伊卫林
- 作品数：45 被引量：121H指数：8
- 供职机构：北京理工大学机械与车辆学院更多>>
- 发文基金：国家自然科学基金国家教育部博士点基金国家重点实验室开放基金更多>>
- 相关领域：航空宇航科学技术动力工程及工程热物理机械工程理学更多>>
- 一种叶轮机械叶片与端壁融合设计方法
- 本发明涉及一种叶轮机械叶片与端壁融合设计方法，属于叶轮机械技术领域。本发明方法根据若干位置处叶片与端壁连接曲线的最小曲率半径以及端壁面径向倾角，拟合或插值确定连接曲线最小曲率半径以及端壁面径向倾角的沿流向分布规律，并沿流...
- 季路成伊卫林田勇刘艳明
- 文献传递
- 双级离心压气机气动设计及性能分析
- 针对具体性能指标，进行了某双级离心压气机的初步气动设计。给出了其主要设计参数，并应用三维CFD 数值模拟技术进行了流场性能校核，验证了所采用方法的可靠性。对第一级叶轮及整机内部流场进行了较为细致的分析。
- 伊卫林季路成肖云汉
- 关键词：气动设计离心压气机数值模拟
- 文献传递
- 叶身融合在径向扩压器中的应用初探被引量：7
- 2015年
- 离心压气机负荷能力持续提升,进一步加重了径向扩压器的工作负担,流道内角区分离是径向扩压器高性能工作的关键制约因素。叶身融合是针对组织与控制角区流动而提出的一项新技术。本文针对一带叶片式扩压器的高压比离心压气机级展开数值模拟,在对原型流动细致分析的基础上,实施吸力面叶身融合设计,在一定程度上推迟和减弱了角区分离,使得峰值效率提高近0.4%,近阻塞点效率提升近0.7%,压比略有提升而喘振裕度未受影响。对比分析了叶身融合设计对流场结构影响,给出了性能改善原因。
- 伊卫林陈志民马季季路成
- 关键词：离心压气机
- 叶身／端壁融合技术研究被引量：16
- 2012年
- 角区流动的现象普遍存在,其中角区流动分离是制约叶轮机性能提升的关键因素。针对抑制或消除角区分离情况,在简要回顾二面角原理的基础上,提出叶身/端壁融合技术(Blended Blade-EndWall,BBEW),指出了其所包含的二面角原理的3种应用方式,并以NASA 67号转子叶片为例,采用数值方法研究了应用第2种方式(即增大过渡曲面最小曲率半径方式)的改型效果。结果表明:采用二面角原理第2种应用方式的BBEW能够有效地减弱或消除高负荷叶片吸力面角区分离,进而明显改善了67号转子叶片性能,因此BBEW是抑制或消除角区分离的有效技术。
- 季路成田勇李伟伟伊卫林
- 基于伴随方法的多级叶轮机三维叶片优化设计被引量：6
- 2014年
- 伴随方法单次优化循环计算量与设计变量数目基本无关,多设计变量时计算成本低。本文采用伴随方法发展了多级叶轮机三维黏性气动形状优化方法,包括伴随方程及其边界条件、目标函数与设计变量的敏感性关系。结合基于Hicks-Henne函数的三维叶片参数化方法和最速下降法建立了气动形状优化设计系统。针对1.5级压气机第二排叶片的反设计验证了该优化系统的有效性;以进、出口熵增为目标函数改型设计某1.5级超音压气机,改型后气动性能明显提升。
- 李伟伟季路成伊卫林
- 关键词：叶轮机优化设计参数化
- 轴向超音通流转叶激波静叶风扇级
- 本发明涉及轴向超音通流转叶激波静叶风扇级，Axial Supersonic Inflow Shock‑in‑Stator Fan，缩写为SSSF，属于机械装置及运输技术领域。SSSF提供一种新形式热力学布局风扇，包括轴向...
- 季路成李嘉宾杨巨涛伊卫林
- 面向对象的涡轮基发动机热力性能模拟方法研究
- 本文基于NASA开源MATLAB/SIMULINK程序T-MATS,分别搭建了CFM56大涵道比涡扇发动机、T700涡轴发动机模型,研究了面向对象的涡轮基发动机热力循环性能模拟方法。基于部件和性能部分台架试验数据,经过部...
- 刘良烨伊卫林崔志伟
- 关键词：涡扇发动机涡轴发动机
- 一种具有波状表面的叶型设计方法
- 本发明涉及一种具有波状表面的叶型设计方法，属于机械装置及运输技术领域。本方法采用波状壁面构成三维扰动影响流动状况的机理，在叶片表面进行波状处理实现被动流动控制；根据叶片吸力面的叶表易分离区域起始位置S和分离区弦向长度b，...
- 季路成刘艳明伊卫林
- 热痕/叶排相互作用的并行计算程序开发及数值模拟
- 为深入研究多级涡轮中热痕与叶排非定常相互作用机理，探索设计规律，本文自主开发了可考虑多排涡轮任意热痕数及叶片数比的定常和非定常流动的集群并行计算程序MpiTurbo。应用该程序，对一涡轮高压转子冷却布局和冷却效果进行了初...
- 王宝臣伊卫林季路成肖云汉
- 关键词：航空发动机对转涡轮非定常流动数值模拟
- 文献传递
- 机器学习在高压比离心叶轮优化设计中的应用研究被引量：8
- 2020年
- 随着大数据时代的到来和人工智能的发展,气动优化领域进行了很多有益的尝试与探索。传统叶轮机械叶型优化有着耗时长,叶型参数化复杂,计算成本高等缺点。本文采用机器学习中的SVM(支持向量机)方法,基于离心压气机数据库,构建叶型参数与目标函数值之间的非线性模型,取代了繁琐的CFD计算。之后,利用遗传算法进行全局寻优,得出最优的叶型参数组合。与传统优化方法D3D比较,此方法优化时间大幅减少,优化叶型变化趋势与D3D接近,优化结果经过Numeca数值验证,峰值效率比D3D提高了0.2%,表明了机器学习优化具有较高的可靠性。
- 程鸿亮伊卫林季路成
- 关键词：支持向量机遗传算法离心压气机
