摘要：为解决现有翼型几何参数化描述方法优化设计效率低、计算工作量大的问题,提出了一种基于深度学习的翼型参数化建模方法。该方法以伊利诺伊大学厄巴纳-香槟分校(University of Illinois at Urbana-Champaign,UIUC)翼型数据库中翼型上下表面坐标点转化的翼型二维图像作为输入,首先使用卷积运算提取大量翼型图像的几何特征,然后通过多层感知机对提取的几何特征进行分类和压缩,将翼型形状压缩成若干个简化的拟合参数,最后通过解码器恢复翼型图像并输出翼型上下表面的点坐标。在此基础上,探讨了拟合参数数量对翼型几何精度的影响,确定了含6个拟合参数的卷积神经网络(convolutional neural network,CNN)结构,并基于计算流体力学数值仿真验证了所提出方法的拟合精度。最后,开发了可视化翼型几何设计软件,实现了拟合参数的调整与修正,并分析了各拟合参数对翼型形状的影响规律。结果表明,6个拟合参数均会对翼型形状产生全局影响,单独或联合调整6个拟合参数可获得新的翼型设计空间。研究结果可为翼型的优化设计提供技术支持与理论参考。

摘要：为研究水泵水轮机在水泵工况时不同操作条件下的水力不稳定性,应用计算流体动力学软件Fluent分别对水泵水轮机三维全流道的设计工况、大流量工况和小流量工况进行非定常计算,同时监测了蜗壳进口、转轮与活动导叶之间、转轮与顶盖之间以及尾水管处的压力脉动.结果表明:水泵水轮机在水泵工况下压力脉动幅值最大的位置位于转轮与活动导叶之间的无叶区,转轮与顶盖之间的压力脉动次之,而蜗壳和尾水管处的压力脉动则比较小;在设计工况下压力脉动幅值最小,并且越偏离最优工况压力脉动的幅值越大;位置不同,影响水力稳定性的主频也不相同,转轮与活动导叶之间压力脉动的主频为叶片通过频率,转轮与顶盖之间的压力脉动的主频为转频的倍数,尾水管处压力脉动同时受叶片通过频率和低频的影响,而蜗壳进口处的压力脉动则主要受低频影响.