超音速五孔可调节探针
    82.
    发明公开

    公开(公告)号:CN119000047A

    公开(公告)日:2024-11-22

    申请号:CN202411361147.3

    申请日:2024-09-27

    Abstract: 本发明公开了一种超音速五孔可调节探针,包括依次相连的采样探针、第一连接杆、第二连接杆、支杆以及底座;所述采样探针的针头呈锥形,在采样探针上设有五个采样进气孔;第一连接杆的一端与采样探针固定连接,另一端与第二连接杆的一端可转动连接,第二连接杆的另一端与支杆固定连接;在第一连接杆、第二连接杆以及支杆内分别设有一导气孔;所述支杆与底座固定连接。本发明通过直角管段与S型管段之间的螺纹连接结构,能够快速进行锥形针头任意角度的调节,从而使锥形针头适应来流的角度,以适应偏转角与俯仰角的要求;从而提高了试验操作的便利性,节约了时间成本。

    一种基于锥形流理论的超声速压气机叶型设计方法

    公开(公告)号:CN118797834A

    公开(公告)日:2024-10-18

    申请号:CN202410801921.1

    申请日:2024-06-20

    Abstract: 本发明公开了一种基于锥形流理论的超声速压气机叶型设计方法,包括如下步骤:1)将压气机叶片的的吸力面型线分为两段;2)利用锥形流理论追踪激波后的流线来拟合第一段吸力面型线;3)通过三次Bezier曲线拟合形成第二段吸力面型线;4)采用两段三次Bezier曲线拟合压力面的多个控制点,构建压力面型线;5)采用内切圆弧构造曲率连续的前缘和尾缘。本发明使得靠近前缘的压力面型线为追踪激波后流线得来的,可以使设计者根据已知激波进行叶型设计,并且具备预压缩效率高、气动效率较高等优点。

    一维管网计算模型建立方法
    85.
    发明公开

    公开(公告)号:CN118428013A

    公开(公告)日:2024-08-02

    申请号:CN202410557439.8

    申请日:2024-05-07

    Abstract: 一维管网计算模型建立方法,涉及航空发动机设计与制造技术领域。为解决现有技术中存在的,传统管网计算模型在叶片冷却结构建立方面存在复杂度高和精度不足的技术问题,本发明提供的技术方案为:一维管网计算模型建立方法,所述方法包括:划分叶片成预设数量段,将每段定义为一个节流单元,并定义节点的步骤;为所述节流单元和节点编号,并记录所述节流单元和节点之间的几何进出口关系的步骤;根据所述节流单元和节点之间的几何进出口关系,建立一维计算模型的步骤;对所述一维计算模型进行简化的步骤;为每个所述节流单元匹配对应的参数的步骤。可以应用于航空发动机的热管理系统设计与优化中。

    一种多涵道进气段内涵道流场构造装置

    公开(公告)号:CN115655632A

    公开(公告)日:2023-01-31

    申请号:CN202211193785.X

    申请日:2022-09-28

    Abstract: 一种多涵道进气段内涵道流场构造装置,涉及一种流场构造装置。整流锥固定于芯轴前端,内机匣套装于芯轴外部,其后端向外延伸,涵道隔板分割内涵道和外涵道,前排导流板位于芯轴前端邻近整流锥位置,后排导流板位于前排导流板后侧,蜂窝器固定于内涵道内部后排导流板后侧,固定导叶位于内涵道内部蜂窝器后侧,可调导叶位于内涵道内部固定导叶后侧,内机匣对应区域开设豁口以允许可调导叶旋转,调节器安装可调导叶并与步进电机连接传动,外机匣间隔设置于涵道隔板外部,实验段机匣固定在内机匣后端。能够根据实验条件改变实验件的进气攻角,在风洞输出功率不变的情况下增加风洞出口流速而降低总压。

    涡轮叶片
    89.
    发明授权

    公开(公告)号:CN113623011B

    公开(公告)日:2022-11-29

    申请号:CN202110800207.7

    申请日:2021-07-13

    Abstract: 根据本发明实施例的涡轮叶片,包括:叶片主体,叶片主体包括内层叶片和外层叶片,外层叶片套设在内层叶片上,内层叶片的内壁面限定出第一冷却腔,外层叶片的内壁面与内层叶片的外壁面限定出第二冷却腔;交错肋片,交错肋片设在第二冷却腔内,交错肋片包括在内外方向上相对的内层肋片和外层肋片,内层肋片包括多个内层肋条,多个内层肋条间隔开地设在内层叶片的外壁面上,相邻两个内层肋条和内层叶片限定出内层冷却通道,外层肋片包括多个外层肋条,多个外层肋条间隔开地设在外层叶片的内壁面上,相邻两个外层肋条和外层叶片限定出外层冷却通道。因此,根据本发明实施例的涡轮叶片具有换热效果好、使用寿命长的优点。

    基于深度学习与损失权重分析的涡轮损失模型构建方法

    公开(公告)号:CN115114868A

    公开(公告)日:2022-09-27

    申请号:CN202210828481.X

    申请日:2022-07-13

    Abstract: 本发明公开了一种基于深度学习与损失权重分析的涡轮叶片损失模型构建方法,所述方法为了探究如何对现有涡轮叶型损失模模型修正,首先需对叶型损失中的各项损失进行拆分,并与现有模型的预测大小进行对比,分析得到需要修正的系数与项和需要添加的修正项,进而形成具有修正形式的损失预测模型。并通过对比具有不同叶型参数的涡轮叶型损失,找到需要考虑的叶型参数变量。利用人工神经网络模型建立需要考虑的叶型参数变量与需要修正的系数(或项和需要添加的修正项)之间的函数关系,并带入具有修正形式的损失预测模型,进而构建涡轮叶型损失预测模型。该方法能够准确预测具有较大攻角工作范围的涡轮叶型损失。

Patent Agency Ranking