飞机尾流控制的SPIV实验研究

利用简化的飞机模型,通过改变尾翼的迎角及展弦比,试图建立一种能加速自我消亡的尾流涡系统.该实验在拖曳水槽中进行,运用SPIV(体视粒子图像测速技术)系统进行测量,获得了一系列空间切面的2D/3C(二维/三分量)数据,给出了三种不同尾翼情况(两种有尾翼情况及一种无尾翼情况)下的SPIV观测结果,并将这几种情况作了对比.     

面向新世纪的粒子图像测速

一种综述粒子图像测速(Particle Image Velocimetry)的非接触、瞬时、动态、全流场的和本质上是直接的速度场测量技术,成为当今最实用和非常有潜力的流体力学全流场观测(Full Flow Field Observation & Measurement)技术.回顾和展望PIV(包括DPIV,SPIV,HPIV等)及其应用的进展和前景.面临新世纪,PIV技术有望最终攻克一个容积的三维速度场时间历程(3Dt-3C)的观测和推动流体力学进入十分活跃的新时期.     

近失速状态下压气机转子叶尖旋涡流动研究

在低速大尺寸单级压气机实验台上,利用SPIV技术测量了近失速状态下压气机转子尖区多个截面的三维瞬态速度场。基于瞬态场测量结果,详细阐述了近失速状态下压气机转子叶尖泄漏涡的演化过程和角区旋涡的形成过程。测量结果表明角区旋涡是一种总体意义上的旋涡,其涡核是由多个涡团组成的,形成角区旋涡的一个关键机制是压气机的旋转运动对源于近吸力面的正负涡量的涡团具有选择性。     

飞机尾流控制的SPIV实验研究

利用简化的飞机模型,通过改变尾翼的迎角及展弦比,试图建立一种能加速自我消亡的尾流涡系统。该实验在拖曳水槽中进行,运用SPIV（体视粒子图像测速技术）系统进行测量,获得了一系列空间切面的2D／3C（二维／三分量）数据,给出了三种不同尾翼情况（两种有尾翼情况及一种无尾翼情况）下的SPIV观测结果,并将这几种情况作了对比。     

基于全局线性稳定性分析的翼尖双涡不稳定特征演化机理

相比于机翼产生的孤立翼尖涡,加装小翼之后的翼尖涡表现出双涡甚至多涡结构,并且呈现出更加复杂的不稳定特征。为揭示翼尖双涡结构不稳定特征及其演化机理,采用体视粒子图像测速（SPIV）技术和全局线性稳定性分析（LAS）方法对不同雷诺数和攻角下带双叉弯刀小翼的M6机翼产生的翼尖涡结构在尾迹区的不稳定特征进行研究。试验结果表明,对称布置的双叉弯刀小翼产生的翼尖涡包含上/下小翼产生的主涡（上/下主涡）结构,两者构成近似等强度的同转涡对,在相互靠近的同时以20 rad/s的角速度相互缠绕。对上/下主涡瞬时涡核位置的统计分析表明,翼尖涡摇摆幅值随流向位置逐渐增大,随雷诺数的增加而增大,随攻角的增加先增大后减小。对16倍弦长的尾迹截面处的翼尖双涡结构进行全局时间稳定性分析,不同工况下,上/下主涡最不稳定模态（模态P/模态S）的稳定性曲线变化规律与摇摆幅值的变化规律相一致,表明翼尖涡的摇摆源自于其内在的不稳定性特征。增加流向扰动波数,发现模态P切向波数逐渐增加;而模态S则是径向波数逐渐增加。不同工况下,模态P的切向波数为5~6,扰动波数分布在[2.75,5]的区间内,所对应的不稳定放大率均大于模态S,而不稳定放大率最大的模态扰动范围作用在上主涡的整个涡核区域,表明这种大切向波数的扰动模态在翼尖涡流控中的潜在价值,也意味着加装小翼会增加涡结构的个数,增强不稳定性的发展,有助于翼尖涡的快速失稳衰减。     

Experimental investigation of flow field in a laboratory-scale compressor

The inner flow environment of turbomachinery presents strong three-dimensional, rota-tional, and unsteady characteristics. Consequently, a deep understanding of these flow phenomena will be the prerequisite to establish a state-of-the-art design system of turbomachinery. Currently the development of more accurate turbulence models and CFD tools is in urgent need for a high-quality database for validation, especially the advanced CFD tools, such as large eddy simu-lation (LES). Under this circumstance, this paper presents a detailed experimental investigation on the 3D unsteady flow field inside a laboratory-scale isolated-rotor with multiple advanced measure-ment techniques, including traditional aerodynamic probes, hotwire probes, unsteady endwall static pressure measurement, and stereo particle image velocimetry (SPIV). The inlet boundary layer pro-file is measured with both hotwire probe and aerodynamic probe. The steady and unsteady flow fields at the outlet of the rotor are measured with a mini five-hole probe and a single-slanted hotwire probe. The instantaneous flow field in the rotor tip region inside the passage is captured with SPIV, and then a statistical analysis of the spatial distribution of the instantaneous tip leakage vortex/flow is performed to understand its dynamic characteristics. Besides these, the uncertainty analysis of each measurement technique is described. This database is quite sufficient to validate the advanced numerical simulation with LES. The identification process of the tip leakage vortex core in the instantaneous frames obtained from SPIV is performed deliberately. It is concluded that the ensemble-averaged flow field could not represent the tip leakage vortex strength and the trajectory trace. The development of the tip leakage vortex could be clearly cataloged into three phases according to their statistical spatial distribution. The streamwise velocity loss induced by the tipleakage flow increases until the splitting process is weak and the turbulent mixing phase is dominant.     

用SPIV测量结果分析叶轮机内流动损失的方法初探

基于大涡模拟和PIV(particle image velocimetry)测量的相似性,利用SPIV(stereoscopic PIV)测量结果,可以使用亚格子应力模型求解流场中的湍流耗散率.对比不同亚格子应力模型求出的结果,混合模型求出的结果较为准确,但需要合理选择模型中的系数C_Sm和CAm.利用该方法分析低速大尺寸压气机试验台转子近叶尖区域的SPIV测量结果,发现在设计状态流场中的损失主要源于叶尖泄漏涡,而在近失速状态则主要源于叶尖泄漏涡和角区旋涡.      

基于神经网络的体视PIV空间标定模型

体视粒子图像测速（SPIV）中的空间标定精度对SPIV的测试结果精度有较大影响。为研究标定模型对输入误差的处理能力,定义了一个无量纲参数——误差衰减系数,来评判空间标定模型对误差的响应。在此基础上针对SPIV两相机空间标定的误差产生和传播特性,发展了一种基于神经网络的且具有联合标定能力的SPIV空间标定模型。使用仿真实验手段,证实了该神经网络模型在很大的参数空间内均具有对输入误差的抑制能力,而传统的多项式模型或小孔模型并不具备这一能力;此外,神经网络模型在高光学畸变情况下的表现也优于多项式模型及小孔模型。因此,神经网络具备替换传统空间标定模型的能力,有助于提高SPIV的测量精度。最后在实验中证实了神经网络标定模型的空间定位误差仅为传统模型的1/4。     

设计状态下压气机转子叶尖泄漏涡流动研究

在低速大尺寸单级压气机实验台上,利用SPIV技术测量了设计状态下压气机转子尖区多个截面的三维瞬态速度场。基于瞬态场测量结果,详细阐述了设计状态下压气机转子叶尖泄漏涡产生、发展、失稳、破碎的演化过程,导致叶尖泄漏涡失稳的4种主要因素:主流的逆压梯度、哥氏力、端壁的剪切流动和来流湍流度的影响,分析了压气机内泄漏涡的失稳破碎机制,以及泄漏涡与主流的相互作用等。     

基于线性稳定性分析的翼尖涡摇摆机制

在涡不稳定性特征的影响下，翼尖涡会在尾迹中发生摇摆运动。为了揭示翼尖涡摇摆的本质原因以及发展机理，采用体视粒子图像测速（SPIV）技术和线性稳定性分析方法对不同雷诺数和迎角下NACA0015等直翼产生的翼尖涡在尾迹区的不稳定性特征及发展进行研究。结果表明：在1~6倍弦长的尾迹区内，翼尖涡存在摇摆现象，摇摆幅值随流向放大，且摇摆运动沿流向逐渐呈现出各向异性特征；在大迎角条件下，翼尖涡摇摆幅值随流向增长更快。采用线性稳定性分析方法，定量化分析翼尖涡的稳定性、空间/时间不稳定性放大率和扰动频率随流向的发展过程。结果显示，在雷诺数2.1×10⁵~3.5×10⁵范围内，翼尖涡均处于临界稳定状态，扰动频率为3~5 Hz。基于线性稳定性分析结果，发现在大迎角条件下翼尖涡时间/空间不稳定性放大率更大，解释了当迎角增大时翼尖涡摇摆幅值随流向增长更快的现象。另外，由线性稳定性分析得到的最不稳定模态显示翼尖涡的横向速度扰动具有明显的方向性，从而诱导翼尖涡产生摇摆运动；速度扰动方向的周期性变化则使翼尖涡摇摆区别于一维的随机振荡，而是表现为在各方向均含有分量且具有主频的摇摆运动。这种由不稳定性导致的速度扰动是翼尖涡摇摆的内在机制，其不稳定性放大率控制着摇摆幅值的增长速率，而其横向速度扰动的方向性与周期性则决定了翼尖涡的摇摆特征。