XiaoMi-AI文件搜索系统
World File Search SystemAeroDynamic
NREL 先进研究涡轮机 (ART) ART-2B 转子叶片的空气动力学设计
本报告是作为美国政府机构赞助的工作的记录而编写的。美国政府及其任何机构或其任何雇员均不对所披露的任何信息、设备、产品或流程的准确性、完整性或实用性做任何明示或暗示的保证，也不承担任何法律责任或义务，也不表示其使用不会侵犯私有权利。本文中以商品名、商标、制造商或其他方式提及任何特定商业产品、流程或服务并不一定构成或暗示美国政府或其任何机构对其的认可、推荐或支持。本文中表达的作者的观点和意见不一定代表或反映美国政府或其任何机构的观点和意见。
drivaernet：用于数据驱动空气动力设计和基于图的阻力预测
摘要这项研究介绍了Drivaernet，这是3D行业标准汽车形状的大规模高保真CFD数据集，以及RegDGCNN（一种动态的图形卷积神经网络模型），均旨在通过机器学习进行空气动力的汽车设计。drivaernet，其4000个详细的3D汽车网架使用了50万个表面网状面和全面的空气动力性能数据，包括全3D压力，速度场和壁剪应力，解决了广泛的数据集以训练工程应用中深度学习模型的广泛数据的关键需求。它比以前最大的汽车公共数据集大60％，并且是唯一对车轮和车身底部进行建模的开源数据集。regdgcnn利用此大型数据集直接从3D网格中提供高精度的阻力估计，绕过传统限制，例如需要2D图像渲染或签名距离字段（SDF）。通过在几秒钟内实现快速的阻力估计，RegdGCNN便有助于快速的空气动力学评估，从而为在汽车设计中的数据驱动方法整合而实现了巨大的飞跃。一起，Drivaernet和Regdgcnn承诺将加速汽车设计过程，并有助于开发更有效的车辆。为了为未来的创新奠定基础，我们的研究中使用的数据集和代码可在https://github.com/mohamedelrefaie/drivaernet 1中公开访问。
使用 SOAR（轨道空气动力学研究卫星）进行在轨空气动力学系数测量
轨道空气动力学研究卫星 (SOAR) 是一项立方体卫星任务，预计于 2021 年发射，用于研究极低地球轨道 (VLEO) 上不同材料与大气流动状态之间的相互作用。提高对这些高度的气体-表面相互作用的了解以及识别可以最大限度减少阻力或改善空气动力学控制的新型材料，对于设计未来可以在低高度轨道运行的航天器非常重要。这类卫星可能更小、开发成本更低，或者可以提供改进的地球观测数据或通信链路预算和延迟。为了实现这些目标，SOAR 具有两种有效载荷：i) 一组可操纵的翼片，能够将不同的材料或表面处理暴露给具有不同入射角的迎面而来的气流，同时还提供可变的几何形状以研究空气稳定性和空气动力学控制；以及 ii) 具有飞行时间能力的离子和中性质谱仪，可以精确测量原位流动成分、密度和速度。利用精确的轨道和姿态确定信息以及测得的大气流动特性，可以研究卫星在轨道上受到的力和扭矩，并计算出气动系数的估计值。本文介绍了 SOAR 任务的科学概念和设计。描述了使用最小二乘轨道确定和自由参数拟合过程从测得的轨道、姿态和原位大气数据中恢复气动系数的方法，并估计了解析的气动系数的实验不确定度。结果表明，卫星设计和实验方法的结合能够清楚地说明阻力和升力系数随不同表面入射角的变化。阻力系数测量的最低不确定度位于约 300 公里处，而升力系数测量的不确定性随着轨道高度降低至 200 公里而提高。
基于机器学习的预测雷诺的翼型空气动力系数
摘要。本研究研究了各种机器学习（ML）算法在预测两个关键空气动力系数的应用，即最大升力系数（𝐶𝐶）和最小阻力系数（𝐶𝑑），对于任何给定的雷诺数，风力涡轮机翼型。我们建议使用聚类技术对类似的机翼形状进行分组，并使用创建的分区来预测使用它们相似性的看不见的机翼属性。在这里，我们还代表了Parsec低维空间中的机翼，而不是高维翼型点空间，以弥补少量训练数据。为此，创建了一个扩展的实验机翼数据库，并用于基于五种不同ML算法的培训模型。我们观察到决策树集合（DTE），随机森林（RF）和多层感知器（MLP）模型成为𝐶𝐶𝑙和𝐶𝑑𝑑𝑚𝑖𝑛𝑑𝑑𝑑𝑑𝑑𝑚𝑖𝑛𝑑𝑚𝑎𝑥𝑚𝑖𝑛𝑙的最有效预测指标。在培训数据库中未包含的三个其他机翼案例上测试这两个ML模型表明，𝐶𝐶𝑙𝑙𝑙𝑙𝑙预测性能通常是合理的，错误级别的平均值约为5％。相比之下，𝐶𝑑的预测误差水平通常更高，平均约为15％。
侧风条件下列车/车辆气动特性现场试验及风洞试验
由于列车重量减轻、速度加快，受强风影响较大。铁路车辆在侧风作用下的稳定性已成为许多国家[1, 2, 3]讨论的严重问题。减轻车辆重量可降低导致车辆倾覆的临界风速。临界倾覆风速不仅取决于自然风向和风速，还取决于列车速度，因此运行速度越快，导致车辆倾覆的临界风速越低。临界倾覆风速取决于侧风引起的气动力、离心力以及由曲率和轨道倾斜（超高）引起的重力。其中，气动力对倾覆风险的影响最大。因此，为了准确估计临界倾覆风速，有必要研究侧风作用于车辆的气动力。
一种新颖的深钢筋学习启用泵存储的代理，用于泵存储水力系统电压控制
抽象的压电能量收集系统在通过低频操作为微电动设备供电方面起着至关重要的作用。在这里，已经为低功率电子设备开发了一种新型的压电能量收集设备。开发的压电能量收集系统由一个悬臂向外投射，悬臂一端连接到风圈，另一端连接到扭转弹簧。开发的压电能量收集系统在通电的微电器设备中的应用。悬臂向内放在压电电晶体堆栈中。当风击中时，会在防线器中产生涡流，该涡流振荡并在压电晶体堆栈中产生压力，以开发电能。从压电能量收集系统获得的输出电压不会影响压电晶体的任何输入频率。获得的结果表明，开发的压电能量收集系统会产生120-200 eV，为2.9×10 16 –4.84×10 16 Hz频率，考虑到基本电荷单元为40，对于4-9 m/s的可变风流。这项研究旨在开发用于低功率微电动设备的有效风能的压电能量收集系统。
在CFD中应用机器学习来研究热特性对机翼空气动力特征的影响
计算流体动力（CFD）和机器学习方法用于研究NASA型NACA 0012的热传递。已经开发了几种不同的模型，以检查层流，晶状体流量和Allmaras流对NACA 0012机翼在不同的空气动力学条件下的影响。在本文中，针对多孔模式和非孔模式的不同机翼模式讨论了高温下的温度条件。特定参数包括11.36 x 10-10 m 2的渗透率，孔隙率为0.64，惯性系数为0.37，温度范围为200 k和400K。该研究表明，温度升高可以显着增加提升到拖拉。另外，采用多孔状态和温度差异进一步有助于增强电力到拖拉系数。在调整温度时，神经网络还可以成功预测结果，尤其是在有更多情况的情况下。尽管如此，本研究使用Smoter模型评估了系统的准确性。已显示测试情况最佳性能验证的MSE，MAE和R分别为0.000314、0.0008和0.998960，在k = 3。然而，研究表明，时期值大于2000，增加了计算时间和成本而不提高准确性。这表明SMOTER模型可用于准确对测试案例进行分类；但是，对于最佳性能，不需要更高的时期值。
入口尖端间隙对离心压缩机内部流动特征和空气动力学性能的影响
在这项研究中，使用ANSYS-CFX软件进行离心压缩机的数值模拟。重点在于研究入口尖端清除率（ITC）对内部复合物流量和离心压缩机的空气动力学性能的影响。具体而言，本文主要强调了ITC对离心压缩机的多层次效率和总压力比，以及叶片尖端的速度和压力的变化，叶片尖端的时空演化（尖端裂缝涡旋（TLLV）（TLV）（TLV）以及沿压力和veLocity的波动。分析额定工作条件下的尖端裂变流量（TLF）和TLV运动模式，揭示了一场革命内的时空演化。快速傅立叶变换（FFT）频谱分析结果表明，TLV运动模式可能受到ITC大小的影响。叶片尖端区域中的流体流动阻力和回流逐渐降低，有效增强流场稳定性，并消除了旋转出口处的回流涡流，从而通过减小ITC有效扩展了离心压缩机的工作范围。通过降低ITC，离心压缩机的空气动力学性能在培养基和高流速范围内有效增加。此外，观察到刀片尖端区域中的压力，速度和负载与ITC没有线性关系，从而导致有关ITC的空气动力学性能的非线性变化。压力和速度光谱分析表明，与中间相比，TLF的效果在流通过的顶部更强。此外，随着ITC的增加，TLF的效果在压力侧的中间和顶部（PS）下降，同时在PS的底部和吸力侧（SS）增加。
用于低雷诺流应用的空气动力和力矩平衡设计、制造和测试
图 1-1：RIT 的风洞测试第 3 部分图 1-2：RIT 的闭路风洞图 5 图 2-1：用于测量三维流体动力的实验仪器。 （Sunada 等 [5]） 6 图 2-2：实验研究中使用的天平示意图 [3] 8 图 3-1：风轴参考系 14 图 3-2：体轴参考系 15 图 3-3：升力和阻力天平的装配图 16 图 3-4：用于测量升力的天平配置 17 图 3-5：用于测量阻力的天平配置 17 图 3-6：力矩分析图 - 升力配置 22 图 3-7：阻力天平配置的力矩分析图 23 图 3-8：俯仰和滚转力矩天平的装配图 24 图 3-9：俯仰和滚转力矩天平的测试平台装配图 25 图 3-10：装配式焊条测试平台 26 图 3-11：俯仰力矩天平配置 28 图 3-12：滚动力矩天平配置 28 图3-13: 俯仰力矩分析图 29 图 3-14: 滚转力矩分析图 30 图 4-1: 实验元素图 34 图 4-2: 升力配置 36 图 4-3: 阻力配置 36 图 4-4: 俯仰力矩配置 38 图 4-5: 滚转力矩配置 38 图 4-6: 平板力矩校准图（零速度且无翼型） 40 图 4-7: 平板俯仰力矩数据 40 图 4-8: 俯仰实验测试平台设置 42 图 4-9: LinAir 涡流面板法翼型 44 图 4-10: 二面角和滚转力矩系数 45 图 5-1: 升力和系数的实验值 53 图 5-2: 实验升力数据与已发布数据的比较 55 图 5-3: 实验阻力数据 56 图5-4：实验阻力数据与公布数据的比较 57 图 5-5：实验俯仰力矩数据 58 图 5-6：俯仰力矩实验值和公布值 60 图 5-7：实验数据；滚动力矩 61 图 5-9：滚动力矩系数与分析模型的比较 62 图 7-1：附加质量的平衡设计 68
具有各种叶片设计的垂直轴风力涡轮机模型的气动性能实验与数值研究
本论文（开放获取）由乔治亚南方大学杰克·N·阿维里特研究生院 Digital Commons@Georgia Southern 免费提供给您，供您开放获取。该论文已被 Digital Commons@Georgia Southern 的授权管理员接受并纳入电子论文和学位论文。如需更多信息，请联系 digitalcommons@georgiasouthern.edu 。