带涡产生器的圆管管片式换热器流场及温度场的数值分析

用数值方法分析了涡产生器式圆管管片式换热板芯单个圆管单元区域内的速度场和温度场.计算结构针对某实际换热器结构,S1=20 mm,S2=15.5 mm,tp=2.5 mm,涡产生器攻角为45.°计算时选取雷诺数范围为500~20 000,选取R e=1 000和10 000时的计算结果进行了讨论和分析.涡产生器产生的纵向涡旋增强了圆管尾流区流体的掺混和能量交换,并带动尾流区流体及时向下游流动.与平片翅片结构比较,涡产生器式圆管管片式换热板芯尾流区流体与壁面温差增大,有利于增强换热.     

航班离场排序问题的遗传算法设计

针对航班的离场排序问题,给出了问题的具体描述,建立了相应的离场排序优化模型,在此基础上设计了求解模型的双码自适应遗传算法,给出了相应的实现技术描述和具体的算法步骤,最后对算法进行了仿真验证.结果表明,算法设计合理,可有效缩减总的离场耗时,能得到调度问题的解,并可保证解的全局最优性.     

关于扰动广义半流的吸引子的上半连续性

对广义半流Gλ0的扰动Gλ,研究了其吸引子的上半连续性,得到了相关理论,及其应用.     

基于粒子追踪的风场可视化方法

为了更直观地表示三维风场的变化特点，针对气象风场数据集的特点采用粒子系统的方法可视化表示风场属性，提出了通过粒子的位置变化动态反映风场速度方向以及大小，同时将风场涡旋度的强弱映射成粒子本身的旋转状态，最后选取CDC数据中心的风场数据验证了实验结果。     

涡轮阻尼器阻尼特性与轴向力特性分析

采用基于分离涡模型的计算流体力学方法计算某可调阻尼式涡轮阻尼器多个挡位、多个转速工况的内部三维黏性流场,预报了其阻尼特性和轴向力特性.阻尼器内部紊乱的流动造成其转矩、轴向力等外特性参数波动较大,大挡位工况超过10%.阻尼系数随挡位的增大而增大,除小挡位外,预报误差在5%以内.随着挡位的增大,转子轴向力增大,调节挡板轴向力也呈增大趋势.定子轴向力是一个小量,其方向与调节挡板轴向力相同.腔内复杂的不对称流动造成各挡板块受力不均,但每块挡板的轴向力均呈周期性变化,平均值相差±2.5%以内.大挡位高转速工况产生较严重空化,而小挡位时空化较弱.     

整体叶轮五轴数控加工与仿真优化研究

文章应用CATIA软件对整体叶轮进行了逆向造型设计,分析了整体叶轮的加工特点,制定了合理的加工工艺。同时,文章应用Cimatron软件对整体叶轮进行了加工程序的编制。在Vericut环境中,构建了DMU60monoBLOCK的五轴数控仿真平台,对整体叶轮进行了加工仿真,避免了实际加工过程中可能存在的碰撞和干涉,保证了NC程序的正确性。最后,通过刀具轨迹的优化,提高了整体叶轮的加工效率和表面质量,缩短了加工周期,降低了生产成本。     

A柱涡动力学特性随前窗倾角变化研究

采用风洞试验和数值计算的方法,通过Dihedron模型研究了前窗倾角对A柱涡动力学演化的影响.时均阻力和表面压力通过风洞试验获得,采用分离涡模拟(DES)捕捉A柱涡拓扑结构的细节特征.通过风洞试验的结果验证了DES结果的有效性.DES的结果描述了A柱涡涡破裂现象.随着前窗倾角的变化,A柱涡表现为不同的结构形态,这主要是由主涡中涡量平衡决定的.试验和数值结果均表明,随前窗倾角增大,Dihedron模型的阻力增加.讨论了纵向涡的破裂趋势和潜在的减阻方案.最后,强调了模型壁面的动力学特性及其对车内噪声的影响.     

燃烧振荡声学抑制器的机理分析与设计优化

燃烧振荡是发展低排放燃气轮机燃烧室需要解决的关键问题之一，未来燃气轮机燃烧室运行温度更高、具有更宽的工况运行范围及更复杂的几何结构(如轴向分级、环形燃烧室等),燃烧振荡存在高振幅、多振荡频率、多振荡频率时变和多热声模态共存等特点。采用声学抑制器被动控制燃烧振荡具有抑制器结构简单、可靠性高、成本较低等优势。针对未来的燃烧室，现有抑制器方案将面临很大挑战，因此，亟需开展宽吸声带宽、可控制多模态的声学抑制器及系统级燃烧室多声学抑制器设计优化研究。该文概述了国内外声学抑制器机理和设计优化的研究进展，着重总结了作者近年来在常规及多频段声学抑制器机理、抑制效果分析计算和复杂热声系统参数对声学抑制器特性影响，以及基于伴随方法的多声学抑制器多参数快速优化等方面的研究工作，并对未来燃烧室声学抑制器的发展方向进行了讨论。     

机器学习在湍流燃烧及发动机中的应用与展望

随着燃烧科学的发展，数值仿真与实验测量产生了大量数据，这些数据隐含许多有效的物理信息。传统研究方法对此类信息主要利用基于物理规则的模型去处理，但随着数据量的增加，基于数据驱动的方法开始受到重视。机器学习(machine learning, ML)技术由于在数据分析和处理方面取得了巨大成功，为处理燃烧领域的大量数据提供了一种新的范式。该文简要介绍了ML在湍流燃烧中的应用，主要包括化学反应、燃烧建模、发动机性能预测与优化、燃烧不稳定性预测与控制等4个方面，讨论了机器学习在燃烧研究中面临的挑战，并对未来应用进行了展望。     

基于改进大涡模拟模型的风荷载验证

为了获得与近地大气边界层实际脉动风场特征相一致的三维脉动风速,文章首先应用DSRFG(Discretizing and Synthesizing of Random Flow Generation)方法,模拟生成计算流体动力学中大涡模拟算法所需的模拟入口边界脉动风速时程,然后采用改进的动态一方程模型作为大涡模拟的亚格子模型,计算长宽高为1∶1∶3的高层单体矩形建筑在0度风向角下的风荷载分布及特性,并与日本TPU风洞试验进行了对比.结果表明:1当高层建筑长宽比(B/D)=1时,扭矩的能量主要来自涡旋脱落而不是入口湍流的影响;2DSRFG结合改进的动态一方程模型能够较为准确地模拟得到高层建筑表面的平均及脉动风荷载特征.此方法有望应用到实际高层建筑风荷载评估中.