排序方式: 共有5条查询结果,搜索用时 15 毫秒
1
1.
25°Ahmed模型射流主动控制气动减阻策略 总被引:3,自引:0,他引:3
采用剪切应力输送(SST)κ-ω(湍动能-比耗散率)湍流模型对标准25°Ahmed模型进行基于计算流体力学(CFD)数值模拟的稳态射流减阻研究.在模型尾部设置射流孔,分别探究各位置处射流孔的孔径、到边线的距离、形状、射流速度和角度的最佳值,分析不同射流状态对流场结构、总阻力系数及局部阻力系数的影响.仿真的基本工况与风洞实验数据一致性很好,验证所采用数值方法的准确性和可靠性.研究结果表明,与未设置射流孔的模型相比,设置射流方案的模型尾流结构得以改善,纵向涡得以抑制,同时其阻力系数明显降低.单独位置布置射流孔方案中在斜面上方进行射流时,阻力系数最低,为0.252 2,减阻率为11.3%.通过正交试验获得最佳组合方案得到阻力系数0.246 7,减阻率达13.23%. 相似文献
2.
借助MATLAB软件,采用标准κ-ε模型,基于同位网格的SIMPLEC方法,对切向入口旋风分离器内的气相流场进行了数值模拟研究。直接调用其内置函数,对旋风分离器进行网格划分,生成插值计算、三对角追赶法以及交替方向迭代法(ADI)等求解过程的函数文件以供调用,采用while循环语句组成内迭代和外迭代运算。直接调用MATLAB绘图指令,能方便地生成旋风分离器内流场的速度分布图和u-v速度矢量图。 相似文献
3.
4.
针对现有的基于深度学习的室内定位解决方案容易受到无线接入点AP攻击的问题,提出了基于卷积神经网络(CNN)的室内定位框架,构建了一种基于深度学习的Wi-Fi指纹室内安全定位系统(DS-LocCNN),使得多建筑和多楼层在面对恶意攻击时的定位精度得到了保证.通过在UJIIndoorLoc数据集上评估此系统,证明了所提出的DS-LocCNN能很好地抵御基于AP的恶意攻击,且在建筑级定位和楼层级定位上的成功率优于现有的解决方案. 相似文献
5.
应用采用格子玻尔兹曼方法的PowerFLOW软件,结合非常大涡模拟方法,对MIRA阶背模型进行非稳态流场求解,研究外流场的结构及流动特性.通过分析时均流场中气流从A柱沿着车顶至C柱、车尾的流动过程,探索了C柱涡、D柱涡、部分分离涡的结构及流动机理.通过分析瞬态流场探索了更加精确的随机流动特性,其中时域流场分析部分,发现车轮、后风窗及车尾区域处流场结构复杂;对频域结果的分析进一步展示了涡的振动频率及其脉动特点,发现车尾上方振动频率达12 Hz,侧窗、发动机舱顶部,车顶及车身侧部的振动频率为23 Hz,并探究了振动频率的形成机理,压力脉动分析发现底盘上方、车身尾部及后轮区域存在较大振动能量,推断得出以上区域流场结构复杂,对阻力贡献大.将仿真结果与实验结果对比分析,二者流场结构相似,涡核的数量和位置都具有较好的一致性,验证了仿真的可靠性. 相似文献
1