浅谈两种常用流量仪表的安装缺陷及对策

介绍差压式、旋涡流量检测仪表安装过程出现的问题及对测量的影响,并提出解决问题的方法,强调流量仪表正确安装的重要性。     

涡扇发动机涡轮后内外流场及壁面温度场数值研究

基于航空发动机红外辐射特性数值仿真的需求,建立涡扇发动机部件的几何模型,利用数值模拟结合实验验证的方法对涡轮后内外流场及壁面温度场进行研究。比较模型与常用模型的计算结果可得出:受发动机部件几何型面及安装特点影响,发动机喷管前的内部流场及壁面温度场都成明显的周期分布。壁面温度分布形态主要受波瓣混合器影响,但加力部件使高温区域面积减小,使壁面温度分布更快进入轴对称状态。加力部件降低了发动机内部的速度分布均匀度;同时也使截面参数分布更均匀。当采用环形混合器时,流向截面上流向涡尺寸大、强度小、温度掺混情况差。     

圆柱绕流远场涡对的数值模拟

基于离散涡方法求得非定常、不稳定流场,数值模拟了三种不同时刻高雷诺数下圆柱绕流结构的发展,从流谱图、等涡量线图和涡谱图可以清晰地看出从近场的初生卡门涡街,过渡到远场的二次涡街的过程,计算结果发现：远场离散涡有形成二个涡的涡对及三个涡的涡对的趋势,计算结果说明了流体运动中涡对结构的本质：由于来流是均匀的,没有加入任何拔动,当流体流过钝体时产生具有剧烈分离的不稳定流动,因此在远场形成的二次涡对及卡门涡     

基于HART通信的涡街流量计的智能软件设计

在给出涡街信号的检测和流量计算的软件流程后,提出了实现流量计智能化的方法：将涡街流量计的各种功能参数化,即通过友好界面,用户可凭借设置特定参数项的值,达到智能仪表的软件组态、参数设定、自校正和自诊断、显示方式的选择、提供非测量用管理参数等功能。软件设计时,根据特定的参数项名称,给出相应的人机交互模块,很好地体现了软件设计的模块化思想。     

天气图上的涡旋动力学

天气图上有许多种涡旋型式。本文说明了天气图上的流场可以分解为旋转场和变形场：地转无摩擦的气旋、反气旋的涡旋型式是围绕中心点的闭合环流;考虑摩擦的气旋、反气旋的流型是围绕焦点的螺旋型式;鞍型场有4个涡旋中心点（2个气旋和2个反气旋）与1个鞍点;阻塞高压和切断低压由1个涡旋中心点与1个鞍点组成。从以上结果可以清楚地了解实际大气涡旋形态的动力和形成机制。     

介观尺度超导体的超导电性

在 Ginzburg-Landau 理论框架内,发展了一种解析的处理方法研究了介观超导体的超导电性。     

匀动螺旋单涡管诱导压力场的解析解

推导了在圆柱直管中作均匀运动的螺旋单涡管诱导核外压力场的解析表达式,若令柱管直径趋于无穷大,该表达式也能够描述在无限域中螺旋单涡管诱导核外压力场,假设相对速度场定常且具有螺旋对称性,并利用已获得的涡管诱导相对速度场和相对坐标系下动量方程求其诱导压力场,获得的结果显示：压力场是时间的周期函数,仅当螺旋涡管静止或沿自身的空间螺旋线轴滑移时,螺旋涡诱导的压力场退化为定常场,该退化现象已被实验证实;圆柱直管壁上的压力极值点计算位置与现有实验的测量位置一致,压力公式显示管壁压力脉动频率是均匀分布的,这一结论也与现有压力实验的频域特性相符合。     

高雾化质量喷嘴的设计研究

本对直接燃烧原油的燃烧器论述了高雾化质量喷嘴三种形式的具体设计结果,实验证实它们满足设计和使用要求。     

煤粉炉内扩散火焰关于大尺度涡的“砂轮”效应初探

以110MW、四角切向喷射的煤粉动力锅炉为对象,借助CFX4.2软件,在α-250工作站对该型锅炉的燃烧过程开展了数据模拟研究,研究发现：在该型炉膛内存在某种由准强制涡和准自由涡所组成的涡结果,这些涡均属于大尺度涡（非亚格子涡）;在这些准强制涡和准自由涡即大尺度涡之间以及某些涡与固壁或涡与喷射气流之间因扩散燃烧及强剪切而导致局部火焰增强现象即所谓“砂轮”效应,从Zeldovich转换和广义Reynolds比拟及粘性耗散的角度,定性地分析了这一效应。     

基于时空特征融合的飞机尾涡识别

为了实现动态尾流缩减技术,减少进近阶段前机尾流对后机飞行安全的影响。依据相干激光雷达(coherent Doppler lidar, CDL)扫描风场循环周期性特点,提出一种基于时空特征融合的飞机尾涡识别模型。首先,CDL扫描生成的径向速度风场转换成序列输入和块输入。然后,双向长短时记忆(bidirectional long short-term memory, Bi-LSTM)网络用于提取序列输入的时间域特征,卷积神经网络(convolutional neural network, CNN)网络用于提取径向速度风场块输入的空间域特征。最后,将融合的时间域和空间域特征输入全连接层分类器,得到最终分类识别结果。实验团队在深圳宝安机场附近采集风场,并构建尾流数据集来验证所提得融合模型。结果表明：基于CNN和Bi-LSTM时空特征融合模型具有较好的分类性能,在尾涡识别上的准确率、召回率、F₁分数分别达到97.13%、97.50%、97.03%,且相比单一模型是一种更有效的识别方式,能够获得实时高效尾流预警。