目錄
叢書(shū)序
前言
第1章　緒論
1.1　壓氣機(jī)中的主要流動(dòng)現(xiàn)象及分析　001
1.1.1　壓氣機(jī)中的附面層流動(dòng)分離現(xiàn)象　002
1.1.2　葉尖泄漏流動(dòng)　004
1.1.3　激波損失　010
1.1.4　壓氣機(jī)葉柵內(nèi)的旋渦　013
1.1.5　壓氣機(jī)中的非定常效應(yīng)　014
1.2　壓氣機(jī)中的主要流動(dòng)損失及其被動(dòng)控制技術(shù)　016
1.2.1　葉型損失及其被動(dòng)控制方法　017
1.2.2　激波損失及其控制方法　019
1.2.3　端壁二次流損失及控制方法　020
1.2.4　葉尖間隙泄漏損失及其控制方法　026
1.3　葉輪機(jī)械復(fù)雜流動(dòng)主動(dòng)控制技術(shù)　032
1.3.1　附面層吸附技術(shù)　032
1.3.2　引氣技術(shù)　037
1.3.3　射流技術(shù)　038
1.3.4　等離子體放電激勵(lì)技術(shù)　042
1.4　小結(jié)　043
參考文獻(xiàn)　044
第2章　壓氣機(jī)葉片智能優(yōu)化設(shè)計(jì)新技術(shù)
2.1　葉片優(yōu)化設(shè)計(jì)方法的發(fā)展與應(yīng)用　053
2.1.1　葉片設(shè)計(jì)技術(shù)發(fā)展的迫切需求　053
2.1.2　傳統(tǒng)的葉型設(shè)計(jì)方法的制約與不足　054
2.1.3　優(yōu)化設(shè)計(jì)技術(shù)的發(fā)展及葉片造型中的應(yīng)用　055
2.1.4　葉型優(yōu)化設(shè)計(jì)研究回顧　058
2.2　基于遺傳算法的可控?cái)U(kuò)散葉型優(yōu)化設(shè)計(jì)技術(shù)　064
2.2.1　遺傳算法的基本原理及特點(diǎn)　064
2.2.2　基本遺傳算法的參數(shù)及運(yùn)行流程　065
2.2.3　基本遺傳算法的實(shí)現(xiàn)　066
2.2.4　基本遺傳算法的改進(jìn)策略　069
2.2.5　采用改進(jìn)遺傳算法的可控?cái)U(kuò)散葉型優(yōu)化設(shè)計(jì)技術(shù)　070
2.2.6　小結(jié)　079
2.3　基于改進(jìn)人工蜂群算法的大彎度葉型優(yōu)化設(shè)計(jì)技術(shù)　080
2.3.1　大彎度葉型優(yōu)化設(shè)計(jì)平臺(tái)搭建　080
2.3.2　大彎度葉型優(yōu)化設(shè)計(jì)　085
2.3.3　多工況條件下的大彎度葉型優(yōu)化設(shè)計(jì)　089
2.3.4　小結(jié)　095
2.4　考慮端壁效應(yīng)的高負(fù)荷葉柵優(yōu)化設(shè)計(jì)技術(shù)　096
2.4.1　研究對(duì)象　096
2.4.2　高負(fù)荷葉柵全三維造型方法研究　097
2.4.3　考慮端壁效應(yīng)的高負(fù)荷葉柵優(yōu)化設(shè)計(jì)方法　103
2.4.4　考慮端壁效應(yīng)的高負(fù)荷葉柵優(yōu)化設(shè)計(jì)結(jié)果　107
2.4.5　小結(jié)　117
參考文獻(xiàn)　118
第3章　高負(fù)荷壓氣機(jī)串列葉片設(shè)計(jì)技術(shù)
3.1　串列葉片造型方法概述　122
3.1.1　串列葉片概念的提出及研究概述　122
3.1.2　串列葉型的幾何參數(shù)　123
3.1.3　串列基元葉型的生成　128
3.1.4　三維串列葉片的造型　130
3.2　基于并行多點(diǎn)采樣策略的串列葉柵多目標(biāo)優(yōu)化設(shè)計(jì)技術(shù)　134
3.2.1　引言　134
3.2.2　多目標(biāo)優(yōu)化系統(tǒng)　135
3.2.3　改進(jìn)并行多點(diǎn)采樣策略　136
3.2.4　物理規(guī)劃　139
3.2.5　研究對(duì)象和數(shù)值方法　139
3.2.6　高負(fù)荷串列葉柵的優(yōu)化　142
3.2.7　優(yōu)化結(jié)果和分析　143
3.2.8　小結(jié)　147
3.3　大彎角串列葉型形狀及相對(duì)位置的耦合優(yōu)化設(shè)計(jì)技術(shù)　147
3.3.1　引言　147
3.3.2　改進(jìn)粒子群算法　148
3.3.3　研究對(duì)象　152
3.3.4　數(shù)值方法　153
3.3.5　NURBS參數(shù)化方法　153
3.3.6　自適應(yīng)Kriging模型　154
3.3.7　優(yōu)化系統(tǒng)簡(jiǎn)介　155
3.3.8　優(yōu)化結(jié)果和分析　157
3.3.9　小結(jié)　161
3.4　彎掠優(yōu)化對(duì)高負(fù)荷跨聲速串列轉(zhuǎn)子的影響分析　162
3.4.1　引言　162
3.4.2　研究對(duì)象及數(shù)值方法　162
3.4.3　復(fù)合彎掠優(yōu)化方法　164
3.4.4　彎掠優(yōu)化結(jié)果與分析　165
3.4.5　小結(jié)　174
參考文獻(xiàn)　175
第4章　葉輪機(jī)內(nèi)部二次流動(dòng)的端壁控制技術(shù)
4.1　葉輪機(jī)內(nèi)部二次流動(dòng)的形成與發(fā)展　177
4.1.1　軸流葉輪機(jī)內(nèi)部二次流動(dòng)定義　178
4.1.2　葉輪機(jī)內(nèi)部二次流的產(chǎn)生及特點(diǎn)分析　179
4.1.3　葉柵二次流的旋渦模型及其影響效應(yīng)　181
4.2　非軸對(duì)稱(chēng)端壁技術(shù)的發(fā)展與應(yīng)用　184
4.2.1　渦輪非軸對(duì)稱(chēng)端壁技術(shù)的發(fā)展　184
4.2.2　壓氣機(jī)葉柵非軸對(duì)稱(chēng)端壁造型研究進(jìn)展　186
4.3　非軸對(duì)稱(chēng)端壁造型方法的研究　188
4.3.1　Rose非軸對(duì)稱(chēng)端壁造型方法　188
4.3.2　FAITH端壁造型方法　189
4.3.3　中弧線旋轉(zhuǎn)法　191
4.3.4　三角函數(shù)造型法　191
4.3.5　壓差造型法　192
4.3.6　非均勻有理樣條函數(shù)法　193
4.3.7　非軸對(duì)稱(chēng)端壁序列二次規(guī)劃優(yōu)化造型技術(shù)　194
4.3.8　基于Bezier曲線的端壁造型方法及應(yīng)用　196
4.4　軸流壓氣機(jī)非軸對(duì)稱(chēng)端壁造型技術(shù)　208
4.4.1　跨聲速軸流壓氣機(jī)非軸對(duì)稱(chēng)端壁造型優(yōu)化設(shè)計(jì)　208
4.4.2　非軸對(duì)稱(chēng)端壁造型在對(duì)轉(zhuǎn)壓氣機(jī)中的應(yīng)用　214
4.4.3　小結(jié)　219
4.5　高壓渦輪導(dǎo)向器非軸對(duì)稱(chēng)端壁優(yōu)化設(shè)計(jì)技術(shù)　219
4.5.1　端壁參數(shù)化造型方法　220
4.5.2　數(shù)值優(yōu)化方法　221
4.5.3　目標(biāo)函數(shù)設(shè)計(jì)　222
4.5.4　高壓渦輪導(dǎo)向器中非軸對(duì)稱(chēng)端壁造型優(yōu)化設(shè)計(jì)　223
4.5.5　小結(jié)　234
參考文獻(xiàn)　235
第5章　壓氣機(jī)附面層吸附技術(shù)
5.1　附面層吸附技術(shù)的原理　239
5.1.1　附面層吸附對(duì)下游附面層動(dòng)量厚度變化的影響　239
5.1.2　從熱力學(xué)原理出發(fā)分析附面層吸附效果　243
5.1.3　小結(jié)　249
5.2　附面層吸附技術(shù)的發(fā)展　249
5.2.1　附面層吸附技術(shù)研究現(xiàn)狀　249
5.2.2　吸附式風(fēng)扇/壓氣機(jī)設(shè)計(jì)技術(shù)　252
5.3　吸附式葉型優(yōu)化設(shè)計(jì)策略　260
5.3.1　防止吸附式葉型附面層分離的控制策略　260
5.3.2　基于蜂群算法的吸附式葉型智能優(yōu)化設(shè)計(jì)策略　262
5.3.3　吸附式壓氣機(jī)葉型及抽吸方案的耦合優(yōu)化設(shè)計(jì)策略　269
5.3.4　高空條件下低雷諾數(shù)葉型＋吸附式葉型耦合優(yōu)化設(shè)計(jì)策略　294
5.3.5　小結(jié)　306
5.4　吸附式壓氣機(jī)葉柵風(fēng)洞吹風(fēng)實(shí)驗(yàn)　306
5.4.1　高亞聲速平面葉柵風(fēng)洞介紹　307
5.4.2　兩套吸附式壓氣機(jī)葉柵實(shí)驗(yàn)　309
5.4.3　兩級(jí)風(fēng)扇進(jìn)口級(jí)靜子葉尖常規(guī)葉柵實(shí)驗(yàn)和吸附式葉柵實(shí)驗(yàn)結(jié)果分析　319
5.4.4　小結(jié)　324
5.5　吸附式風(fēng)扇/壓氣機(jī)氣動(dòng)設(shè)計(jì)技術(shù)　325
5.5.1　抽吸對(duì)壓氣機(jī)整體性能參數(shù)的影響　325
5.5.2　吸附式壓氣機(jī)設(shè)計(jì)與分析方法　327
5.5.3　小結(jié)　343
參考文獻(xiàn)　343
第6章　對(duì)轉(zhuǎn)壓氣機(jī)技術(shù)
6.1　對(duì)轉(zhuǎn)技術(shù)的發(fā)展應(yīng)用及技術(shù)特點(diǎn)分析　346
6.1.1　對(duì)轉(zhuǎn)技術(shù)的發(fā)展　346
6.1.2　對(duì)轉(zhuǎn)技術(shù)的特點(diǎn)及存在問(wèn)題分析　350
6.1.3　壓氣機(jī)對(duì)轉(zhuǎn)與其他新技術(shù)的融合　353
6.2　對(duì)轉(zhuǎn)壓氣機(jī)特性及流場(chǎng)結(jié)構(gòu)分析　355
6.2.1　對(duì)轉(zhuǎn)壓氣機(jī)數(shù)值模擬結(jié)果分析　356
6.2.2　對(duì)轉(zhuǎn)壓氣機(jī)葉片表面極限流線分析　360
6.2.3　小結(jié)　363
6.3　轉(zhuǎn)速比和軸向間隙對(duì)對(duì)轉(zhuǎn)壓氣機(jī)性能的影響分析　364
6.3.1　轉(zhuǎn)速比對(duì)壓氣機(jī)性能的影響　364
6.3.2　軸向間隙對(duì)對(duì)轉(zhuǎn)壓氣機(jī)性能的影響　376
6.3.3　小結(jié)　385
6.4　對(duì)轉(zhuǎn)技術(shù)的思考與展望　386
6.4.1　對(duì)轉(zhuǎn)技術(shù)存在的問(wèn)題思考　386
6.4.2　對(duì)轉(zhuǎn)技術(shù)展望　387
參考文獻(xiàn)　387
第7章　葉輪機(jī)等離子體流動(dòng)控制技術(shù)
7.1　等離子體流動(dòng)控制技術(shù)　389
7.1.1　介質(zhì)阻擋放電等離子體激勵(lì)　390
7.1.2　等離子體合成射流激勵(lì)　390
7.1.3　電弧放電等離子體激勵(lì)　391
7.2　等離子體激勵(lì)對(duì)壓氣機(jī)葉尖泄漏流動(dòng)的控制　392
7.3　等離子體激勵(lì)對(duì)轉(zhuǎn)子葉尖失速的控制　397
7.4　等離子體流動(dòng)控制在壓氣機(jī)靜子中的應(yīng)用　401
7.4.1　吸力面激勵(lì)布局流動(dòng)控制效果　401
7.4.2　端壁激勵(lì)布局流動(dòng)控制效果　403
7.5　展望　404
參考文獻(xiàn)　405
第8章　人工智能技術(shù)在葉輪機(jī)領(lǐng)域的應(yīng)用前景及發(fā)展趨勢(shì)
8.1　人工智能技術(shù)及應(yīng)用　407
8.1.1　氣動(dòng)優(yōu)化設(shè)計(jì)技術(shù)的研究現(xiàn)狀　408
8.1.2　遺傳算法在優(yōu)化設(shè)計(jì)中的應(yīng)用研究現(xiàn)狀　409
8.1.3　仿生智能算法研究與應(yīng)用現(xiàn)狀　411
8.1.4　現(xiàn)代人工智能技術(shù)發(fā)展概況　412
8.2　應(yīng)用改進(jìn)型BP人工神經(jīng)網(wǎng)絡(luò)的葉片優(yōu)化設(shè)計(jì)技術(shù)　414
8.2.1　神經(jīng)網(wǎng)絡(luò)概述　414
8.2.2　BP前饋神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)及算法　416
8.2.3　神經(jīng)網(wǎng)絡(luò)樣本庫(kù)的建立　417
8.2.4　基于BP神經(jīng)網(wǎng)絡(luò)的風(fēng)扇靜子葉片優(yōu)化　419
8.2.5　小結(jié)　424
8.3　基于徑向基神經(jīng)網(wǎng)絡(luò)的損失和落后角模型及應(yīng)用　425
8.3.1　傳統(tǒng)損失和落后角模型發(fā)展　425
8.3.2　損失和落后角代理模型研究　426
8.3.3　代理模型建立及應(yīng)用　427
8.3.4　代理模型介入壓氣機(jī)特性計(jì)算的程序流程　435
8.3.5　E3十級(jí)高壓壓氣機(jī)預(yù)測(cè)結(jié)果　439
8.3.6　優(yōu)化聚類(lèi)中心數(shù)的RBF神經(jīng)網(wǎng)絡(luò)代理模型計(jì)算結(jié)果　446
8.3.7　支持向量機(jī)代理模型計(jì)算結(jié)果　448
8.3.8　小結(jié)　450
8.4　微分蜂群支持向量機(jī)混合算法與葉片優(yōu)化設(shè)計(jì)技術(shù)　450
8.4.1　蜂群支持向量機(jī)算法的演進(jìn)：DEABCSVM　450
8.4.2　DEABCSVM算法數(shù)值實(shí)驗(yàn)　453
8.4.3　基于DEABCSVM算法的葉型優(yōu)化設(shè)計(jì)　456
8.4.4　小結(jié)　462
參考文獻(xiàn)　462