简介:通过理论推导提出了一种评价高速流动PIV示踪粒子随流能力的松弛特性分析模型,在法向Mach数大于1.4时具有良好的适用性.将新模型应用于试验测量,发展了高速流动PIV系统和示踪粒子布撒技术,验证了高速流动PIV的定量化测量能力.针对空间发展的二维超声速气固两相混合层,数值模拟了不同Stokes数和对流Mach数(M_c)下的粒子跟随性以及弥散和迁徙运动,结果表明:相同对流Mach数,粒径越小的示踪粒子跟随性越好,Stokes数在[1,10]范围内的粒子有最大扩散距离.示踪粒子的直径大小决定其在超声速混合层大涡拟序结构中的分布特征,且粒径越小,气体与粒子的掺混越剧烈.相同粒径的粒子,对流Mach数越大跟随性越差.
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.