基于卷积神经网络的近壁流动高分辨率平均速度场预测方法

本文设计并验证了基于卷积神经网络的边界层近壁流动高分辨率平均速度场预测方法:首先采用示踪粒子图像对数据集训练卷积神经网络,通过调整神经网络参数可以预测示踪粒子在数据集上的平均跨帧位移;然后使用该卷积神经网络预测像素空间中各像素位置的单粒子位移,得到高分辨率的平均速度场信息。将该方法用于预测湍流脉动较小的边界层近壁区的平均流动,能够将空间分辨率提高到单像素精度。误差分析发现,该方法获得的测速精度略优于传统单像素系综平均互相关算法,且对粒子浓度和示踪粒子图像对数目的要求明显低于后者。     

平流层飞艇纵向气动特性及减阻实验研究

以美国高空哨兵50平流层飞艇作为背景样机,通过风洞实验研究了布局形式对该型飞艇纵向气动特性的影响。研究表明:与Y形尾翼相比,十字尾翼布局形式具有更大的阻力和升力;从俯仰静稳定性的角度而言,十字尾翼在大迎角下使得飞艇从纵向静不定变为纵向静定;但由于尾翼产生较大的附加阻力,因此需要采取一定的减阻措施。进一步采用微型涡流发生器对飞艇的后体及尾翼处的流动分离进行控制,研究其在不同迎角和侧滑角工况下的减阻效能,发现在α=8°、β=0°或β=-8°、α=0°工况下可以获得减阻效果,且MVG布置更密时,获得的减阻效果更好。     

基于流动显示的翼尖涡不稳定频率测量

翼尖涡涡核振荡频率的准确测量是翼尖涡控制技术得以有效实施的重要前提。采用流动显示方法,研究了椭圆机翼翼尖涡在低雷诺数条件下的不稳定特性。分别采用单点谱分析和动力学模态分解技术,从流动显示图像序列中提取了涡核振荡的短波不稳定模态的频率,2种方法得到的频率相对误差最大不超过5%。研究结果表明:涡对的空间运动通常展现出长波与短波模态的耦合,涡核的高频短波振荡耦合在低频长波摆动中,以前者为主要含能模态;短波不稳定性的无量纲振荡频率随雷诺数的增大而增大、随机翼攻角的增大而减小。      

可变正弦前缘对直机翼气动性能影响的研究

通过风洞测力实验,研究了可变正弦前缘对直机翼气动性能的影响.可变正弦前缘为平板式,安装于NACA0015直机翼的前驻点处,并能自由伸展与缩回.风洞实验结果表明:加装可变正弦前缘后,直机翼呈现出缓失速特性,失速后的升力系数均有不同程度的提高,大迎角下的气动性能得到改善.可变正弦前缘伸展长度对气动性能的影响研究表明,其伸展长度是影响机翼气动性能的重要参数,只有伸展长度较小时,才能获得较好的气动性能.     

雷诺数对后向台阶剪切层转捩特性的影响

二维后向台阶分离流动是研究流动分离再附特性及机理的经典物理模型.运用二维时间解析粒子图像测速（PIV,Particle Image Velocimetry）技术,对雷诺数在300~3 000 之间后向台阶分离再附流动进行了二维速度场测量,研究后向台阶层流剪切层转捩位置随雷诺数的变化.研究发现,随雷诺数的增大,再附点的位置不断前移,转捩点的位置随之前移.转捩点在剪切层中的相对位置与雷诺数成反比函数关系.另外,在转捩发生之前,扰动会经历一段线性增长阶段,其空间增长率与雷诺数正相关.     

可变正弦前缘对直机翼气动性能影响的研究

通过风洞测力实验,研究了可变正弦前缘对直机翼气动性能的影响。可变正弦前缘为平板式,安装于NACA0015直机翼的前驻点处,并能自由伸展与缩回。风洞实验结果表明：加装可变正弦前缘后,直机翼呈现出缓失速特性,失速后的升力系数均有不同程度的提高,大迎角下的气动性能得到改善。可变正弦前缘伸展长度对气动性能的影响研究表明,其伸展长度是影响机翼气动性能的重要参数,只有伸展长度较小时,才能获得较好的气动性能。     

基于变分模态分解的壁湍流拟序结构形态研究

应用多分量准二维变分模态分解技术,对直接数值模拟的湍流边界层的流向-法向平面进行了分解。通过对从低雷诺数到中等雷诺数(Reτ=400～1750)各个工况的瞬时流场的观察,定性地得到了不同模态所对应的物理结构特征。通过两点相关云图形态和倾斜角度的比较,定量地对比了不同模态对应的拟序结构倾角随法向高度的变化。一阶模态主要对应大尺度扫掠/喷射事件,第二阶模态则对应近壁流向涡结构。两阶模态的拟序结构倾角随法向高度的变化趋势与雷诺数呈弱相关,表明大小尺度模态的几何特征在所研究的雷诺数范围内存在自相似性。     

圆柱尾涡/边界层相互作用中二次涡特性研究

应用流动显示的方法研究水槽中上游圆柱绕流尾涡与平板边界层的相互作用,发现边界层外的尾涡可以诱导边界层内流体产生新的二次涡结构,对二次涡的产生条件、形成机理和演化规律进行了探讨.结果表明:尾涡/二次涡的相互作用是尾涡与边界层相互作用的核心,尾涡涡脱落St数的变化、尾涡反弹现象、边界层内二次涡的产生和尾涡/二次涡相互作用的不同形态等均与无量纲参数yc/D有关(yc为圆柱距离平板的法向位置,D为圆柱直径),并可以此参数对尾涡/边界层相互作用的特性进行分区.     

来流扰动对圆盘绕流结构影响的实验研究

主要讨论由水槽流动显示实验得到的圆盘绕流结构在上游小圆柱尾迹干扰下的变化,对圆盘前驻点附近逆压区的流动通过氢气泡显示技术进行观察.由实验结果处理得到圆盘前大涡的结构特征(如周期、最大宽度、在周期内结构随时间的变化等)受扰动几何参数的影响.发现无量纲参数L/d(L为小圆柱中心与圆盘迎风面之间的间距,d为小圆柱直径)对圆盘前驻点区域中大涡的形成和发展有重要的影响.圆柱尾迹中涡通量的增加会在圆盘前产生大尺度的涡对,其周期性演化的频率随L/d增加而增加.     

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。