窝胶接,测试了试验件的剥离强度,结果表明滚筒剥离强度≥50N.mm/mm,树脂预浸料自黏性较好,夹层结构的滚筒剥离强度高,满足应用指标要求。与民机用典型进口预浸料体系CYCOM■7701/7781对比,两种复合材料室温干态及93℃干态层间剪切性能相当,ACTECH■1210/2221在耐热性与介电性能方面更具优势。     

基于LSTMAttention网络的短期风电功率预测

提出一种基于LSTMAttention网络的短期风电功率预测方法。首先,使用LSTM网络对数值天气预测(NWP)数据的特征信息进行提取,同时采用注意力机制有效分析了模型输入与输出的相关性,从而获取了更多重要时间的整体特征;其次,使用卷积神经网络(CNN)提取NWP数据的局部特征,并引入压缩和奖惩网络(SE)模块学习特征权重,利用特征重新标定方式提高网络表示能力;最后,将局部特征和整体特征进行特征融合,通过分类器输出分类结果。利用NOAA提供的美国加利福尼亚州某风电场的数据进行案例分析,证明了所提方法的有效性。试验结果表明,与BP神经网络、自回归积分滑动平均模型(ARIMA)模型和LSTM模型相比,LSTMAttention模型具有更高的预测精度,证明了该方法的有效性。     

绝对式恒光源24位光电轴角编码器在光电经纬仪上的应用

为满足某型光电经纬仪的使用要求,设计了某绝对式恒光源 24位光电轴角编码器分系统。该编码器采用 16位绝对式光学码盘,码盘刻划有粗码道、通圈码道、中精码道和精码道。精码道的线对数为 16 384(14位)。方位和高低编码器的处理电路设计在一块电路板上,采用一片 DSP为主机,6个读数头输出 64路码盘光电信号分别经放大整形、A/D转换输入至 DSP。DSP完成数据采集、细分、译码、校正等处理,把轴的转角变换成 24位自然二进制角度代码输出和上传。使用情况表明:该编码器的光机结构布局合理、性能稳定,电路板和元器件少、操作简单、测角精度高,满足某型光电经纬仪对于编码器系统的要求,具有较高的实用价值。     

基于CH自由基发光的旋流火焰放热率时空特性研究

对不同工况下CH4/air旋流火焰的放热率在时间上的热声振荡现象和空间的三维形态转变两方面进行了研究。在燃烧形态转变方面,由于旋流火焰的复杂流场分布特性,采用基于化学自发光的三维计算层析技术(3D-CTC),测量了雷诺数从5 000到20 000的三个工况下旋流燃烧的CH*发光三维火焰结构。以此表征放热率的三维分布,实现对旋流火焰放热空间形态的测量。该诊断方法通过对旋流火焰发光在8个视角下的二维成像,结合层析重建算法得到其三维CH*分布信息。为验证重建保真度,将重建后结果二维可视化与高速摄影下的二维时均结果进行对比,结果表明重建误差在5%以内。研究中,分析了不同雷诺数下放热率的空间变化规律,结果显示所有实验工况下放热率的垂直于喷嘴方向的变化程度比沿喷嘴轴向的要剧烈;而随着雷诺数增加,最大的放热区表现出了明显的向后推进趋势。在旋流燃烧的热声振荡方面,利用CH*的二维高速摄影,对旋流燃烧的放热率不稳定性进行研究,发现放热率的振荡频率随着雷诺数的增大逐渐增加。      

内压缩段构型对高超声速进气道自起动性能的影响

为了探寻内压缩段构型对高超声速进气道自起动性能的影响,对二元高超声速进气道折角型和曲线型两种内压缩段的自起动过程进行准定常数值仿真研究.对比了这两种构型进气道在不同唇罩起始压缩角下的自起动性能和自起动过程中分离区的变化规律,并分析了内通道压缩强度沿程分布对进气道自起动性能的影响.研究表明:①即使进气道内收缩段的内收缩比相同,不同的内压缩段构型和唇罩起始压缩角对高超声速进气道的自起动性能影响显著,曲线型内压缩段构型的自起动性能明显优于折角型;②内压缩段的总压缩强度及其沿流向分布都是影响高超声速进气道自起动性能的关键因素,并且压缩强度沿流向分布决定着进气道在自起动过程中处于临界状态下主分离包所停留的位置.