带冲击-气膜双层壁结构的涡轮导叶冷却特性源项法数值研究

为了降低由于大量冷却孔导致的计算资源消耗,采用源项法对带冲击-气膜双层壁冷却结构的Mark Ⅱ涡轮导叶传热进行了简化数值模拟,并与不采用源项法的结果进行了对比。分析了冷却孔网格密度以及流量系数经验关系式对源项法模拟精度的影响。结果表明,采用源项法能够基本准确地模拟叶片表面温度分布并且缩短75%的计算时间。当冷却孔进出口面网格最小尺度小于孔径的1/10时,数值模拟结果将不随面网格密度改变。影响模拟精度的主要因素是经验关系式能否准确模拟总冷气流量以及横流对流量系数的影响。

双层壁冷却结构综合冷却效率和相对压力损失多目标优化

在典型燃烧室工作环境下,针对特定双层壁冷却结构,以综合冷却效率和相对压力损失为优化目标,采用径向基神经网络构建数学模型,通过遗传优化算法实现多目标优化,旨在提高其气动和传热性能。在给定的双层壁冷却结构参数范围内,优化后双层壁冷却结构的最大综合冷却效率为0.89,而相对压力损失可降至0.17%。

波瓣喷管双层壁扩压器流场的数值分析

采用三维贴体曲线坐标网格,波瓣边界网格加密且正交,在整个计算区域进行全场计算。文中采用了Chen Kim修正的k ε湍流模型及同位网格SIMPLC计算方法,对带有双层壁扩压器的波瓣喷管流动进行了冷热态数值计算和分析。对波瓣及双层壁,采用大粘性的方法解决流固耦合,计算结果表明:在双层壁间有外界冷气流被引射进入,形成了壁面的冷却气流,相对单层壁扩压器,双层壁扩压器的壁面温度明显降低;自波瓣出口截面沿流向产生的环流速度场,强化了主次流的掺混,速度分布渐趋均匀。通过试验测试,计算结果与实验数据符合良好,二者在离开波瓣420mm的混合管内相对主流速度的最大误差为15.35%。

单、双层壁火焰筒壁面冷却效果比较试验研究

在纯气膜壁面冷却设计的单层壁短环形燃烧室试验件基础上 ,设计了局部双层壁结构 ,构成冲击 +逆向对流 +气膜复合冷却 ,并进行了单层壁火焰筒与双层壁火焰筒壁面冷却效果对比试验。结果表明 :相对单层壁的纯气膜冷却 ,由双层壁形成的冲击 +逆向对流 +气膜复合冷却方式使气膜段最高壁温下降、沿气膜流动方向壁面温度梯度减小。

双层侧壁船舶碰撞强度分析

本文在分析小碰撞中双层侧壁结构变形特征的基础上,建立了碰撞强度的简化计算模型。结构“能量吸收-变形”的数值方法计算结果与试验结果相吻合。文章还对该结构形式的承碰性能进行了探讨,获得了一些旨在改善碰撞强度的有用的结论。

冲击+扰流柱双层壁冷却结构的强化换热性能及流阻特性

对于冲击+扰流柱的双层壁冷却结构,为了研究冲击孔的无量纲排间距和无量纲孔间距、扰流柱的无量纲直径以及冲击射流雷诺数对其强化换热性能以及其流阻特性的影响,基于多种几何参数和流动参数对冲击+扰流柱的双层壁冷却结构进行了实验研究,并根据实验工况开展了相应的数值模拟。结果表明:在带有扰流柱的整个冲击靶板内表面上,面平均努塞尔数随着射流雷诺数的增大而单调增大,且基本上呈现为线性增长的趋势。总体而言,在扰流柱表面的面平均努塞尔数略高于冲击靶板内壁面的面平均努塞尔数。随着扰流柱的无量纲直径的增大,在双层壁冷却结构的整个内表面的面平均努塞尔数呈现为先下降后增大的趋势。此外,在整个内表面的面平均努塞尔数随着冲击孔的无量纲排间距的增大而减小;但是,面平均努塞尔数对无量纲孔间距变化的响应不敏感。对于冲击+扰流柱双层壁冷却结构的流量系数,它随着射流雷诺数以及冲击孔的无量纲排间距和无量纲孔间距的增大而增大,但是随着扰流柱的无量纲直径的增大而减小。

探寻市政施工中深基坑支护技术的应用

市政施工中,深基坑支护技术的应用至关重要,它直接关系到工程的质量、安全以及工程施工的效率。本研究通过对若干市政工程中深基坑支护技术的实际应用进行剖析,尝试寻找一种更有效、更安全的施工方法。目前已广泛采用的支护技术中,围护结构种类繁多,并非所有的围护结构都适用于所有情况,如何选择最适宜的围护结构,进而提高施工效率、降低成本、保证工程安全是当前探究的重点。通过对市政施工中深基坑支护技术的研究,发现了一种高效、可靠、经济的施工方法,即套筒双层护壁结构,在特定条件下能够显著提高市政施工中深基坑的施工效率,同时具有较高的经济效益和安全性。同时,对施工过程中可能出现的问题进行预防和解决也是本研究的重要观点之一。应用这项研究成果,可为工程建设提供重要参考,并促进市政施工中深基坑支护技术的发展。

基于卷积神经网络双层壁三维热应力预测方法

为实现三维物理场的预测,提出一种利用卷积神经网络(CNN)对双层壁冷却结构外壁三维热应力快速评估方法。针对双层壁冷却结构外壁平板状的结构特征,沿壁厚方向将温度场切分为多个切片。将温度作为卷积网络输入张量的基本元素,不同厚度位置的切片对应输入张量的通道维度,从而实现将三维温度场输入进网络,并输出在热载荷作用下的三维等效应力场。结果表明:训练收敛后的网络在测试集上的平均绝对误差为1.23 MPa,平均相对误差为15.10%,对峰值应力的平均绝对误差为16.10 MPa,平均相对误差为11.81%。对于双层壁冷却结构的热应力预测问题,CNN能够很好地完成温度到应力的映射。使用深度学习方法探究热弹性问题的潜在机理有望实现。