学科分类
/ 1
2 个结果
  • 简介:纳米孔隙内气体流动的理论预测对气体微流控器件的设计和制造具有重要的理论指导作用,文章采用分子动力方法研究了氮气、氧气和二氧化碳混合气体在平行壁纳米孔隙内的剪切流动特性和边界滑移特性.研究结果表明:随着加入二氧化碳比例的不断增加,混合气体滑移速度不断增大,并且当二氧化碳的比例低于20%时,混合气体流动速度沿孔隙宽度方向呈线性分布;而当比例达到40%后,其速度轮廓将呈现非线性趋势.当二氧化碳所占比例为20%时,随着孔隙宽度的增加,混合气体的整体边界滑移随之减小.探究了混合气体密度和气-固耦合强度对混合气体流动及边界滑移的影响机理.发现随着混合气体密度的减小,气流边界滑移增大;随着气-固界面耦合强度的增强,边界气体分子易被吸附而出现黏滑运动,气体分子在边界处的积聚现象增强,剪切应变率增大,边界滑移减小.

  • 标签: COUETTE流 混合气体 纳米孔隙 边界滑移 分子动力学
  • 简介:开展了机器学习在翼型气动力计算和反设计方法中的应用研究,实现了在更大翼型空间范围内,人工神经网络的训练和优化,建立了翼型气动力计算模型,和给定目标压力分布的翼型反设计优化模型.作为机器学习领域兴起的研究热点,人工神经网络的研究工作不断深入,有研究者尝试将其应用于流体力学的学科范畴内.文章实现人工神经网络在翼型计算领域中应用的方法如下:首先通过Parsec参数化方法,围绕基准翼型构造了一定翼型空间范围的翼型库,利用XFOIL进行数值模拟,搭建了和翼型库具有一一映射关系的流场信息库.通过训练和优化神经网络,实现了基于此模型的快速、高可信度的翼型气动力预测,以及新型的翼型优化设计方法.通过自动化编程实现样本库的批量生成,实现了不同翼型空间的样本量下,神经网络的训练和优化过程.实验结果表明,在机器学习领域中,基于神经网络的翼型反设计模型的精确性高度依赖于训练样本量的大小和覆盖范围.

  • 标签: 神经网络 气动力 翼型反设计 PARSEC参数法 计算流体力学