简介:摘要:石油化工行业中大量使用风机等冷却设备,以降低循环水等工作介质温度。文章介绍了机翼型高效叶片的性能特点、主要部件及经济性,对该产品在某炼油厂常减压装置中应用情况及产生的节能效益进行技术经济分析。
简介:开展了机器学习在翼型气动力计算和反设计方法中的应用研究,实现了在更大翼型空间范围内,人工神经网络的训练和优化,建立了翼型气动力计算模型,和给定目标压力分布的翼型反设计优化模型.作为机器学习领域兴起的研究热点,人工神经网络的研究工作不断深入,有研究者尝试将其应用于流体力学的学科范畴内.文章实现人工神经网络在翼型计算领域中应用的方法如下:首先通过Parsec参数化方法,围绕基准翼型构造了一定翼型空间范围的翼型库,利用XFOIL进行数值模拟,搭建了和翼型库具有一一映射关系的流场信息库.通过训练和优化神经网络,实现了基于此模型的快速、高可信度的翼型气动力预测,以及新型的翼型优化设计方法.通过自动化编程实现样本库的批量生成,实现了不同翼型空间的样本量下,神经网络的训练和优化过程.实验结果表明,在机器学习领域中,基于神经网络的翼型反设计模型的精确性高度依赖于训练样本量的大小和覆盖范围.
简介:在低Reynolds数条件下,翼型绕流的上表面边界层由于抗逆压梯度能力变差容易发生流动分离,从而形成长层流分离泡.分离泡通常是非定常的,会诱发边界层的转捩、再附并形成湍流边界层.这个过程会使翼型的气动性能急剧下降,并伴随着强非线性效应.转捩后形成的湍流边界层也会产生高摩擦阻力.针对这种现象,文章以NACA0012翼型为例,通过隐式大涡模拟研究了有效的主动控制方案.为了统一分离控制技术和湍流边界层减阻技术,研究了在平板或槽道湍流中取得较好控制效果的壁面垂向反向控制方案.首先利用隐式大涡模拟研究了低Reynolds数条件下NACA0012翼型绕流的流场特征.其次分析并验证了反向控制方案在分离区控制流场的可行性,发现反向控制在分离区的作用相当于基于流场信息的壁面抽吸控制,且控制具有实时性和高效性,控制抽吸了前缘的低能流体,使得翼型前缘附面层变薄,并增强了其抗逆压梯度的能力,较大程度提高了翼型的气动性能.最后在湍流边界层验证了其减阻控制效果,发现反向控制阻断了流向涡的法向输运,抑制了涡结构的发展,并减弱了猝发过程,使得湍流的高摩阻力得到了有效降低.
简介:研究翼型绕流的转捩预测方法,对于翼型流动细节的精确模拟和气动力的准确计算以及精细化设计均具有十分重要的意义.采用动模态分解(dynamicmodedecomposition,DMD)代替线性稳定性理论(linearstabilitytheory,LST)与e^N方法结合,不需要求解稳定性方程,成为一种数据驱动的翼型边界层转捩预测新方法,称为DMD/e^N方法.在原有方法的基础上,改进了DMD网格线生成方法和扰动放大N因子的积分策略,并将RANS求解器与改进的DMD/e^N方法进行耦合,实现了翼型定常绕流转捩预测自动化.采用该方法对LSC72613跨声速自然层流翼型以及NLF0416低速自然层流翼型在不同攻角下的绕流进行转捩预测,转捩点计算结果均与实验值和LST/e^N方法吻合良好.该方法计算得到的N值增长曲线与LST/e^N方法的包络线也较为吻合,进一步验证了积分策略的正确性.改进的DMD/e^N方法可作为自然层流翼型设计的新的有力工具.