CN114993609A - 预测变雷诺数钝锥转捩位置的方法、介质、处理器及设备 - Google Patents

预测变雷诺数钝锥转捩位置的方法、介质、处理器及设备 Download PDF

Info

Publication number
CN114993609A
CN114993609A CN202210942064.8A CN202210942064A CN114993609A CN 114993609 A CN114993609 A CN 114993609A CN 202210942064 A CN202210942064 A CN 202210942064A CN 114993609 A CN114993609 A CN 114993609A
Authority
CN
China
Prior art keywords
transition
reynolds number
experiment
blunt
processor
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
CN202210942064.8A
Other languages
English (en)
Other versions
CN114993609B (zh
Inventor
段茂昌
李仕博
涂国华
万兵兵
李晓虎
陈坚强
袁先旭
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.)
Computational Aerodynamics Institute of China Aerodynamics Research and Development Center
Original Assignee
Computational Aerodynamics Institute of China Aerodynamics Research and Development Center
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 Computational Aerodynamics Institute of China Aerodynamics Research and Development Center filed Critical Computational Aerodynamics Institute of China Aerodynamics Research and Development Center
Priority to CN202210942064.8A priority Critical patent/CN114993609B/zh
Publication of CN114993609A publication Critical patent/CN114993609A/zh
Application granted granted Critical
Publication of CN114993609B publication Critical patent/CN114993609B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M9/00—Aerodynamic testing; Arrangements in or on wind tunnels
    • G01M9/06—Measuring arrangements specially adapted for aerodynamic testing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Algebra (AREA)
  • Evolutionary Biology (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Fluid Mechanics (AREA)
  • Aerodynamic Tests, Hydrodynamic Tests, Wind Tunnels, And Water Tanks (AREA)

Abstract

本发明公开了一种预测变雷诺数钝锥转捩位置的方法、介质、处理器及设备，属于空气动力学技术领域，包括步骤：S1，通过风洞实验获得两组不同单位雷诺数的对应实验转捩位置；S2，获得步骤S1中两组实验转捩位置的钝锥转捩雷诺数；S3，拟合曲线计算自参数；S4，获得待求单位雷诺数下的钝锥转捩雷诺数；S5，获得预测转捩位置。本发明针对钝锥，只需在同一风洞下获得两组不同雷诺数的转捩数据，即可外推预测其他雷诺数下的转捩结果，具有非常重要的工程价值。

Description

预测变雷诺数钝锥转捩位置的方法、介质、处理器及设备
技术领域
本发明涉及空气动力学技术领域，更为具体的，涉及一种预测变雷诺数钝锥转捩位置的方法、介质、处理器及设备。
背景技术
在高超声速流动中，当来流雷诺数大于某一临界值，边界层流动状态便会从层流转变为湍流。研究表明，高超声速条件下湍流边界层的壁面摩阻与壁面热流通常比层流边界层大3-5倍，所以，准确预测转捩位置对高超声速飞行器的气动/热防护设计和飞行控制至关重要。
目前，预测边界层转捩的手段主要有风洞实验、数值模拟以及飞行试验。其中飞行试验成本高昂，而风洞实验和计算机无法完全模拟真实飞行条件下的工况。所以，有必要开展边界层转捩数据关联和预测的工作。
现有方案中，我国中科院力学所的罗长童、姜宗林等人提出了五种高超声速风洞实验数据分析与关联的方法，分别是：①响应面对齐法、②相关阵图法、③子空间分析法、④权衡分析法、⑤模型残量法。但这些方法主要是基于数据结果进行分析，没有考虑影响转捩的变量之间物理原理。北京航空航天大学的张雯、刘沛清等人提出了一种利用小波变换的风洞实验转捩数据分析方法，但该方法主要针对于平板，无法推广至圆锥等其他类高超声速飞行器的外形。
真实飞行器的转捩过程非常复杂，影响转捩的流场参数众多，预测边界层转捩的 理论还很不成熟。现目前比较通用的转捩预测eN方法采取临界转捩N值
Figure 442822DEST_PATH_IMAGE001
预测不同流动 条件下的转捩位置，但由于该转捩判据强烈依赖于工况条件，当流动条件发生较大变化时 预测误差会比较大。
近年，美国阿诺德工程发展中心（简称：AEDC）的Marineau等人提出了一种基于风洞噪声频谱和边界层转捩幅值的测量结果进行转捩预测的方法，但该方法依赖高精度的压力脉动测量，对实验设备较高。
综上，国内国际上针对依赖于物理规律的高超声速边界层转捩的风洞实验数据的关联和预测方法仍较局限，因此有必要提出一种高效的、普遍的、有理论支撑的风洞转捩数据关联和预测的新方法，以满足与日俱增的高超声速飞行器设计需求。
发明内容
本发明的目的在于克服现有技术的不足，提供一种预测变雷诺数钝锥转捩位置的方法、介质、处理器及设备，只需在同一风洞下获得两组不同雷诺数的转捩数据，即可外推预测其他雷诺数下的转捩结果，具有非常重要的工程价值。
本发明的目的是通过以下方案实现的：
一种预测变雷诺数钝锥转捩位置的方法，包括转捩数据关联步骤：
S1，通过风洞实验分别获得第一单位雷诺数
Figure 828804DEST_PATH_IMAGE002
、第二单位雷诺数
Figure 77382DEST_PATH_IMAGE003
的对应 实验转捩位置，并分别记为第一实验转捩位置
Figure 941433DEST_PATH_IMAGE004
、第二实验转捩位置
Figure 473915DEST_PATH_IMAGE005
；
S2，在该步骤中，目的是获得步骤S1中两组实验转捩位置的钝锥转捩雷诺数
Figure 765219DEST_PATH_IMAGE006
， 具体包括子步骤：根据公式
Figure 501093DEST_PATH_IMAGE007
计算获得第一钝锥转捩雷诺数
Figure 168835DEST_PATH_IMAGE008
、第二 钝锥转捩雷诺数
Figure 552893DEST_PATH_IMAGE009
；其中，
Figure 15099DEST_PATH_IMAGE010
表示单位雷诺数，
Figure 503849DEST_PATH_IMAGE011
表示实验转捩位置；
S3，在该步骤中，目的是拟合曲线获得待求参数
Figure 444123DEST_PATH_IMAGE012
和待求参数
Figure 951197DEST_PATH_IMAGE013
，具体包括子步 骤：将第一单位雷诺数
Figure 849882DEST_PATH_IMAGE002
、第二单位雷诺数
Figure 560350DEST_PATH_IMAGE003
和第一钝锥转捩雷诺数
Figure 304315DEST_PATH_IMAGE008
、第二钝 锥转捩雷诺数
Figure 665895DEST_PATH_IMAGE009
代入如下公式进行最小二乘拟合：
Figure 469903DEST_PATH_IMAGE014
即获得该风洞下的第一待求参数
Figure 667666DEST_PATH_IMAGE012
和第二待求参数
Figure 215322DEST_PATH_IMAGE013
；
在经过步骤S1~步骤S3完成转捩数据关联后，进入转捩数据预测步骤。
进一步地，所述转捩数据预测步骤，包括子步骤：
S4，在该步骤中，目的是获得待求第三单位雷诺数
Figure 431408DEST_PATH_IMAGE015
下的第三钝锥转捩雷诺数
Figure 671897DEST_PATH_IMAGE016
，具体包括子步骤：将步骤S3中求出的
Figure 91377DEST_PATH_IMAGE012
、
Figure 442724DEST_PATH_IMAGE013
以及
Figure 529628DEST_PATH_IMAGE015
代入如下公式：
Figure 927636DEST_PATH_IMAGE014
即求出第三钝锥转捩雷诺数
Figure 99992DEST_PATH_IMAGE016
；
S5，在该步骤中，目的是利用
Figure 989450DEST_PATH_IMAGE016
获得预测转捩位置
Figure 930861DEST_PATH_IMAGE017
，具体包括子步骤：利用 公式
Figure 762420DEST_PATH_IMAGE018
，
Figure 156492DEST_PATH_IMAGE017
即是预测的第三单位雷诺数
Figure 849642DEST_PATH_IMAGE015
下的转捩位置。
进一步地，在步骤S1中，风洞实验过程中控制在同一风洞下，仅改变单位雷诺数
Figure 645559DEST_PATH_IMAGE010
进行钝锥转捩实验，控制马赫数
Figure 648019DEST_PATH_IMAGE019
、头部钝度
Figure 529388DEST_PATH_IMAGE020
、壁温比
Figure 26228DEST_PATH_IMAGE021
、攻角
Figure 676652DEST_PATH_IMAGE022
实验条件均相 同。
一种可读存储介质，存储有计算机程序，该程序被处理器执行时实现如上任一所述的方法。
一种处理器，处理器用于运行程序，该程序运行时执行实现如上任一所述的方法。
一种计算机设备，包括存储器、处理器及存储在存储器上并能在处理器上运行的计算机程序，处理器执行所述程序时实现如上任一所述的方法。
本发明的有益效果包括：
本发明针对钝锥（头部钝度较大的锥体），只需在同一风洞下获得两组不同雷诺数的转捩数据，即可外推预测其他雷诺数下的转捩结果，具有非常重要的工程价值。
本发明基于影响转捩的变量之间的物理关系规律，不需要高精度的压力脉动测量以及稳定性分析，不需要进行基本流场以及流场稳定性计算，仅需要两组变雷诺数的风洞转捩数据，就可以快速获得其他雷诺数下钝锥的转捩位置，可以应用于风洞实验数据的外推，为高超声速边界层转捩预测、天地相关性研究提供了一种新的方法。
附图说明
为了更清楚地说明本发明实施例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人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明拟合曲线的关联效果图，横坐标
Figure 584434DEST_PATH_IMAGE010
是单位雷诺数，纵坐标
Figure 953099DEST_PATH_IMAGE006
是钝 锥转捩雷诺数；图中，Case 1&2&3表示实验序号为1、2和3的实验数据，Case 4表示实验序号 为4的实验数据，Fit Line表示拟合曲线。
具体实施方式
本说明书中所有实施例公开的所有特征，或隐含公开的所有方法或过程中的步骤，除了互相排斥的特征和/或步骤以外，均可以以任何方式组合和/或扩展、替换。
实施例中，在寻求解决背景中技术问题的过程中，本发明针对高超声速飞行器设计对变雷诺数来流导致不同转捩位置结果的预测需求，提出了一种基于风洞实验数据和影响转捩变量之间物理关系的钝锥边界层转捩位置的预测方案。
在实施方式中，高超声速飞行时来流雷诺数（简称：雷诺数）变化范围大，导致转捩 位置存在较大的变化，因此进行高超声速飞行器设计需要考虑变雷诺数下的转捩位置。本 发明实施例基于少量的风洞转捩实验数据，结合稳定性雷诺数
Figure 988051DEST_PATH_IMAGE023
等影响转捩的变量之间的 关系，通过曲线拟合，即可预测变雷诺数下的转捩结果。
本发明的技术构思：同一风洞下，钝锥转捩雷诺数
Figure 758561DEST_PATH_IMAGE024
和头部钝度雷诺数
Figure 853556DEST_PATH_IMAGE025
具 有如下关系：
Figure 690275DEST_PATH_IMAGE026
其中，转捩雷诺数
Figure 794497DEST_PATH_IMAGE027
，头部钝度雷诺数
Figure 153934DEST_PATH_IMAGE028
，
Figure 419831DEST_PATH_IMAGE010
表示单位雷诺数，
Figure 746776DEST_PATH_IMAGE011
表示实验转捩位置，
Figure 389110DEST_PATH_IMAGE029
表示头部钝度。定义转捩位置的稳定性雷诺数
Figure 868632DEST_PATH_IMAGE030
，当
Figure 305430DEST_PATH_IMAGE029
不变，
Figure 119671DEST_PATH_IMAGE025
改变仅由
Figure 300117DEST_PATH_IMAGE010
引起时有：
Figure 634146DEST_PATH_IMAGE031
Figure 241845DEST_PATH_IMAGE032
为双对数坐标下的直线斜率，
Figure 543382DEST_PATH_IMAGE033
为常数；
经过整理，可得
Figure 261940DEST_PATH_IMAGE006
和
Figure 716055DEST_PATH_IMAGE010
具有以下关系：
Figure 760234DEST_PATH_IMAGE034
Figure 551997DEST_PATH_IMAGE035
表示“正比于”；
所以在同一风洞下变雷诺数时
Figure 74245DEST_PATH_IMAGE006
和
Figure 382867DEST_PATH_IMAGE036
呈线性关系。设：
Figure 332368DEST_PATH_IMAGE037
利用同一风洞不同雷诺数下的两组转捩数据的
Figure 342918DEST_PATH_IMAGE006
，即可求得
Figure 668858DEST_PATH_IMAGE012
和
Figure 97565DEST_PATH_IMAGE013
，进而获得 其他雷诺数下的
Figure 952388DEST_PATH_IMAGE006
。
Figure 732126DEST_PATH_IMAGE012
、
Figure 845444DEST_PATH_IMAGE013
为待求参数。
本发明的具体实施步骤：以下如未特殊说明，均表示在同一风洞下，仅改变单位雷 诺数
Figure 863079DEST_PATH_IMAGE010
进行钝锥转捩实验，控制马赫数、头部钝度
Figure 419962DEST_PATH_IMAGE020
、壁温比
Figure 155837DEST_PATH_IMAGE021
、攻角
Figure 72846DEST_PATH_IMAGE022
等其他实验条件 均相同。
步骤①：通过风洞实验获得两组不同单位雷诺数
Figure 944987DEST_PATH_IMAGE002
、
Figure 672772DEST_PATH_IMAGE003
的转捩位置。将以上 两组转捩位置记为
Figure 895943DEST_PATH_IMAGE004
、
Figure 348134DEST_PATH_IMAGE005
。
步骤②：获得步骤①中两组实验的
Figure 605940DEST_PATH_IMAGE006
。计算
Figure 504626DEST_PATH_IMAGE007
，即可获得
Figure 949513DEST_PATH_IMAGE008
、
Figure 208325DEST_PATH_IMAGE009
。
步骤③：拟合曲线获得待求参数
Figure 320638DEST_PATH_IMAGE012
和
Figure 124646DEST_PATH_IMAGE013
。将
Figure 322409DEST_PATH_IMAGE002
、
Figure 135644DEST_PATH_IMAGE003
和
Figure 351731DEST_PATH_IMAGE008
、
Figure 326640DEST_PATH_IMAGE009
代入公式 (4)进行最小二乘拟合，即可获得该风洞下的参数
Figure 11699DEST_PATH_IMAGE012
和
Figure 363046DEST_PATH_IMAGE013
。
以上，为转捩数据的关联步骤。以下为转捩的预测步骤：
步骤④：获得待求单位雷诺数
Figure 433639DEST_PATH_IMAGE015
下的
Figure 845029DEST_PATH_IMAGE016
。将步骤③中求出的
Figure 17384DEST_PATH_IMAGE012
、
Figure 906843DEST_PATH_IMAGE013
以及
Figure 100451DEST_PATH_IMAGE015
代入公式(4)，即可求出
Figure 417163DEST_PATH_IMAGE016
。
步骤⑤：利用
Figure 811235DEST_PATH_IMAGE016
获得
Figure 769964DEST_PATH_IMAGE017
。利用公式
Figure 565882DEST_PATH_IMAGE018
，
Figure 568342DEST_PATH_IMAGE017
即是预测的单位雷诺数
Figure 449710DEST_PATH_IMAGE015
下的转捩位置。
采用TsAGI UT-1M高超声速风洞数据进行变雷诺数
Figure 680971DEST_PATH_IMAGE038
的风洞转捩相关性验证。 图1为根据实验1、2、3拟合的曲线与实验4结果的关联情况与预测效果。表1为一组钝度
Figure 331396DEST_PATH_IMAGE039
钝锥的实验工况：
表1
Figure 504757DEST_PATH_IMAGE040
根据以上预测方法预测的转捩位置为123mm，实验测得转捩位置为120.3mm，误差为2.2%。
实施例1：一种预测变雷诺数钝锥转捩位置的方法，包括转捩数据关联步骤：
S1，通过风洞实验分别获得第一单位雷诺数
Figure 139000DEST_PATH_IMAGE041
、第二单位雷诺数
Figure 173953DEST_PATH_IMAGE042
的对应 实验转捩位置，并分别记为第一实验转捩位置
Figure 678883DEST_PATH_IMAGE043
、第二实验转捩位置
Figure 23146DEST_PATH_IMAGE044
；
S2，获得步骤S1中两组实验转捩位置的钝锥转捩雷诺数
Figure 879106DEST_PATH_IMAGE045
：根据公式
Figure 452170DEST_PATH_IMAGE046
计算获得第一钝锥转捩雷诺数
Figure 77187DEST_PATH_IMAGE047
、第二钝锥转捩雷诺数
Figure 608662DEST_PATH_IMAGE048
；其中，
Figure 690536DEST_PATH_IMAGE049
表示单位雷诺数，
Figure 332870DEST_PATH_IMAGE050
表示实验转捩位置；
S3，拟合曲线获得待求参数
Figure 812392DEST_PATH_IMAGE051
和待求参数
Figure 514769DEST_PATH_IMAGE052
：将第一单位雷诺数
Figure 329010DEST_PATH_IMAGE041
、第二单位 雷诺数
Figure 978297DEST_PATH_IMAGE042
和第一钝锥转捩雷诺数
Figure 843485DEST_PATH_IMAGE047
、第二钝锥转捩雷诺数
Figure 451184DEST_PATH_IMAGE048
代入如下公式进行最 小二乘拟合：
Figure 752721DEST_PATH_IMAGE053
即获得该风洞下的第一待求参数
Figure 471279DEST_PATH_IMAGE051
和第二待求参数
Figure 925394DEST_PATH_IMAGE052
；
在经过步骤S1~步骤S3完成转捩数据关联后，进入转捩数据预测步骤。
实施例2：在实施例1的基础上，所述转捩数据预测步骤，包括子步骤：
S4，获得待求第三单位雷诺数
Figure 703994DEST_PATH_IMAGE054
下的第三钝锥转捩雷诺数
Figure 758406DEST_PATH_IMAGE055
：将步骤S3中求 出的
Figure 280655DEST_PATH_IMAGE051
、
Figure 589276DEST_PATH_IMAGE052
以及
Figure 538778DEST_PATH_IMAGE054
代入如下公式：
Figure 565640DEST_PATH_IMAGE014
即求出第三钝锥转捩雷诺数
Figure 878197DEST_PATH_IMAGE055
；
S5，利用
Figure 306904DEST_PATH_IMAGE055
获得预测转捩位置
Figure 427307DEST_PATH_IMAGE056
：利用公式
Figure 941465DEST_PATH_IMAGE057
，
Figure 54783DEST_PATH_IMAGE056
即是预测的 第三单位雷诺数
Figure 337997DEST_PATH_IMAGE054
下的转捩位置。
实施例2：在实施例2的基础上，在步骤S1中，风洞实验过程中控制在同一风洞下， 仅改变单位雷诺数
Figure 629301DEST_PATH_IMAGE049
进行钝锥转捩实验，控制马赫数
Figure 365176DEST_PATH_IMAGE058
、头部钝度
Figure 282185DEST_PATH_IMAGE059
、壁温比
Figure 419905DEST_PATH_IMAGE060
、攻角 实验条件均相同。
实施例4：一种可读存储介质，存储有计算机程序，该程序被处理器执行时实现如实施例1~实施例3任一所述的方法。
实施例5：一种处理器，处理器用于运行程序，该程序运行时执行实现如实施1~实施例3任一所述的方法。
实施例6：一种计算机设备，包括存储器、处理器及存储在存储器上并能在处理器上运行的计算机程序，处理器执行所述程序时实现如实施例1~实施例3任一所述的方法。
除以上实例以外，本领域技术人员根据上述公开内容获得启示或利用相关领域的知识或技术进行改动获得其他实施例，各个实施例的特征可以互换或替换，本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。

Claims (6)

1.一种预测变雷诺数钝锥转捩位置的方法，其特征在于，包括转捩数据关联步骤：
S1，通过风洞实验分别获得第一单位雷诺数
Figure DEST_PATH_IMAGE002
、第二单位雷诺数
Figure DEST_PATH_IMAGE004
的对应实验转捩位置，并分别记为第一实验转捩位置
Figure DEST_PATH_IMAGE006
、第二实验转捩位置
Figure DEST_PATH_IMAGE008
；
S2，获得步骤S1中两组实验转捩位置的钝锥转捩雷诺数
Figure DEST_PATH_IMAGE010
：根据公式
Figure DEST_PATH_IMAGE012
计算获得第一钝锥转捩雷诺数
Figure DEST_PATH_IMAGE014
、第二钝锥转捩雷诺数
Figure DEST_PATH_IMAGE016
；其中，
Figure DEST_PATH_IMAGE018
表示单位雷诺数，
Figure DEST_PATH_IMAGE020
表示实验转捩位置；
S3，拟合曲线获得待求参数
Figure DEST_PATH_IMAGE022
和待求参数
Figure DEST_PATH_IMAGE024
：将第一单位雷诺数
Figure 607495DEST_PATH_IMAGE002
、第二单位雷诺数
Figure 931160DEST_PATH_IMAGE004
和第一钝锥转捩雷诺数
Figure 242055DEST_PATH_IMAGE014
、第二钝锥转捩雷诺数
Figure 290127DEST_PATH_IMAGE016
代入如下公式进行最小二乘拟合：
Figure DEST_PATH_IMAGE026
即获得该风洞下的第一待求参数
Figure 573341DEST_PATH_IMAGE022
和第二待求参数
Figure 661383DEST_PATH_IMAGE024
；
在经过步骤S1~步骤S3完成转捩数据关联后，进入转捩数据预测步骤。
2.根据权利要求1所述的预测变雷诺数钝锥转捩位置的方法，其特征在于，所述转捩数据预测步骤，包括子步骤：
S4，获得待求第三单位雷诺数
Figure DEST_PATH_IMAGE028
下的第三钝锥转捩雷诺数
Figure DEST_PATH_IMAGE030
：将步骤S3中求出的
Figure 787470DEST_PATH_IMAGE022
、
Figure 642163DEST_PATH_IMAGE024
以及
Figure 842200DEST_PATH_IMAGE028
代入如下公式：
Figure DEST_PATH_IMAGE026A
即求出第三钝锥转捩雷诺数
Figure 429039DEST_PATH_IMAGE030
；
S5，利用
Figure 714527DEST_PATH_IMAGE030
获得预测转捩位置
Figure DEST_PATH_IMAGE032
：利用公式
Figure DEST_PATH_IMAGE034
，
Figure 47944DEST_PATH_IMAGE032
即是预测的第三单位雷诺数
Figure 102488DEST_PATH_IMAGE028
下的转捩位置。
3.根据权利要求2所述的预测变雷诺数钝锥转捩位置的方法，其特征在于，在步骤S1中，风洞实验过程中控制在同一风洞下，仅改变单位雷诺数
Figure 797911DEST_PATH_IMAGE018
进行钝锥转捩实验，控制马赫数
Figure DEST_PATH_IMAGE036
、头部钝度
Figure DEST_PATH_IMAGE038
、壁温比
Figure DEST_PATH_IMAGE040
、攻角
Figure DEST_PATH_IMAGE042
实验条件均相同。
4.一种可读存储介质，其特征在于，存储有计算机程序，该程序被处理器执行时实现如权利要求1~3任一所述的方法。
5.一种处理器，其特征在于，处理器用于运行程序，该程序运行时执行实现如权利要求1~3任一所述的方法。
6.一种计算机设备，其特征在于，包括存储器、处理器及存储在存储器上并能在处理器上运行的计算机程序，处理器执行所述程序时实现如权利要求1~3任一所述的方法。
CN202210942064.8A 2022-08-08 2022-08-08 预测变雷诺数钝锥转捩位置的方法、介质、处理器及设备 Active CN114993609B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210942064.8A CN114993609B (zh) 2022-08-08 2022-08-08 预测变雷诺数钝锥转捩位置的方法、介质、处理器及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210942064.8A CN114993609B (zh) 2022-08-08 2022-08-08 预测变雷诺数钝锥转捩位置的方法、介质、处理器及设备

Publications (2)

Publication Number Publication Date
CN114993609A true CN114993609A (zh) 2022-09-02
CN114993609B CN114993609B (zh) 2022-11-22

Family

ID=83023285

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210942064.8A Active CN114993609B (zh) 2022-08-08 2022-08-08 预测变雷诺数钝锥转捩位置的方法、介质、处理器及设备

Country Status (1)

Country Link
CN (1) CN114993609B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115659522A (zh) * 2022-12-27 2023-01-31 中国空气动力研究与发展中心计算空气动力研究所 一种飞行器转捩位置预测方法、装置、设备及介质

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6721682B1 (en) * 2002-01-07 2004-04-13 The United States Of America As Represented By The Secretary Of The Navy Aerodynamic prediction using semiempirical prediction techniques and methods therefor
US7150427B1 (en) * 2003-08-18 2006-12-19 United Technologies Corporation Boundary layer transition model
JP2006343179A (ja) * 2005-06-08 2006-12-21 Japan Aerospace Exploration Agency 境界層乱流遷移現象を利用したレイノルズ数等の計測
CN108182312A (zh) * 2017-12-25 2018-06-19 中国航天空气动力技术研究院 一种边界层自然转捩试验数据的天地相关性方法
CN108287054A (zh) * 2017-12-25 2018-07-17 中国航天空气动力技术研究院 一种飞行条件下的转捩雷诺数获取方法
CN110702356A (zh) * 2019-10-12 2020-01-17 空气动力学国家重点实验室 一种考虑表面粗糙度效应的高超声速横流转捩预测方法
CN112016156A (zh) * 2020-07-15 2020-12-01 空气动力学国家重点实验室 基于边界层转捩位置评估天地来流扰动水平差异的方法
CN112613250A (zh) * 2020-12-29 2021-04-06 中国航天空气动力技术研究院 火星进入器表面流动转捩位置预测方法
CN113468655A (zh) * 2021-05-25 2021-10-01 北京临近空间飞行器系统工程研究所 基于飞行试验数据的高速边界层转捩判据标定方法和系统
CN113887156A (zh) * 2021-12-07 2022-01-04 中国空气动力研究与发展中心计算空气动力研究所 一种用于高超声速边界层转捩天地数据关联的方法
CN113947035A (zh) * 2021-08-27 2022-01-18 中国航天空气动力技术研究院 一种高超声速边界层转捩数据天地相关性方法
CN114036869A (zh) * 2021-11-18 2022-02-11 中国空气动力研究与发展中心超高速空气动力研究所 考虑头部钝度效应的高超声速边界层转捩预测方法

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6721682B1 (en) * 2002-01-07 2004-04-13 The United States Of America As Represented By The Secretary Of The Navy Aerodynamic prediction using semiempirical prediction techniques and methods therefor
US7150427B1 (en) * 2003-08-18 2006-12-19 United Technologies Corporation Boundary layer transition model
JP2006343179A (ja) * 2005-06-08 2006-12-21 Japan Aerospace Exploration Agency 境界層乱流遷移現象を利用したレイノルズ数等の計測
CN108182312A (zh) * 2017-12-25 2018-06-19 中国航天空气动力技术研究院 一种边界层自然转捩试验数据的天地相关性方法
CN108287054A (zh) * 2017-12-25 2018-07-17 中国航天空气动力技术研究院 一种飞行条件下的转捩雷诺数获取方法
CN110702356A (zh) * 2019-10-12 2020-01-17 空气动力学国家重点实验室 一种考虑表面粗糙度效应的高超声速横流转捩预测方法
CN112016156A (zh) * 2020-07-15 2020-12-01 空气动力学国家重点实验室 基于边界层转捩位置评估天地来流扰动水平差异的方法
CN112613250A (zh) * 2020-12-29 2021-04-06 中国航天空气动力技术研究院 火星进入器表面流动转捩位置预测方法
CN113468655A (zh) * 2021-05-25 2021-10-01 北京临近空间飞行器系统工程研究所 基于飞行试验数据的高速边界层转捩判据标定方法和系统
CN113947035A (zh) * 2021-08-27 2022-01-18 中国航天空气动力技术研究院 一种高超声速边界层转捩数据天地相关性方法
CN114036869A (zh) * 2021-11-18 2022-02-11 中国空气动力研究与发展中心超高速空气动力研究所 考虑头部钝度效应的高超声速边界层转捩预测方法
CN113887156A (zh) * 2021-12-07 2022-01-04 中国空气动力研究与发展中心计算空气动力研究所 一种用于高超声速边界层转捩天地数据关联的方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
ROHIT JAIN: "High-resolution computational fluid dynamics predictions for the static and dynamic stall of a finite-span OA209 wing", 《JOURNAL OF FLUIDS AND STRUCTURES》 *
常雨: "高超声速边界层转捩特性试验探究", 《宇航学报》 *
涂国华: "MF-1钝锥边界层稳定性及转捩天地相关性研究", 《中国科学: 物理学 力学 天文学》 *
贾文利: "考虑真实气体效应高超音速钝锥边界层稳定性及转捩预测研究", 《中国博士学位论文全文数据库基础科学辑》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115659522A (zh) * 2022-12-27 2023-01-31 中国空气动力研究与发展中心计算空气动力研究所 一种飞行器转捩位置预测方法、装置、设备及介质

Also Published As

Publication number Publication date
CN114993609B (zh) 2022-11-22

Similar Documents

Publication Publication Date Title
CN107491608B (zh) 一种飞机编队飞行的队形参数优化方法及系统
CN108304601B (zh) 一种高超声速飞行器边界层转捩的判断方法
CN112052632B (zh) 一种高超声速流向转捩预测方法
CN111460699B (zh) 平壁表面减阻功能微织构的设计方法
CN109858135A (zh) 一种汽轮机低压通流区长叶片安全性校核的计算方法
Guo et al. Flowfield structure characteristics of the hypersonic flow over a cavity: From the continuum to the transition flow regimes
Chung et al. On the mechanism of air pollutant removal in two-dimensional idealized street canyons: a large-eddy simulation approach
CN117408189B (zh) 高超声速边界层的转捩预测方法、装置、设备及存储介质
Shopov et al. Interaction of a deformable bubble with a rigid wall at moderate Reynolds numbers
CN110309552A (zh) 一种考虑质量引射效应的飞行器湍流预测方法及系统
Levchenya et al. RANS-based numerical simulation and visualization of the horseshoe vortex system in the leading edge endwall region of a symmetric body
CN114993609B (zh) 预测变雷诺数钝锥转捩位置的方法、介质、处理器及设备
Ravishankara et al. Analysis of leading edge erosion effects on turbulent flow over airfoils
CN114065662A (zh) 适用于网格拓扑可变的翼型流场快速预测方法
CN105138766B (zh) 基于模糊聚类的高超声速气动热降阶模型的加点方法
An et al. Numerical investigation on diffusion slot hole with various cross-sectional end shapes
CN112525474B (zh) 一种获得跨声速风洞堵塞干扰因子的方法
Venkatachari et al. Assessment of transition modeling capability in OVERFLOW with emphasis on swept-wing configurations
CN112597708B (zh) 一种考虑转捩扰动因素的γ-Reθt转捩模型标定方法
CN116186876A (zh) 尖锥边界层转捩关联与预测方法、介质及设备
CN111125971B (zh) 一种吸气式高超声速飞行器推力不确定性确定方法
CN111695216B (zh) 一种桥接显隐拓扑描述的热流耦合结构设计方法
Qun et al. Numerical simulation of flow around airfoil with non-linear RANS model
Zhiping et al. Study on effects of thickness on airfoil-stall at low Reynolds numbers by cusp-catastrophic model based on GA (W)-1 airfoil
Ramanathan et al. Prediction of vortex initiation using an unsteady panel method with an integral-boundary-layer calculation

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