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:在对后向台阶流场进行合成射流激励并研究不同激励频率对流场发展影响的过程中,发现流场在低频激励条件下与中高频条件下表现完全不同.为了详细分析这一现象,使用本征正交分解法(properorthogonaldecom-position,POD)将由PIV方法测得的流速分布数据进行分解,采用相位平均手段对含湍流动能较大的主要模态间的关系进行分析,并使用主要模态对流场的主要运动形式进行还原.结果表明,流场在各条件下的主要运动形式均可用少量低阶模态加以基本概括,低频激励下低阶模态相图近似于Lissajous图形,并描述了剪切层在激励作用下的摆动过程.
简介:经过亿万年自然选择,鱼类进化出非凡高效的游动能力,研究其游动机理,对改善现有潜水器的性能具有重要指导意义.针对类鳗鱼游动问题,采用浸入边界法-格子Boltzmann方法(immersedboundary-latticeBoltzmann,IB-LBM)对三维波动翼进行1×10~8网格大规模数值模拟.在广州超算中心天河-2上模拟了不同振动幅度下正弦波动翼的非定常运动,给出了流场涡系结构及其产生的非定常力,清晰捕捉了仿生翼非定常涡系演化过程.仿真结果表明IB-LBM方法能在较大运动边界情况下保持算法稳定性,也能在较大网格下高效运行.同时精细捕捉不可压非定常流场涡系结构细节,是一种较为理想的仿生运动数值模拟方法.
简介:流体力学界面不稳定性及其后期的界面混合现象,是一种十分复杂的多尺度非线性物理问题,在惯性约束聚变、天体物理以及水中爆炸等领域有着广泛的应用前景,对该问题的研究不仅具有很高的学术价值,而且对促进相关领域的发展具有重要意义.中国工程物理研究院流体物理研究所基于Euler有限体积方法,发展了适用于可压缩多介质黏性流动具有多亚格子尺度模型的大涡模拟程序MVFT,并评估分析了不同亚格子尺度模型对界面不稳定性及界面混合的模拟能力;提出了流场非均匀性对R-M不稳定性影响的问题,并在激波驱动轻重气体双模扰动R-M界面不稳定性实验中成功应用并解读了新的实验现象和规律,在此基础上进而开展了反射激波作用下两种初始非均匀流场界面不稳定性引起的界面混合数值模拟研究,探讨了流场非均匀性对激波反射后强非线性阶段界面不稳定性发展、演化规律的影响,近期还对非均匀流场R-M不稳定性的演化规律、初始流场非均匀性和初始扰动效应及其影响的物理机制进行了分析和研究.
简介:条纹反射法是一种结构简单的三维面形检测手段,本文对该方法在智能手机、平板等移动设备中的集成和应用进行了研究。首先,对条纹反射法标定误差以及智能设备的特点进行了分析。然后,在分析实际检测中的关键误差基础上,提出了通过相机非线性定标、改善相移算法、格点位置标定、应对相机自动增益调整等一系列方法和算法,在设备现有硬件条件下提高了测量精度和稳定性;最后,使用iPadAir对直径为105mm的SiC反射面进行了实验。结果表明,标定精度在毫米量级时,对反射面的检测精度RMS值达到33μm,并且以低频误差为主,在局部高频区域检测结果有明显优势,证实了在不使用其他外部设备前提下,集成于智能平板的条纹反射法具备几十微米量级精度的检测能力。
简介:利用粒子成像测速技术(particleimagevelocimetry,PIV),在水槽中探究缝隙对圆柱流场结构的影响,应用频谱分析和本征正交分解(properorthogonaldecomposition,POD)方法,研究了开缝圆柱流场相干结构.实验Reynolds数范围内,缝隙的“吹吸”作用从根本上改变了圆柱绕流近区尾流结构,前6阶模态形态是流场中最主要的相干结构.第1,2阶模态形态控制着圆柱绕流流场涡街相继脱落过程,1或2阶模态系数为尾迹涡的固有频率;第3,4阶模态形态控制着脱落旋涡沿流向方向能量运输;第5,6阶模态形态中的同向涡旋结构作用于旋涡缓慢脱离柱体这-过程,并对旋涡能量起着衰减作用.
简介:链路预测是网络信息挖掘的主要研究内容,通过对网络结构和其他信息的分析,挖掘缺失的链接或预测未来可能出现的链接。链路预测在推荐系统、社会网络和生物网络分析中有着十分广泛的应用。本文首先介绍了基于公共邻居、路径和随机游走的8种常用的链路预测指标.并在此基础上提出了一种基于这8种指标线性组合的度量指标,并经过实验找出了较好的优化参数。然后,提出了基于这8种指标的神经网络模型.并分别基于Weka平台和FANN库进行了实现。在社会网络的4个公开测试集上的实验结果表明.基于FANN库的神经网络模型的预测结果最好,在4个数据集上最高的AUC值分别达到了0。95l8、0.9289、0.7480和0.8677,与单一指标最好的AUC值相比分别提高了3.92%、1.45%、7.06%和24.35%。
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.