摘要：为了提升高负荷涡轮级的气动效率,发展了基于样条曲面的非轴对称端壁造型方法。以该参数化造型方法为基础,结合高效智能优化算法和经过校核的数值仿真方法,建立了涡轮非轴对称端壁设计优化平台,并以某小展弦比高压涡轮级为研究对象,以效率为优化目标,以流量为约束条件,在级环境和发动机工况下开展了非轴对称端壁优化设计。结果表明:优化设计后的涡轮动叶相对于参考设计,涡轮级的总总效率提升0.26%;非轴对称端壁造型改变了动叶下端壁附近的压力分布,动叶吸力面侧压力系数相对于参考设计显著提升,这降低了动叶叶片通道内的横向压力梯度,抑制了通道中的二次流动;非轴对称端壁造型改变了叶片通道中的涡系结构,相对于参考设计,非轴对称端壁造型使得马蹄涡压力面分支在叶片通道内部沿着叶片压力面迁移,在靠近通道出口的位置才汇入通道涡,这削弱了通道涡的强度,进而降低了气动损失,提高了涡轮级效率。

摘要：为厘清联合成型设计空间各造型方法对涡轮叶栅性能提升的贡献,将基于总变差分析的全局敏感性分析方法与平行坐标系及直方图、散点图等可视化技术相结合,提出了将多源数据挖掘信息进行融合的设计空间知识挖掘框架,并利用该框架对某小展弦比叶栅端壁/叶身联合成型设计空间进行知识挖掘。结果表明:叶栅气动损失增减对基元型线微调十分敏感;非轴对称端壁所带来的损失减少量与型线微调接近,但设计空间内不同非轴对称端壁样本性能波动较小,导致其重要性被全局敏感性分析方法低估;虽然单独采用弯叶片难以整体降低小展弦比叶栅损失,但将弯、型线微调和非轴对称端壁造型相结合可获得“1+1+1>3”的性能增益;在端壁/叶身联合成型设计空间内,将基元型线朝着后加载方向微调,并采用喉部附近下凹较深的非轴对称端壁造型及反弯叶片设计,可获得气动损失较小的叶栅设计。研究结果明晰了端壁/叶身联合成型设计空间优化解特征,可为类似小展弦比叶栅设计优化提供借鉴。

摘要：新能源汽车电池包防火涂料属于涂料应用新领域,市场前景广阔,目前已有多家涂料厂家推出电池包防火涂料,以双组分超薄膨胀型防火涂料为主。因其契合电池包轻量化、灵活设计及自动化的需求,防火涂料开始在电池包中应用,但对应用场景、施工和失效特点等方面的针对性有所欠缺,又一定程度上限制了其大规模应用。针对新能源电池包热失控时高温火焰、颗粒冲击等特点,综述了新型电池包防火涂料研究进展,如通过添加防火树脂提高耐火性能、陶瓷化提高炭层的强度、加入防火以外的新功能等,为新能源电池包防火涂料的开发提供了新的视野。

摘要：针对当前基于代理模型的优化算法因遭遇“维度灾难”而难以开展叶轮机械高维优化的难题,提出了自适应厘清变量间关系的动态聚合全局优化算法。该算法能在不消耗额外样本的条件下获取设计变量间的交互信息,并基于该信息一方面将高维问题分解为多个低维问题,实现高维问题的高效优化,另一方面为后续知识挖掘提供信息基础。在完成典型30维函数算例测试后,利用所提出的算法完成了包含28个设计变量的Rotor 37叶栅气动优化与设计空间知识挖掘。结果表明,优化后,Rotor 37叶栅设计工况效率相对参考设计提高了1.69%,且变工况性能相对参考设计亦有不同程度提高。在获得最优解的同时,所提出的算法还厘清了Rotor 37叶栅设计空间各变量间交互作用关系。进一步,结合算法所揭示的变量交互作用进行知识挖掘与CFD验证,证明对分离线附近型线进行微调可有效降低激波与边界层相互作用,从而提高跨声速叶栅的气动性能。由此,所提出的算法在求解高维大资源叶轮机械优化设计问题上的适用性和有效性得到验证。

摘要：为缩短精细气动形状设计优化所需的最少性能评估次数与任务周期内所能容许的最大性能评估次数之间的差距,基于机器学习领域迁移学习理念,开展了采用知识迁移加速的智能气动设计优化方法研究。首先,搭建了翼型变分自编码器模型,利用其解码器实现了气动形状的智能参数化,同时借助其编码器将已完成任务样本统一至目标任务参数化空间;其次结合单保真度和多保真度代理模型,建立了贝叶斯迁移优化算法;然后,将翼型变分自编码器模型与贝叶斯迁移优化算法相结合,搭建了智能气动形状迁移优化框架;最后,通过任务相关性分析对知识迁移加速优化过程的机理进行了讨论。研究结果表明:通过开展翼型设计优化,智能气动形状迁移优化框架所获得的最优解中位数相较于无知识迁移的变分自编码器优化方法,性能提升了4.8%,比其他各参比方法提升了19.9%以上,验证了该知识迁移策略的有效性。

摘要：向心涡轮内部流动复杂,功率密度大且结构限制严,因此,向心涡轮的设计必须考虑到气动、强度、结构等多学科间的耦合问题。采用多学科优化策略是提升向心涡轮气动效率和安全可靠性的一种可行途径。基于向心涡轮结构特点,发展了通用的向心涡轮三维参数化造型方法。耦合多目标优化算法和向心涡轮三维参数化方法,建立了向心涡轮多目标多学科优化设计体系。以频率为约束,以提高总静效率、降低叶根最大应力为优化目标,开展了向心涡轮的多学科优化设计。优化后,在避开所有危险共振频率的前提下,就单一性能指标而言,涡轮级的总静效率最高可提高1.35%,叶根最大当量应力最高可降低12.54%。进一步,对设计空间开展了敏感性分析,揭示了对性能指标影响显著的设计变量,阐明了关键设计变量对性能指标的影响机制。

摘要：为进一步提高凹槽叶顶的冷却与气动性能,基于Kriging代理模型优化算法,耦合商业CFD分析软件,引入椭圆冷却孔型,设计了凹槽叶顶冷却孔组合偏转角参数化方法,并建立了组合偏转角自动优化框架。以实验条件下的GE-E3首级动叶的叶顶冷却孔布局为研究对象,兼顾冷却与气动两方面性能,开展了凹槽叶顶的冷却孔优化设计与气热分析。研究结果显示,在凹槽叶顶布置吸力面朝向与凹槽尾缘朝向的组合偏角气膜孔能有效增强气膜的贴壁性能,扩大气膜的覆盖范围,同时引导了射流向凹槽尾缘堆积,提升了刮削涡对泄漏流的阻塞作用,有效降低了泄漏流量。椭圆孔依靠低曲率的长轴边出流,相较于圆形孔进一步扩大了气膜覆盖范围并提升了贴壁性能,使凹槽尾缘的流线堆积效应相应增强,进一步地减少了泄漏流量。圆形孔优化结构相比参考结构的气膜冷却效率提高了331.7%,泄漏流量相对减少了1.641%;椭圆孔优化结构的气膜冷却效率提升了565.1%,泄漏流量相对减少率为2.063%。

摘要：为了控制涡轮叶顶间隙泄漏流以改善叶顶区域的流动状况,提出了机匣周向槽造型方法。以典型跨声速涡轮级(Thermal Turbomachinery and Machine Dynamics,TTM)模型为对象,研究了不同高度的机匣周向槽造型对涡轮叶顶流动结构和气动特性的影响。结果表明,引入机匣周向槽造型后,近叶顶涡系结构发生了显著变化,叶顶泄漏涡(TLV)分为前后两部分,TLV-1穿过上通道涡(UPV)并逐渐被消耗,TLV-2则在周向槽之后重新形成并发展至尾缘,导致TLV的强度减弱,尺度减小。此外,由于周向槽的卷吸削弱了马蹄涡压力侧分支(HVP)的强度,加上TLV-1的压制和消耗,UPV更为远离机匣,与TLV的交互作用减弱,其强度减弱,尺度减小。总体而言,随着造型高度增大,叶顶间隙泄漏率逐渐减小,涡轮级总静效率先增大后减小。相比于无周向槽设计,当造型高度为2倍叶顶间隙时,叶顶泄漏率可降低0.15%,涡轮级总静效率可提升0.31%。

摘要：为减小透平叶栅二次流损失、提高气动效率,建立了结合透平叶栅非轴对称端壁造型双控制型线参数化方法、全局优化自适应差分进化算法和基于Reynolds-Averaged Navier-Stokes(RANS)方程求解技术的叶栅气动性能评价方法于一体的透平叶栅非轴对称端壁优化设计体系,同时验证了全局优化自适应差分进化算法和透平叶栅气动性能评价方法的可靠性和准确性。以透平叶栅总压恢复系数最大化为优化目标,在出口气流角和质量流量的约束及叶栅非轴对称端壁三维参数化控制点共20个设计变量下,完成了透平叶栅非轴对称端壁造型优化设计。研究结果表明,优化后得到的非轴对称端壁造型可有效减少透平叶栅的二次流损失,使叶栅总压恢复系数提高0.25%,证明所提出的设计体系是有效的,可为透平叶栅非轴对称端壁优化提供设计工具。

摘要：计算流体力学(CFD)方法是涡轮叶片等设计阶段性能评估的重要手段.然而,基于CFD的数值仿真方法通常比较耗时,难以满足涡轮叶型设计阶段快速迭代的需求.为实现快速性能评估并克服纯数据驱动预测模型泛化能力不足的问题,受到物理增强的机器学习思路的启发,将相似性原理与深度学习模型相结合,提出了一种泛化能力强的涡轮叶型流场预测新方法.以涡轮叶片表面等熵马赫数分布预测为例,提出采用相似性原理对叶型几何变量和气动参数进行归一化,进而在归一化参数空间构建训练样本集与深度学习预测模型,由此建立统一的流场预测模型,对几何尺寸、边界条件差异较大的叶型气动性能进行评估.在完成模型训练后,对归一化条件下不同工况/不同形状叶型的流场、真实环境下不同工况/不同尺寸叶型的流场以及GE-E3低压涡轮不同截面叶型的流场进行预测,结果表明预测结果的分布曲线与CFD评估结果吻合良好,平均相对误差在1.0%左右,由此验证了所提出的融合相似性原理的流场预测模型的精度与泛化能力.