CN113221404A - 多物理场耦合下压气机出口总压探针结构智能优化方法 - Google Patents

多物理场耦合下压气机出口总压探针结构智能优化方法 Download PDF

Info

Publication number
CN113221404A
CN113221404A CN202110480132.9A CN202110480132A CN113221404A CN 113221404 A CN113221404 A CN 113221404A CN 202110480132 A CN202110480132 A CN 202110480132A CN 113221404 A CN113221404 A CN 113221404A
Authority
CN
China
Prior art keywords
total pressure
pressure probe
physical
probe structure
outlet
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202110480132.9A
Other languages
English (en)
Inventor
潘慕绚
武乐群
刘杨琳
黄金泉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing University of Aeronautics and Astronautics
AECC Aero Engine Control System Institute
Original Assignee
Nanjing University of Aeronautics and Astronautics
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nanjing University of Aeronautics and Astronautics filed Critical Nanjing University of Aeronautics and Astronautics
Priority to CN202110480132.9A priority Critical patent/CN113221404A/zh
Publication of CN113221404A publication Critical patent/CN113221404A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/15—Vehicle, aircraft or watercraft design
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/17—Mechanical parametric or variational design
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/10—Numerical modelling

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Automation & Control Theory (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Structures Of Non-Positive Displacement Pumps (AREA)

Abstract

本发明提供多物理场耦合下压气机出口总压探针结构智能优化方法，包括以下步骤：步骤1)基于物理场间的耦合关系建立压气机出口总压探针流动和传热耦合数值模拟多物理场模型；步骤2)基于智能算法设计总压探针结构优化算法；步骤3)根据总压探针结构优化算法和多物理场模型设计其接口，联合进行总压探针结构参数的优化。本发明通过联合多物理场耦合数值模拟模型和优化算法进行优化，通过粒子群算法，在满足传感器敏感器件耐温限制的条件下，获得长度较短、重量较轻的总压探针结构，为总压探针的结构设计提供一种可行的方法。

Description

多物理场耦合下压气机出口总压探针结构智能优化方法
技术领域
本发明属于航空发动机控制技术领域，具体涉及多物理场耦合下压气机出口总压探针结构智能优化方法。
背景技术
压气机出口气流的总压信号具有三个特点——高温、动态响应快和气流需要快速滞止。通常发动机进口气流温度范围为-50℃～+65℃，经过压气机压缩后，其出口空气温度将高达几百摄氏度。例如，某涡扇发动机高压压气机出口气流温度可达600℃。目前大多数压力敏感元件都无法在此高温下工作。气体压力的变化与传播速度快，与发动机中温度、转速等信号相比，压力属于快变信号。当旋转失速发生时，压气机总压出现十几赫兹、几十赫兹，甚至更高频率的脉动；而喘振时，压气机中总压出现强烈的低频轴向振荡。此外，压气机出口气流轴向速度高，例如某压气机出口气流轴向速度可达180m/s，需要将高速气流滞止后才能获得总压信号。
目前国内发动机试车台和机载情况下多采用阵列型微型探头、转接用的引气管来测量压气机出口压力，存在着如下问题：
(1)测量系统延迟大，动态特性差，无法实施失速预告；
(2)单纯使用静压的判喘方案，由于缺乏和工况、引气管路、测量算法综合优化设计的研究，存在虚警率极高；
(3)发动机工况、引气管的长度、结构参数及温度的变化，影响了总压恢复系数，使得测量的压力不能准确、及时反映希望的结果。
综上可知，恶劣环境下动态总压信号的高精度、可靠传感与检测是目前压气机出口总压信号测量中急需解决的问题。
发明内容
本发明所要解决的技术问题在于克服现有技术的不足，基于发动机高压压气机压力测量的精度、耐高温、可靠性、介质兼容性的迫切需求，提供多物理场耦合下压气机出口总压探针结构智能优化方法，用于航空发动机压气机出口压力测量研究应用。
技术方案：为实现上述目的，本发明采用的技术方案为：
多物理场耦合下压气机出口总压探针结构智能优化方法，包括以下步骤：
步骤1)，基于物理场间的耦合关系建立压气机出口总压探针流动和传热耦合数值模拟多物理场模型；
步骤2)，基于智能算法设计总压探针结构优化算法；
步骤3)，根据总压探针结构优化算法和多物理场模型设计其接口，联合进行总压探针结构参数的优化。
进一步的，所述步骤1)中的多物理场模型建立平台为COMSOL Multiphysics，具体步骤如下：
步骤1.1)，建立参数节点，将多物理场模型中所需数据进行参数化并写入建立的参数节点；
步骤1.2)，建立总压探针及其所处内外涵道和压气机机匣的3D模型；
步骤1.3)，设置内外涵道材料为空气，总压探针和压气机机匣的材料为结构钢；
步骤1.4)，根据所研究物理问题添加物理场为固体和流体传热以及湍流(k-ε)，多物理场为非等温流动，并设置物理场边界条件和多物理场耦合接口；
步骤1.5)，根据物理场与多物理场划分网格；
步骤1.6)，根据所研究物理问题添加编译方程并配置求解器。
进一步的，所述步骤1.5)中的具体步骤如下：
步骤1.5.1)，总压探针部分网格采用扫掠生成器生成结构化六面体网格；
步骤1.5.2)，压气机机匣和内外涵部分采用自由四面体网格生成器生成四面体网格；
步骤1.5.3)，在内外涵部分采用边界层网格生成器生成附面层网格。
进一步的，所述步骤2)中的具体步骤如下：
步骤2.1)，初始优化参数，即设计总压探针结构初始参数，设计参数上下界并生成初始粒子群；
步骤2.2)，设计参数约束和目标函数；
步骤2.3)，设计粒子群算法迭代终止条件，最大迭代次数为imax和目标函数容差σ，即当迭代次数i≥imax或者目标函数容差fi,min-fi-1,min＜σ时优化迭代结束，其中fi,min为第i代中的最小目标函数。
进一步的，所述步骤2.1)中的具体步骤如下：
步骤2.1.1)，优化参数为x＝(s'，s，n,δ，r2，Lzg)，其中s'为肋片与压气机机匣外壁的距离，s为肋片间距，n为肋片个数，δ为肋片厚度，r2为肋片外径，Lzg为总压探针在外涵部分长度；
步骤2.1.2)，设计初始优化参数x0＝(s'0,s0,n0,δ0,r2，0，Lzg，0)使得总压探针结构参数次优，即在满足传感器温度限制的条件下总压探针尺寸较小、重量较轻；
步骤2.1.3)，设计优化参数上界ub＝(s'max，smax,nmax,δmax,r2,max,Lzg,max)，下界；lb＝(s'min,smin,nmin,δmin,r2,min,Lzg,min)；
步骤2.1.4)，粒子数为pnum，以x0为中心，以ub和lb为上下界成正态分布生成初始粒子群。
进一步的，所述步骤2.2)中的具体步骤如下：
步骤2.2.1)，为保证几何结构成立，设计优化参数约束为n*s+s0≤Lzg；
步骤2.2.2)，设计目标函数为：
Figure BDA0003048883180000031
其中m为总压探针的质量，m0为初始参数下总压探针的质量，Lzg0为初始参数下总压探针在外涵部分长度，Te为总压探针中传感器处温度，Td为所期望的总压探针中传感器处的温度，Tm为传感器压力敏感元件的耐受温度，k为一常数，fc为惩罚目标函数，为一个较大的常数，可取fc≥10。
进一步的，所述步骤3)中的具体步骤如下：
步骤3.1)，通过COMSOL提供的API接口LiveLink for MATLAB将总压探针结构优化算法中确定的总压探针的结构参数写入步骤1中建立的总压探针流动和传热数值模拟多物理场模型的参数节点中；
步骤3.2)，多物理场模型计算完成后，总压探针结构优化算法再通过LiveLinkfor MATLAB接口读取数值模拟计算结果，计算步骤2中的目标函数，并完成一次迭代，更新总压探针结构参数；
步骤3.3)，在总压探针结构优化算法的迭代中，如果满足迭代终止条件时，则停止优化，得到优化后的总压探针结构参数。
有益效果：本发明提供的基于数值模拟的压气机出口总压探针结构参数优化方法，采用以上技术方案与现有技术相比，具有以下技术效果：
(1)本发明实现了数值模拟模型和粒子群算法的联合优化，结合了数值计算的准确性和粒子群算法的寻优能力，而且通过生成结构化网格和初始优化参数的选取减少整体优化过程的耗时，增强本发明的实用性。
(2)本发明通过联合优化，在满足传感器敏感器件耐温限制下，获得长度较短、重量较轻的总压探针结构，为发动机控制系统节约重量，为总压探针的设计提供一种可行的方法。
附图说明
图1是多物理场耦合下压气机出口总压探针结构智能优化方法的流程图。
图2是总压探针流动与传热仿真模型的建立流程图。
图3是一种新型的压气机出口总压传感器结构示意图，1为总压探针，2为压力敏感器件，3为信号处理模块，4为压力壳体，5为固定座，6为信号线连接器。
图4是总压探针结构示意图。
图5是总压探针及其所处内外涵道和压气机机匣的3D模型。
图6是总压探针部分的结构化网格。
图7是粒子群算法的流程图。
图8是COMSOL Multiphysics和MATLAB联合仿真的流程图。
具体实施方式
下面结合附图和实施例对本发明作进一步说明。根据下述实施例，可以更好的理解本发明。然而，本领域的技术人员容易理解，实施例所描述的具体的物料配比、工艺条件及其结果仅用于说明本发明，而不应当也不会限制权利要求书中所详细描述的本发明。
本发明为多物理场耦合下压气机出口总压探针结构智能优化方法，流程如图1所示，本发明通过联合数值计算软件COMSOL Multiphysics和数学分析软件MATLAB进行优化，通过粒子群优化算法，在满足传感器敏感器件耐温限制的条件下，获得长度较短、重量较轻的总压探针结构，包括以下步骤：
步骤1)，基于物理场间的耦合关系建立压气机出口总压探针流动和传热耦合数值模拟多物理场模型，模型建立平台为COMSOL Multiphysics，流程如图2所示，包括以下步骤：
步骤1.1)，建立参数节点，将多物理场模型中所需数据进行参数化并写入建立的参数节点；图3为一种新型的压气机出口总压传感器结构，其创新地将内涵高温气流引至外涵，并设计强化散热结构，利用外涵较低温气流对探针内气体进行冷却，从而满足传感器敏感器件的温度限制，本发明针对其总压探针部分进行结构参数优化，总压探针结构如图4所示，所建立参数节点包含参数如表所示，表中发动机状态参数为H＝8km,Ma＝1.6,nH,cor＝100％时的取值，此时压气机出口温度最高，总压探针工作环境最恶劣。
表1参数节点中所含参数
Figure BDA0003048883180000051
步骤1.2)，建立总压探针及其所处内外涵道和压气机机匣的3D模型如图5所示；
步骤1.3)，设置内外涵道材料为空气，总压探针和压气机机匣的材料为结构钢；
步骤1.4)，根据所研究物理问题添加物理场为固体和流体传热以及湍流(k-ε)，多物理场为非等温流动，并设置物理场边界条件和多物理场耦合接口；
步骤1.5)，根据物理场与多物理场划分网格，具体步骤如下：
步骤1.5.1)，总压探针部分网格采用扫掠生成器生成结构化六面体网格如图6所示；
步骤1.5.2)，压气机机匣和内外涵部分采用自由四面体网格生成器生成四面体网格；
步骤1.5.3)，在内外涵部分采用边界层网格生成器生成附面层网格；
步骤1.6)，根据所研究物理问题添加编译方程并配置求解器；
步骤2)，基于智能算法设计总压探针结构优化算法，本实施例使用粒子群算法，其流程如图7所示，其具体步骤如下：
步骤2.1)，初始优化参数，即设计总压探针结构初始参数，设计参数上下界并生成初始粒子群，具体步骤如下：
步骤2.1.1)，优化参数为x＝(s',s,n,δ,r2,Lzg)，其中s'为肋片与压气机机匣外壁的距离，s为肋片间距，n为肋片个数，δ为肋片厚度，r2为肋片外径，Lzg为总压探针在外涵部分长度；
步骤2.1.2)，设计初始优化参数x0＝(s'0,s0,n0,δ0,r2,0,Lzg,0)，使得总压探针结构参数次优，经过仿真选取初始优化参数x0＝(1,3,2,0.5,8,10)；
步骤2.1.3)，设计优化参数上界ub＝(s'max,smax,nmax,δmax,r2,max,Lzg,max)，下界；lb＝(s'min,smin,nmin,δmin,r2,min,Lzg,min)，其中上界取ub＝(3,5,5,2,20,15)，下界取lb＝(0.1,0.1,1,0.4,4,5)；
步骤2.1.4)，粒子数为pnum，以x0为中心，以ub和lb为上下界成均匀分布生成初始粒子群，其中粒子数取pnum＝20；
步骤2.2)，设计参数约束和目标函数，具体步骤如下：
步骤2.2.1)，为保证几何结构成立，设计优化参数约束为n*s+s0≤Lzg；
步骤2.2.2)，设计目标函数为：
Figure BDA0003048883180000061
其中m为总压探针的质量，m0为初始参数下总压探针的质量，本实施例取m0＝4.923E-3kg，Lzg为总压探针在外涵部分长度，Lzg0为初始参数下总压探针在外涵部分长度，本实施例取Lzg0＝10mm，Te为总压探针中传感器处温度，Td为所期望的总压探针中传感器处的温度，Tm为传感器压力敏感元件的耐受温度，k为一常数，本实施例取Tm＝673K、Td＝650K、
Figure BDA0003048883180000062
fc为惩罚目标函数，是一个较大的常数，本实施例取fc＝10；
步骤2.3)，设计粒子群算法迭代终止条件，最大迭代次数为imax和目标函数容差σ，即当迭代次数i≥imax或者目标函数容差fi,min-fi-1,min＜σ时优化迭代结束，其中fi,min为第i代中的最小目标函数，本实施例中取imax＝100，σ＝1E-3；
步骤3)，通过LiveLink for MATLAB接口连接COMSOL与MATLAB，联合进行总压探针结构参数的优化，流程如图8所示；
步骤3.1)，通过COMSOL提供的API接口LiveLink for MATLAB将总压探针结构优化算法中确定的总压探针的结构参数写入步骤1中建立的总压探针流动和传热数值模拟多物理场模型的参数节点中；
步骤3.2)，多物理场模型计算完成后，总压探针结构优化算法再通过LiveLinkfor MATLAB接口读取数值模拟计算结果，计算步骤2中的目标函数，并完成一次迭代，更新总压探针结构参数；
步骤3.3)，在总压探针结构优化算法的迭代中，如果满足迭代终止条件时，则停止优化，得到优化后的总压探针结构参数。
优化后得到的总压探针结构参数为x1＝(3,5,1,0.5,5.64,14.7)，x＝x1时总压探针质量m1＝4.27E-3kg、总压探针在外涵部分长度Lzg1＝14.7mm、总压探针中传感器处温度Te1＝652K，此时目标函数f1＝2.35，而x＝x0＝(1,3,3,0.5,8,10)时总压探针质量m0＝4.923E-3kg、总压探针在外涵部分长度Lzg0＝10mm、总压探针中传感器处温度Te＝681K，此时目标函数f0＝3.35。

Claims (7)

1.一种多物理场耦合下压气机出口总压探针结构智能优化方法，其特征在于，包括以下步骤：
步骤1)，基于物理场间的耦合关系建立压气机出口总压探针流动和传热耦合数值模拟多物理场模型；
步骤2)，基于智能算法设计总压探针结构优化算法；
步骤3)，根据总压探针结构优化算法和多物理场模型设计其接口，联合进行总压探针结构参数的优化。
2.根据权利要求1所述的多物理场耦合下压气机出口总压探针结构智能优化方法，其特征在于：所述步骤1)中的多物理场模型建立平台为COMSOL Multiphysics，具体步骤如下：
步骤1.1)，建立参数节点，将多物理场模型中所需数据进行参数化并写入建立的参数节点；
步骤1.2)，建立总压探针及其所处内外涵道和压气机机匣的3D模型；
步骤1.3)，设置总压探针、内外涵道和压气机机匣的材料；
步骤1.4)，根据所研究物理问题添加物理场和多物理场，并设置物理场边界条件和多物理场耦合接口；
步骤1.5)，根据物理场与多物理场划分网格；
步骤1.6)，根据所研究物理问题添加编译方程并配置求解器。
3.根据权利要求1所述的多物理场耦合下压气机出口总压探针结构智能优化方法，其特征在于：所述步骤2)的具体步骤如下：
步骤2.1)，初始优化参数，即设计总压探针结构初始参数，设计参数上下界并生成初始粒子群；
步骤2.2)，设计参数约束和目标函数；
步骤2.3)，设计粒子群迭代终止条件，即最大迭代次数和函数容差。
4.根据权利要求2所述的多物理场耦合下压气机出口总压探针结构智能优化方法，其特征在于：所述步骤3)中的具体步骤如下：
步骤3.1)，通过COMSOL提供的API接口LiveLink for MATLAB将总压探针结构优化算法中确定的总压探针的结构参数写入步骤1)中建立的总压探针流动和传热数值模拟多物理场模型的参数节点中；
步骤3.2)，多物理场模型计算完成后，总压探针结构优化算法再通过LiveLink forMATLAB接口读取数值模拟计算结果，计算步骤2)中的目标函数，并完成一次迭代，更新总压探针结构参数；
步骤3.3)，在总压探针结构优化算法的迭代中，如果满足迭代终止条件时，则停止优化，得到优化后的总压探针结构参数。
5.根据权利要求2所述的多物理场耦合下压气机出口总压探针结构智能优化方法，其特征在于：所述步骤1.5)中的具体步骤如下：
步骤1.5.1)，总压探针部分网格采用扫掠生成器生成结构化六面体网格；
步骤1.5.2)，压气机机匣和内外涵部分采用自由四面体网格生成器生成四面体网格；
步骤1.5.3)，在内外涵部分采用边界层网格生成器生成附面层网格。
6.根据权利要求3所述的多物理场耦合下压气机出口总压探针结构智能优化方法，其特征在于：所述步骤2.1)中的具体步骤如下：
步骤2.1.1)，优化参数为x＝(s',s,n,δ,r2,Lzg)，其中s'为肋片与压气机机匣外壁的距离，s为肋片间距，n为肋片个数，δ为肋片厚度，r2为肋片外径，Lzg为总压探针在外涵部分长度；
步骤2.1.2)，设计初始优化参数x0＝(s'0,s0,n0,δ0,r2,0,Lzg,0)；
步骤2.1.3)，设计优化参数上界ub＝(s'max,smax,nmax,δmax,r2,max,Lzg,max)，下界；lb＝(s'min,smin,nmin,δmin,r2,min,Lzg,min)；
步骤2.1.4)，粒子数为pnum，以x0为中心，以ub和lb为上下界成正态分布生成初始粒子群。
7.根据权利要求6所述的多物理场耦合下压气机出口总压探针结构智能优化方法，其特征在于：所述步骤2.2)中的具体步骤如下：
步骤2.2.1)，为保证几何结构成立，设计优化参数约束为n*s+s0≤Lzg；
步骤2.2.2)，设计目标函数为：
Figure FDA0003048883170000021
其中m为总压探针的质量，m0为初始参数下总压探针的质量，Lzg0为初始参数下总压探针在外涵部分长度，Te为总压探针中传感器处温度，Td为所期望的总压探针中传感器处的温度，Tm为传感器压力敏感元件的耐受温度，k为常数，fc为惩罚目标函数。
CN202110480132.9A 2021-04-30 2021-04-30 多物理场耦合下压气机出口总压探针结构智能优化方法 Pending CN113221404A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110480132.9A CN113221404A (zh) 2021-04-30 2021-04-30 多物理场耦合下压气机出口总压探针结构智能优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110480132.9A CN113221404A (zh) 2021-04-30 2021-04-30 多物理场耦合下压气机出口总压探针结构智能优化方法

Publications (1)

Publication Number Publication Date
CN113221404A true CN113221404A (zh) 2021-08-06

Family

ID=77090370

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110480132.9A Pending CN113221404A (zh) 2021-04-30 2021-04-30 多物理场耦合下压气机出口总压探针结构智能优化方法

Country Status (1)

Country Link
CN (1) CN113221404A (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106650125A (zh) * 2016-12-28 2017-05-10 湘潭大学 一种离心压气机叶轮的优化方法和系统
CN107704705A (zh) * 2017-10-24 2018-02-16 广东唯金智能环境科技有限公司 一种基于kriging模型的空气源热泵热水器冷凝管的优化方法
CN110348124A (zh) * 2019-07-11 2019-10-18 中国海洋大学 一种用于波浪能俘获的球形摩擦纳米发电机的多物理场耦合建模方法
CN111625929A (zh) * 2020-04-28 2020-09-04 中国石油大学(华东) 一种多物理场耦合作用下sofc数值模拟方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106650125A (zh) * 2016-12-28 2017-05-10 湘潭大学 一种离心压气机叶轮的优化方法和系统
CN107704705A (zh) * 2017-10-24 2018-02-16 广东唯金智能环境科技有限公司 一种基于kriging模型的空气源热泵热水器冷凝管的优化方法
CN110348124A (zh) * 2019-07-11 2019-10-18 中国海洋大学 一种用于波浪能俘获的球形摩擦纳米发电机的多物理场耦合建模方法
CN111625929A (zh) * 2020-04-28 2020-09-04 中国石油大学(华东) 一种多物理场耦合作用下sofc数值模拟方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
向宏辉等: "叶型探针对轴流压气机性能试验结果的影珍", 燃气涡轮试验与研究, 30 November 2008 (2008-11-30) *
潘慕绚等: "涡扇发动机多动力学建模方法", 航空学报, 31 May 2019 (2019-05-31) *

Similar Documents

Publication Publication Date Title
US11620415B2 (en) And manufacture of generalized flow profile-producing devices
Asim et al. Improved design of a multi-stage continuous-resistance trim for minimum energy loss in control valves
Galindo et al. Development and validation of a radial variable geometry turbine model for transient pulsating flow applications
CN115879396B (zh) 高空模拟试车台进气前室流程化一维气动设计方法
Restemeier et al. Numerical and experimental analysis of the effect of variable blade row spacing in a subsonic axial turbine
CN113051661A (zh) 基于微小容腔多动力学的高温气流动态总压智能软测量方法
CN113701984B (zh) 高超声速风洞扩压器及其设计方法
Van Rooij et al. Improving aerodynamic matching of axial compressor blading using a three-dimensional multistage inverse design method
CN115470726A (zh) 一种基于深度学习的高超声速进气道流场快速预测方法
CN111611698A (zh) 一种超薄体传热仿真方法
Castorrini et al. Simulation of the deposit evolution on a fan blade for tunnel ventilation
CN113987694A (zh) 一种基于空间推进算法的旋转爆震发动机流场参数分布预测方法
CN113221404A (zh) 多物理场耦合下压气机出口总压探针结构智能优化方法
CN116680948A (zh) 一种发动机逼喘试验的仿真方法和装置
Sanders et al. CFD performance predictions of a serpentine diffuser configuration in an annular cascade facility
Babcock et al. Summary of the 4th Propulsion Aerodynamics Workshop: S-duct Results
CN113536640B (zh) 一种基于正交试验的布风器内部流道结构的优化设计方法
Huang et al. Numerical simulation and experimental verification of the front air intake system of heavy trucks based on fluid-solid coupling and discrete phase models
Asghar et al. S-Duct Diffuser Offset-to-Length Ratio Effect on Aerodynamic Performance of Propulsion-System Inlet of High Speed Aircraft
CN115575074A (zh) 一种高速风洞通气模型内阻测量不确定度分析方法
Zieße et al. Validation of a Synthetic-Eddy Method for Modelling Incoming Wakes in Scale-Resolving Simulations of Turbomachinery Cascades
Broatch et al. An automatized methodology to generate velocity distortion panels for wind tunnel testing
CN114077775B (zh) 一种面向航空发动机的动态压力智能测量方法
Wang et al. Experimental and numerical study of developing turbulent flow and heat transfer in convergent/divergent square ducts
CN113804450B (zh) 一种飞机室内试验用排气管道参数优化方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right

Effective date of registration: 20221101

Address after: No. 29, Qinhuai District, Qinhuai District, Nanjing, Jiangsu

Applicant after: Nanjing University of Aeronautics and Astronautics

Applicant after: AECC AERO ENGINE CONTROL SYSTEM INSTITUTE

Address before: No. 29, Qinhuai District, Qinhuai District, Nanjing, Jiangsu

Applicant before: Nanjing University of Aeronautics and Astronautics

TA01 Transfer of patent application right