涡轮单排气膜孔与前缘结状凸起耦合数值研究

气膜冷却作为涡轮的主要冷却方式之一,如何提高其冷却效率是当前研究重点.本研究在涡轮前缘构造结状凸起结构,采用源项技术模拟气膜孔,研究吹风比分别为1,3下,前缘结状凸起对单排气膜孔冷却效率的影响,详细分析温度以及涡量等参数.结果表明:单排气膜孔处于相同吹风比时,改型叶片并没有比原型叶片带来更好的改善效果;单排气膜孔吹风比呈交叉排列时,在波谷布置大吹风比的气膜孔,在波峰布置小吹风比气膜孔能够提高10％的冷却效率.其原因在于大吹风比下波谷处会形成反肾型涡,从而抵消肾型涡的影响.     

超音速叶型关键几何参数敏感性分析

为了分析超音速叶型关键几何参数的敏感性,以NASA Rotor67跨音速压气机转子为研究对象,采用准二维的数值方法,研究弯度、最大厚度位置等叶型关键几何参数的变化对跨音速压气机转子顶部叶栅激波结构及流场性能的影响。结果表明,与最大厚度位置相比,叶型弯度的影响更为显著;以安装角表征叶型弯度,在63°~65°范围内存在最优值使总压比达到最大。     

发动机短舱型线的多目标优化设计

为了提高亚声速客机发动机短舱的气动性能,开展了短舱内、外型线的多目标优化设计。采用贝塞尔曲线和形函数方法对短舱型线进行参数化设计,通过RANS数值模拟获得气动性能,以摩擦阻力和总压恢复系数作为目标函数,结合径向基函数模型和带精英策略的非支配排序遗传算法,成功获得了短舱型线的优化设计几何。经数值模拟分析验证,该优化型线设计可以明显改善短舱内、外流场,有效降低短舱外部的摩擦阻力,提高短舱内部的总压恢复系数。     

级间引气对一维方案压气机流道和性能的影响

本文研究了GE公司的高效节能发动机(E3)压气机在不同引气方案下,其流道形状和性能的变化规律。采用改进的压气机一维方案计算程序,将级间引气模块加入该程序中并进行了验证,结果表明其可较准确计算E3压气机的流道形状和特性。在此基础上,选取了三组级间引气量方案,利用该程序计算并比较了不同方案的流道形状变化和性能改变,得出结论:随着引气量的增加,流道面积将稍微减小,压气机效率和压比将有较大降低;为了提高压气机一维方案设计和特性计算的精度,必须在程序中考虑引气量的影响。     

新一代的分布式计算技术--Web服务

Web服务是新型的分布式计算技术，是一种远程访问的标准，它的出现标志着应 用程序开发技术走向了一个新的时代。文章介绍了基于.Net平台Web服务的原理和结构，论 述了Web服务系统开发实现的一般过程，并分析和比较了Web服务与传统的分布式技术在各种 性能上的差别。     

叶片加工超差对高压压气机性能影响和敏感性分析

在航空发动机中,高压压气机叶片的加工超差难以避免,势必对压气机的气动性能造成影响。以某高压压气机后面级作为研究对象,采用数值模拟方法,对典型的高压压气机加工超差种类进行敏感性分析。首先,选取位置度、轮廓度及扭转度三种典型加工超差,采用高斯分布概率密度函数确定超差分布;其次,通过数值模拟,研究加工超差对高压压气机等熵效率、总压比等气动性能的影响规律,提取气动性能对各类超差的敏感性参数。研究结果表明,当叶型位置度变化时,气动性能基本都呈恶化趋势,其中动叶根部轴向位置度某种变化情况使得喘振裕度减少25%之多;轮廓度与扭转度的变化与高压压气机气动性能呈负线性的变化趋势;在这三种典型超差类型中,高压压气机气动性能对扭转度及轴向位置度超差的敏感性较大,周向位置度和轮廓度次之。     

压气机叶栅中不同安装角肋式涡流发生器的数值研究

为了研究肋式涡流发生器对压气机叶栅角区分离流动的控制效果,本文采用数值方法,对不同安装角度的涡流发生器方案进行了详细的研究。研究结果表明:肋式涡流发生器根部与顶部会产生两个流向涡,安装角不同时顶部流向涡会明显变换旋向,从而导致其与角区分离流的相互作用过程出现较大的不同。负安装角的涡流发生器对角区流动的作用优于正安装角方案,能较为明显地减小角区低能流体的堆积,但研究结果也表明,需合理选择负安装角,当涡流发生器与来流夹角较小时,涡流发生器产生的流向涡强度较低,无法与吸力面/端壁处的低能流体进行有效掺混,而当角度过大时流向涡强度迅速增强,与分离涡的作用方式发生较大变化,下端壁处损失剧增。     

多级轴流压气机级间引气的数值模拟研究

以某多级轴流压气机的中间级为研究对象,研究了外机匣端壁处级间引气对压气机总体性能及局部流场的影响.根据要求的最大引气量,设计了矩形、圆形及异形三种不同的引气槽结构,并对流场进行了详细的数值计算.结果表明,本文所设计的矩形和圆形引气槽对压气机总体性能及主流流场的影响基本相同,其中,矩形槽造成的引气损失小于圆形槽;异形引气...     

基于聚类的敏感属性l-多样性匿名化算法

提出了基于聚类的敏感属性l-多样性匿名化算法,该算法生成的每个聚类至少有l个不同的敏感属性值,每个聚类的大小介于l和2l-1之间,以达到最优划分并提高教据的安全性.同时,该算法生成聚类候选记录集以减少不必要的计算和比较,生成聚类时总是选择与聚类质心信息损失最小的记录,提高了算法效率并减少信息的损失.实验结果表明,该算法是高效的,且生成的匿名数据集具有较高的可用性.