CN113431702A - 超声速混合层混合增强闭环控制方法及系统 - Google Patents

超声速混合层混合增强闭环控制方法及系统 Download PDF

Info

Publication number
CN113431702A
CN113431702A CN202110685621.8A CN202110685621A CN113431702A CN 113431702 A CN113431702 A CN 113431702A CN 202110685621 A CN202110685621 A CN 202110685621A CN 113431702 A CN113431702 A CN 113431702A
Authority
CN
China
Prior art keywords
hybrid
supersonic
excitation function
enhancement
reinforcing plate
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.)
Granted
Application number
CN202110685621.8A
Other languages
English (en)
Other versions
CN113431702B (zh
Inventor
谭建国
高政旺
刘瑶
张冬冬
姚霄
肖犇
侯廙
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.)
National University of Defense Technology
Original Assignee
National University of Defense Technology
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 National University of Defense Technology filed Critical National University of Defense Technology
Priority to CN202110685621.8A priority Critical patent/CN113431702B/zh
Publication of CN113431702A publication Critical patent/CN113431702A/zh
Application granted granted Critical
Publication of CN113431702B publication Critical patent/CN113431702B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02K—JET-PROPULSION PLANTS
    • F02K1/00—Plants characterised by the form or arrangement of the jet pipe or nozzle; Jet pipes or nozzles peculiar thereto
    • F02K1/78—Other construction of jet pipes
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02K—JET-PROPULSION PLANTS
    • F02K1/00—Plants characterised by the form or arrangement of the jet pipe or nozzle; Jet pipes or nozzles peculiar thereto
    • F02K1/78—Other construction of jet pipes
    • F02K1/82—Jet pipe walls, e.g. liners
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02K—JET-PROPULSION PLANTS
    • F02K9/00—Rocket-engine plants, i.e. plants carrying both fuel and oxidant therefor; Control thereof
    • F02K9/96—Rocket-engine plants, i.e. plants carrying both fuel and oxidant therefor; Control thereof characterised by specially adapted arrangements for testing or measuring
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Feedback Control In General (AREA)

Abstract

超声速混合层混合增强闭环控制方法及系统，包括第一超声速流道、第二超声速流道、控制器、控制台、速度场测量系统以及计算机，第一超声速流道和第二超声速流道之间设置有混合增强板，混合增强板将第一超声速流道和第二超声速流道分隔开，第一股超声速气流和第二股超声速气流在混合增强板的末端外实现增强混合；控制器通过控制台将激励函数信号作用于混合增强板；速度场测量系统对混合增强板末端的流场速度进行实时测量并将测量到的数据传输给计算机，计算机中预先加载有机器学习算法，通过运行机器学习算法产生激励函数信号给控制器。本发明具有可适应宽范围工作状况、鲁棒性强、混合增强效果显著等特点。

Description

超声速混合层混合增强闭环控制方法及系统
技术领域
本发明涉及航空航天领域的混合增强控制技术领域，特别涉及一种超声速混合层混合增强闭环控制方法及系统，可以用于组合循环发动机中燃料和氧化剂混合增强的优化。
背景技术
混合层流动是工程应用中典型的流动类型，如在涡扇发动机中中心燃气与外涵空气的混合，如火箭基组合循环发动机中火箭燃气与冲压空气的混合。高效混合从而提高燃烧效率是提升这类发动机性能的关键技术之一，控制混合增强的方式主要可以分为两类：被动混合增强和主动混合增强。
被动混合增强通常是在流场中安装一些固定装置或者改变结构参数来改变流场剪切层的稳定性特征，实现混合增强。按照作用方式可以细分为两类，1)促使流动提前失稳，典型的如三角结构扰动装置和凹腔装置；2)诱导大尺度流向涡结构，常见的装置有波瓣混合器，斜坡装置，锯齿状装置以及V形装置等。但被动控制装置不能根据工况做出调整，自适应性差。
主动混合增强是指通过激励器向流场施加外部能量，激发流动不稳定性，调节混合层流场中的涡结构，促进不同流体之间的混合作用，从而实现混合增强。根据系统中是否存在反馈机制，主动控制可以分为开环控制和闭环控制两种。
开环控制系统按照预设的作用方式进行工作，不构成反馈控制，简单易操作。根据不同的激励方式可以分为平板扰动、等离子体激励和合成射流等开环控制混合增强措施。激励的频率、幅值和位置对混合层增长特性有重要影响。但开环控制系统不能根据流场的状态实时反应优化外部激励。
闭环控制混合增强技术在流场状态变化时显得特别重要，可以减少对系统变化参数和外部扰动的敏感性，鲁棒性强。但对于超声速混合层这种高维非线性特征的湍流流动而言，通过经典控制方法实现对其闭环控制仍然面临着很大的困难。
发明内容
针对现有技术存在的缺陷，本发明提供一种超声速混合层混合增强闭环控制方法及系统，其具有可适应宽范围工作状况、鲁棒性强、混合增强效果显著等特点。可以最大程度地实现发动机中超声速混合层的混合增强。
为实现上述技术目的，本发明提出的技术方案为：
本发明提供一种超声速混合层混合增强闭环控制方法，包括：
S1.搭建超声速混合层混合增强闭环控制系统；
超声速混合层混合增强闭环控制系统包括第一超声速流道、第二超声速流道、控制器、控制台、速度场测量系统以及计算机，第一超声速流道和第二超声速流道之间设置有混合增强板，混合增强板将第一超声速流道和第二超声速流道分隔开，第一股超声速气流在混合增强板的上方顺着混合增强板的长度方向流向混合增强板的末端，第二超声速气流在混合增强板的下方顺着混合增强板的长度方向流向混合增强板的末端，第一股超声速气流和第二股超声速气流在混合增强板的末端外实现增强混合；控制器连接控制台，通过向控制台发送激励函数信号，控制控制台在混合增强板靠近其末端的尾段作用于混合增强板，使得混合增强板振动；速度场测量系统对混合增强板末端的流场速度进行实时测量并将测量到的数据传输给计算机，计算机中预先加载有机器学习算法，通过运行机器学习算法产生激励函数信号给控制器，通过控制台作用于混合增强板；
S2.通过计算机中预先加载的机器学习算法初始化若干激励函数信号，作为第一代激励函数信号；
S3.控制器通过控制台将当前代激励函数信号作用于混合增强板，同时速度测量单元实时测量每个激励函数信号下的混合增强板末端的流场速度并传输给计算机；
S4.利用流场速度定义代价函数，计算当前代激励函数信号所对应的代价函数大小，评估当前代每个激励函数信号的成本代价，然后当前代激励函数信号通过复制、杂交或/和变异进行更新操作，产生新一代激励函数信号；
S5.重复S3至S4，直至达到预设停止条件。
步骤S5中，重复S3至S4，当机器学习算法中不再有更小的代价函数产生时，表示算法已经收敛，此时最小代价函数所对应的激励函数信号即超声速混合层控制混合增强的最优激励函数信号。
作为本发明的优选方案，本发明中的机器学习算法采用线性遗传规划算法。
作为本发明的优选方案，本发明中激励函数信号b的形式为：
b＝K(s(t),h(t))
其中s(t)为t时刻流场速度，h(t)为关于时间t的谐波信号，这里h(t)定义为自然频率fu或者自然频率fu的一半或者自然频率fu的两倍等：
h(t)＝[cos(2πfut) cos(πfut) cos(2πfut) cos(2πfut) cos(2πfut)]
这里的谐波信号包含正弦和余弦函数，以构成激励函数信号的相位差异，这些相位差异可以对混合层产生重要的影响。
本发明S4中，利用流场速度计算脉动速度来评估混合层的脉动能量，脉动速度由移动平均计算获得，公式为：
s′(t)＝s(t)-<s(t)>τ
其中s(t)为t时刻的流场速度，τ为移动平均时间，
Figure BDA0003124506830000031
每个激励函数信号在一定时间T内的平均累积脉动能量定义为：
Figure BDA0003124506830000032
为了实现混合层混合增强，也就是促进混合层的不稳定，则对应脉动能量K增加，因此定义混合增强的代价函数为：
J＝1/K
计算得到当前代每个激励函数信号对应的代价函数，根据当前代每个激励函数信号对应的代价函数大小，机器学习算法按照预先设定的比例进行复制、变异和杂交等更新操作，产生新一代激励函数信号。
本发明提供一种超声速混合层混合增强闭环控制系统，包括第一超声速流道、第二超声速流道、控制器、控制台、速度场测量系统以及计算机，第一超声速流道和第二超声速流道之间设置有混合增强板，混合增强板将第一超声速流道和第二超声速流道分隔开，第一股超声速气流在混合增强板的上方顺着混合增强板的长度方向流向混合增强板的末端，第二超声速气流在混合增强板的下方顺着混合增强板的长度方向流向混合增强板的末端，第一股超声速气流和第二股超声速气流在混合增强板的末端外实现增强混合；
控制器连接控制台，通过向控制台发送激励函数信号，控制控制台在混合增强板靠近其末端的尾段作用于混合增强板，使得混合增强板振动,速度场测量系统对混合增强板末端外的流场速度进行实时测量并将测量到的数据传输给计算机；
计算机中预先加载有机器学习算法，根据流场速度计算当前的激励函数信号所对应的代价函数大小，并产生新的激励函数信号给控制器，通过控制台作用于混合增强板，直至不再有更小的代价函数产生，最小代价函数所对应的激励函数信号即超声速混合层控制混合增强的最优激励函数信号。
与现有技术相比，本发明的优点在于：
1、本发明给出的超声速混合层混合增强闭环控制方案，自适应程度高、鲁棒性强。本发明克服了开环控制系统不能根据流场的状态实时反应优化外部激励的缺陷。
2、本发明通过机器学习算法全局搜寻获得的为最优激励函数信号，可以最大程度地实现混合层的混合增强，避免了人为设定频率和幅值有限的局限性。
3、由于机器学习是一种无模型的基于数据驱动的建模方法，不需要考虑复杂的因果关系，应用于超声速混合层控制时，不需要任何流体力学和非线性动力学的先验知识。因此可以推广到更多高维非线性控制系统。
附图说明
为了更清楚地说明本发明实施例中或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
图1是本发明一实施例中超声速混合层混合增强闭环控制系统的原理框架图；
图2是本发明一实施例中所采用的线性遗传规划算法工作过程示意图；
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步的说明。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚明白，下面将以附图及详细叙述清楚说明本发明所揭示内容的精神，任何所属技术领域技术人员在了解本发明内容的实施例后，当可由本发明内容所教示的技术，加以改变及修饰，其并不脱离本发明内容的精神与范围。本发明的示意性实施例及其说明用于解释本发明，但并不作为对本发明的限定。
本发明一实施例提供一种超声速混合层混合增强闭环控制方法，包括以下步骤：
S1.搭建超声速混合层混合增强闭环控制系统；
参照图1，超声速混合层混合增强闭环控制系统包括第一超声速流道1、第二超声速流道2、混合增强板3、控制器4、控制台5、速度场测量系统6以及计算机7，第一超声速流道1和第二超声速流道2之间设置有混合增强板3，本实施例中混合增强板3为设置在第一超声速流道1和第二超声速流道2之间的一块薄平板，混合增强板3将第一超声速流道1和第二超声速流道2分隔开，第一股超声速气流在混合增强板3的上方顺着混合增强板3的长度方向流向混合增强板3的末端，第二超声速气流在混合增强板3的下方顺着混合增强板3的长度方向流向混合增强板3的末端，第一股超声速气流和第二股超声速气流在混合增强板的末端外实现增强混合，本实施例中第一超声速气流中的气体为燃气如甲烷，第二超声速气流中的气体为空气。
控制器4连接控制台5，通过向控制台5发送激励函数信号b，控制控制台5在混合增强板3靠近其末端的尾段作用于混合增强板3,使得混合增强板3振动。所述控制台5采用VR9500振动控制器。
速度场测量系统6为PIV系统，PIV系统对混合增强板末端的流场速度场进行实时监测，拍摄流场速度场快照同时反馈给计算机7。计算机7中预先加载有机器学习算法，通过运行机器学习算法产生激励函数信号给控制器，通过控制台作用于混合增强板。
S2.通过计算机中预先加载的机器学习算法初始化若干激励函数信号，作为第一代激励函数信号。
第一代激励函数信号采用与蒙特卡洛类似的方法随机产生，设定其总数量为N。本实施例中的激励函数信号b的形式拟设定为：
b＝K(s(t),h(t))
其中s(t)为t时刻的流场速度，h(t)为关于时间t的谐波信号，可以定义h(t)为自然频率fu或者自然频率fu的一半或者自然频率fu的两倍等：
h(t)＝[cos(2πfut) cos(πfut) cos(2πfut) cos(2πfut) cos(2πfut)]
这里的谐波信号包含正弦和余弦函数，以构成信号的相位差异，这些相位差异可以对混合层产生重要的影响。
S3.控制器通过控制台将当前代激励函数信号作用于混合增强板，同时速度测量单元实时测量每个激励函数信号下的混合增强板末端的流场速度并传输给计算机。
S4.利用流场速度定义代价函数，计算当前代激励函数信号所对应的代价函数大小，评估当前代每个激励函数信号的成本代价，然后当前代激励函数信号通过复制、杂交或/和变异进行更新操作，产生新一代激励函数信号；
代价函数用来评估激励函数所对应的成本代价，混合层的流动状态与其所携带的能量密切相关。本发明利用速度测量单元采集到的流场速度计算脉动速度来评估混合层的脉动能量，脉动速度由移动平均计算获得，公式为：
s′(t)＝s(t)-<s(t)>τ
其中s(t)为t时刻的流场速度，τ为移动平均时间，
Figure BDA0003124506830000071
每个激励函数信号在一定时间T内的平均累积脉动能量定义为：
Figure BDA0003124506830000072
这里T为每个激励函数在实验过程中流场速度测量的时间范围，足以消除速度的偶然误差和保证K的收敛。
为了实现混合层混合增强，也就是促进混合层的不稳定，则对应脉动能量K增加，因此定义混合增强的代价函数为：
J＝1/K
计算得到当前代每个激励函数信号对应的代价函数，根据当前代每个激励函数信号对应的代价函数大小，机器学习算法按照预先设定的比例进行复制、变异和杂交等更新操作，产生新一代激励函数信号。
S5.重复S3至S4，直至达到预设停止条件。
将新一代激励函数信号再通过控制台作用于混合增强板，速度测量单元实时测量每个新一代激励函数信号下的混合增强板末端的流场速度并传输给计算机……如此重复。本实施例中的预设停止条件，当机器学习算法中不再有更小的代价函数产生时，表示算法已经收敛，此时最小代价函数所对应的激励函数信号即超声速混合层控制混合增强的最优激励函数信号。
本发明一实施例中采用的机器学习算法为线性遗传规划算法。图2为本发明一实施例中采用线性遗传规划算法工作过程示意图，首先随机初始化若干激励函数信号，作为第一代激励函数信号，每一个激励函数信号经过代价函数评估，然后通过复制、杂交和变异等操作产生新一代激励函数信号，不断重复直至达到预设停止条件。
参照图1，本实施例提供一种超声速混合层混合增强闭环控制系统，参照图1，超声速混合层混合增强闭环控制系统包括第一超声速流道1、第二超声速流道2、混合增强板3、控制器4、控制台5、速度场测量系统6以及计算机7，第一超声速流道1和第二超声速流道2之间设置有混合增强板3，本实施例中混合增强板3为设置在第一超声速流道1和第二超声速流道2之间的一块薄平板，混合增强板3将第一超声速流道1和第二超声速流道2分隔开，第一股超声速气流在混合增强板3的上方顺着混合增强板3的长度方向流向混合增强板3的末端，第二超声速气流在混合增强板3的下方顺着混合增强板3的长度方向流向混合增强板3的末端，第一股超声速气流和第二股超声速气流在混合增强板的末端外实现增强混合，本实施例中第一超声速气流中的气体为燃气如甲烷，第二超声速气流中的气体为空气。
控制器4连接控制台5，通过向控制台5发送激励函数信号，控制控制台5在混合增强板靠近其末端的尾段作用于混合增强板，使得混合增强板振动，速度场测量系统6对混合增强板末端外的流场速度进行实时测量并将测量到的数据传输给计算机；
计算机7中预先加载有机器学习算法，根据流场速度计算当前的激励函数信号所对应的代价函数大小，并产生新的激励函数信号给控制器，通过控制台作用于混合增强板，直至不再有更小的代价函数产生，最小代价函数所对应的激励函数信号即超声速混合层控制混合增强的最优激励函数信号。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.超声速混合层混合增强闭环控制方法，其特征在于，包括：
S1.搭建超声速混合层混合增强闭环控制系统；
超声速混合层混合增强闭环控制系统包括第一超声速流道、第二超声速流道、控制器、控制台、速度场测量系统以及计算机，第一超声速流道和第二超声速流道之间设置有混合增强板，混合增强板将第一超声速流道和第二超声速流道分隔开，第一股超声速气流在混合增强板的上方顺着混合增强板的长度方向流向混合增强板的末端，第二超声速气流在混合增强板的下方顺着混合增强板的长度方向流向混合增强板的末端，第一股超声速气流和第二股超声速气流在混合增强板的末端外实现增强混合；控制器连接控制台，通过向控制台发送激励函数信号，控制控制台在混合增强板靠近其末端的尾段作用于混合增强板，使得混合增强板振动；速度场测量系统对混合增强板末端的流场速度进行实时测量并将测量到的数据传输给计算机，计算机中预先加载有机器学习算法，通过运行机器学习算法产生激励函数信号给控制器，通过控制台作用于混合增强板；
S2.通过计算机中预先加载的机器学习算法初始化若干激励函数信号，作为第一代激励函数信号；
S3.控制器通过控制台将当前代激励函数信号作用于混合增强板，同时速度测量单元实时测量每个激励函数信号下的混合增强板末端外的流场速度并传输给计算机；
S4.利用流场速度定义代价函数，计算当前代激励函数信号所对应的代价函数大小，评估当前代每个激励函数信号的成本代价；然后由当前代激励函数信号通过复制、杂交或/和变异进行更新操作，产生新一代激励函数信号；
S5.重复S3至S4，直至达到预设停止条件。
2.根据权利要求1所述的超声速混合层混合增强闭环控制方法，其特征在于，速度场测量系统为PIV系统，利用PIV系统拍摄混合增强板末端外的流场速度场快照并传输给计算机。
3.根据权利要求1或2所述的超声速混合层混合增强闭环控制方法，其特征在于，步骤S5中，机器学习算法采用线性遗传规划算法。
4.根据权利要求1所述的超声速混合层混合增强闭环控制方法，其特征在于，激励函数信号b的形式为：
b＝K(s(t),h(t))
其中s(t)为t时刻流场速度，h(t)为关于时间t的谐波信号，h(t)定义为自然频率fu或者自然频率fu的一半或者自然频率fu的两倍：
h(t)＝[cos(2πfut) cos(πfut) cos(2πfut) cos(2πfut) cos(2πfut)]。
5.根据权利要求1所述的超声速混合层混合增强闭环控制方法，其特征在于，步骤S4中，利用流场速度计算脉动速度来评估混合层的脉动能量，脉动速度由移动平均计算获得，公式为：
s′(t)＝s(t)-<s(t)>τ
其中s(t)为t时刻的流场速度，τ为移动平均时间，
Figure FDA0003124506820000021
每个激励函数信号在一定时间T内的平均累积脉动能量定义为：
Figure FDA0003124506820000022
定义混合增强的代价函数为：
J＝1/K
计算得到当前代每个激励函数信号对应的代价函数。
6.根据权利要求5所述的超声速混合层混合增强闭环控制方法，其特征在于，步骤S5中，预设停止条件为：当机器学习算法中不再有更小的代价函数产生时，此时最小代价函数所对应的激励函数信号即超声速混合层控制混合增强的最优激励函数信号。
7.根据权利要求1所述的超声速混合层混合增强闭环控制方法，其特征在于，所述控制台采用VR9500振动控制器。
8.超声速混合层混合增强闭环控制系统，其特征在于：包括第一超声速流道、第二超声速流道、控制器、控制台、速度场测量系统以及计算机，第一超声速流道和第二超声速流道之间设置有混合增强板，混合增强板将第一超声速流道和第二超声速流道分隔开，第一股超声速气流在混合增强板的上方顺着混合增强板的长度方向流向混合增强板的末端，第二超声速气流在混合增强板的下方顺着混合增强板的长度方向流向混合增强板的末端，第一股超声速气流和第二股超声速气流在混合增强板的末端外实现增强混合；
控制器连接控制台，通过向控制台发送激励函数信号，控制控制台在混合增强板靠近其末端的尾段作用于混合增强板，使得混合增强板振动，速度场测量系统对混合增强板末端外的流场速度进行实时测量并将测量到的数据传输给计算机；
计算机中预先加载有机器学习算法，根据流场速度计算当前的激励函数信号所对应的代价函数大小，并产生新的激励函数信号给控制器，通过控制台作用于混合增强板，直至不再有更小的代价函数产生，最小代价函数所对应的激励函数信号即超声速混合层控制混合增强的最优激励函数信号。
9.根据权利要求8所述的超声速混合层混合增强闭环控制系统，其特征在于，所述控制台采用VR9500振动控制器，速度场测量系统为PIV系统，利用PIV系统拍摄混合增强板末端外的流场速度场快照并传输给计算机。
10.根据权利要求8所述的超声速混合层混合增强闭环控制系统，其特征在于，所述机器学习算法采用线性遗传规划算法。
CN202110685621.8A 2021-06-21 2021-06-21 超声速混合层混合增强闭环控制方法及系统 Active CN113431702B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110685621.8A CN113431702B (zh) 2021-06-21 2021-06-21 超声速混合层混合增强闭环控制方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110685621.8A CN113431702B (zh) 2021-06-21 2021-06-21 超声速混合层混合增强闭环控制方法及系统

Publications (2)

Publication Number Publication Date
CN113431702A true CN113431702A (zh) 2021-09-24
CN113431702B CN113431702B (zh) 2022-07-01

Family

ID=77756866

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110685621.8A Active CN113431702B (zh) 2021-06-21 2021-06-21 超声速混合层混合增强闭环控制方法及系统

Country Status (1)

Country Link
CN (1) CN113431702B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113960043A (zh) * 2021-10-20 2022-01-21 中国人民解放军国防科技大学 超声速/高超声速湍流时间演化特征的确定方法及装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108543486A (zh) * 2018-03-12 2018-09-18 中国人民解放军国防科技大学 一种超声速混合层控制方法
CN109139267A (zh) * 2018-09-11 2019-01-04 中国人民解放军国防科技大学 超声速流动增混装置
CN109253470A (zh) * 2018-09-11 2019-01-22 中国人民解放军国防科技大学 超声速混合增强装置
CN111649352A (zh) * 2020-06-02 2020-09-11 中国人民解放军国防科技大学 一种自持式流体振荡器及火箭基组合循环发动机
CN212359970U (zh) * 2020-05-26 2021-01-15 中国人民解放军国防科技大学 超声速流动混合增强的装置及火箭冲压组合循环发动机

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108543486A (zh) * 2018-03-12 2018-09-18 中国人民解放军国防科技大学 一种超声速混合层控制方法
CN109139267A (zh) * 2018-09-11 2019-01-04 中国人民解放军国防科技大学 超声速流动增混装置
CN109253470A (zh) * 2018-09-11 2019-01-22 中国人民解放军国防科技大学 超声速混合增强装置
CN212359970U (zh) * 2020-05-26 2021-01-15 中国人民解放军国防科技大学 超声速流动混合增强的装置及火箭冲压组合循环发动机
CN111649352A (zh) * 2020-06-02 2020-09-11 中国人民解放军国防科技大学 一种自持式流体振荡器及火箭基组合循环发动机

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张冬冬等: "超声速混合层在强迫振动下流场结构的实验研究", 《推进技术》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113960043A (zh) * 2021-10-20 2022-01-21 中国人民解放军国防科技大学 超声速/高超声速湍流时间演化特征的确定方法及装置
CN113960043B (zh) * 2021-10-20 2024-05-28 中国人民解放军国防科技大学 超声速/高超声速湍流时间演化特征的确定方法及装置

Also Published As

Publication number Publication date
CN113431702B (zh) 2022-07-01

Similar Documents

Publication Publication Date Title
Iwan et al. A model for vortex induced oscillation of structures
Gallas et al. Lumped element modeling of piezoelectric-driven synthetic jet actuators
Mahfoze et al. Reducing the skin-friction drag of a turbulent boundary-layer flow with low-amplitude wall-normal blowing within a Bayesian optimization framework
Dutton et al. Optimal supersonic ejector designs
Knisely et al. Sound radiation by supersonic unstable modes in hypersonic blunt cone boundary layers. II. Direct numerical simulation
CN109902435B (zh) 质子交换膜燃料电池建模方法、存储介质及计算机设备
CN104541136B (zh) 用来操作共振测量系统的方法
Krstic et al. Self-tuning control of a nonlinear model of combustion instabilities
CN113431702B (zh) 超声速混合层混合增强闭环控制方法及系统
Subramanian et al. Non-normality and internal flame dynamics in premixed flame–acoustic interaction
Fan et al. Optimization and sensitivity analysis of active drag reduction of a square-back Ahmed body using machine learning control
Grismer et al. Numerical predictions of oblique detonation stability boundaries
Tan et al. On the cavity-actuated supersonic mixing layer downstream a thick splitter plate
Mahdavi et al. A single unsteady DBD plasma actuator excited by applying two high voltages simultaneously for flow control
Tamanampudi et al. Development of combustion instability analysis tool by incorporating combustion response models
Zambon et al. Self-sustained acoustic-wave interactions with counterflow flames
Lin et al. Transitional criterion and hysteresis of multiple shock–shock interference
Qin et al. Fluid-structure interaction study of the splitter plate in turbine-based combined-cycle inlet system
Kim et al. Modeling pulsed-blowing systems for flow control
Saha et al. Computational Fluid Dynamics Simulation of Combustion Instability in Solid Rocket Motor: Implementation of Pressure Coupled Response Function.
Smith et al. Numerical study of the unsteady flow in a simulated solid rocket motor
Hirschberg et al. Numerical simulations based evidence of impingement free sound production during vortex-nozzle interaction in solid rocket motors
Ogawa et al. Two-dimensional computational fluid dynamics analysis of internal flow in a simplified solid rocket motor combustion chamber
Mettenleiter et al. Numerical simulation of adaptive control: Application to unstable solid rocket motors
Jacob et al. Nonlinear energy transfer applied to data analysis in combustion instability

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
GR01 Patent grant
GR01 Patent grant