R141b在矩形微尺度通道中的两相流传热特性

设计搭建水力直径分别为1mm和0.5mm的矩形微尺度通道实验台,研究了以R141b型制冷剂作为工质的两相流沸腾传热特性。实验取热流密度为1～16kW/m2、质量流速为111.1～333.3kg/(m2·s)和质量干度为0～1,分析了三者对平均传热系数的影响,探究影响换热的主导因素。结果表明:热流密度较高时,平均传热系数随热流密度增加而减小,流动换热主要受到沸腾传热的影响;当质量流速较大且热流密度较低时,平均传热系数随热流密度增加而有所增长;热流密度较低时,平均传热系数随质量流速变化明显,热流密度升高到一定值后,质量流速对平均传热系数的影响很小;当质量流速处于111.1～333.3kg/(m2·s)时,平均传热系数随质量干度的增加而减小。      

氢气和过氧化氢对正癸烷燃烧特性影响的对比

氢气(H2)和过氧化氢(H2O2)具有较强的反应活性,能够增强碳氢燃料的燃烧过程。为了探究添加液态氢和液态过氧化氢对航空燃油燃烧特性的影响,以正癸烷为代理燃料,采用数值模拟方法对比研究了H2和H2O2对正癸烷/空气燃烧特性的影响。研究发现,随着H2O2的增加,点火延迟时间显著缩短;而随着H2的增加,初始温度为1100 K时,点火延迟时间基本不变,在初始温度为1600 K时点火延迟时间略有缩短。随着H2O2的增加,层流火焰速度有所提升,而H2添加量对层流火焰速度的提高相对而言较小。富油燃烧时,CO排放指数随H2O2和H2的增加有所降低,NO排放指数有所增长。低压贫油燃烧时,H2O2和H2添加量对CO和NO排放指数基本没有影响;高压贫油燃烧时CO排放指数有所降低,NO排放指数有所提高,H2O2添加量的影响更加显著。      

基于深度学习的PIV流场图像修复技术

粒子图像测速技术（PIV）是空天动力装置研究中常用的流场测试方法。但对具有复杂流动特征的燃烧室,通过传统互相关算法处理得到的流场结果往往具有一定缺陷。本文将深度学习应用于PIV后处理中,以实现流场数据的异常检测和修复。在甲烷预混对冲火焰数据集上,将异常划分为两种类型,并搭建U-Net卷积神经网络架构。经过训练和优化,模型以较高置信水平识别两类异常并使用不同策略自适应修复,过滤噪声并保留原始正常数据。同时模型具有较好的可迁移性,可以为其它种类的流场数据修复提供参考。与POD迭代法和中值滤波相比,神经网络强大的非线性特征具有明显的优势,这种方法不仅修复率高,而且在不同工况下鲁棒性好。