編寫本教材的著重點在于向學生介紹現(xiàn)代葉輪機械新技術及應用的基本原理及發(fā)展趨勢，其中包括應用于航空、航天、航海及能源、交通領域的不同類型的葉輪機械的分類、涉及的新技術特點及原理，并針對葉輪機械中一些復雜流動現(xiàn)象所采用的特殊新技術的機理、方法及應用等做一簡介。力求通過該教材的編寫使讀者（學生和相關專業(yè)科研人員）對現(xiàn)代葉輪機械新技術及應用有初步了解，進一步拓寬知識面，提高創(chuàng)新思維能力、促進工程應用，為今后更深入地從事該領域的科學研究工作奠定良好基礎。
更多科學出版社服務，請掃碼獲取。
目錄
叢書序
前言
第1章 緒論
1.1 壓氣機中的主要流動現(xiàn)象及分析 001
1.1.1 壓氣機中的附面層流動分離現(xiàn)象 002
1.1.2 葉尖泄漏流動 004
1.1.3 激波損失 010
1.1.4 壓氣機葉柵內的旋渦 013
1.1.5 壓氣機中的非定常效應 014
1.2 壓氣機中的主要流動損失及其被動控制技術 016
1.2.1 葉型損失及其被動控制方法 017
1.2.2 激波損失及其控制方法 019
1.2.3 端壁二次流損失及控制方法 020
1.2.4 葉尖間隙泄漏損失及其控制方法 026
1.3 葉輪機械復雜流動主動控制技術 032
1.3.1 附面層吸附技術 032
1.3.2 引氣技術 037
1.3.3 射流技術 038
1.3.4 等離子體放電激勵技術 042
1.4 小結 043
參考文獻 044
第2章 壓氣機葉片智能優(yōu)化設計新技術
2.1 葉片優(yōu)化設計方法的發(fā)展與應用 053
2.1.1 葉片設計技術發(fā)展的迫切需求 053
2.1.2 傳統(tǒng)的葉型設計方法的制約與不足 054
2.1.3 優(yōu)化設計技術的發(fā)展及葉片造型中的應用 055
2.1.4 葉型優(yōu)化設計研究回顧 058
2.2 基于遺傳算法的可控擴散葉型優(yōu)化設計技術 064
2.2.1 遺傳算法的基本原理及特點 064
2.2.2 基本遺傳算法的參數及運行流程 065
2.2.3 基本遺傳算法的實現(xiàn) 066
2.2.4 基本遺傳算法的改進策略 069
2.2.5 采用改進遺傳算法的可控擴散葉型優(yōu)化設計技術 070
2.2.6 小結 079
2.3 基于改進人工蜂群算法的大彎度葉型優(yōu)化設計技術 080
2.3.1 大彎度葉型優(yōu)化設計平臺搭建 080
2.3.2 大彎度葉型優(yōu)化設計 085
2.3.3 多工況條件下的大彎度葉型優(yōu)化設計 089
2.3.4 小結 095
2.4 考慮端壁效應的高負荷葉柵優(yōu)化設計技術 096
2.4.1 研究對象 096
2.4.2 高負荷葉柵全三維造型方法研究 097
2.4.3 考慮端壁效應的高負荷葉柵優(yōu)化設計方法 103
2.4.4 考慮端壁效應的高負荷葉柵優(yōu)化設計結果 107
2.4.5 小結 117
參考文獻 118
第3章 高負荷壓氣機串列葉片設計技術
3.1 串列葉片造型方法概述 122
3.1.1 串列葉片概念的提出及研究概述 122
3.1.2 串列葉型的幾何參數 123
3.1.3 串列基元葉型的生成 128
3.1.4 三維串列葉片的造型 130
3.2 基于并行多點采樣策略的串列葉柵多目標優(yōu)化設計技術 134
3.2.1 引言 134
3.2.2 多目標優(yōu)化系統(tǒng) 135
3.2.3 改進并行多點采樣策略 136
3.2.4 物理規(guī)劃 139
3.2.5 研究對象和數值方法 139
3.2.6 高負荷串列葉柵的優(yōu)化 142
3.2.7 優(yōu)化結果和分析 143
3.2.8 小結 147
3.3 大彎角串列葉型形狀及相對位置的耦合優(yōu)化設計技術 147
3.3.1 引言 147
3.3.2 改進粒子群算法 148
3.3.3 研究對象 152
3.3.4 數值方法 153
3.3.5 NURBS參數化方法 153
3.3.6 自適應Kriging模型 154
3.3.7 優(yōu)化系統(tǒng)簡介 155
3.3.8 優(yōu)化結果和分析 157
3.3.9 小結 161
3.4 彎掠優(yōu)化對高負荷跨聲速串列轉子的影響分析 162
3.4.1 引言 162
3.4.2 研究對象及數值方法 162
3.4.3 復合彎掠優(yōu)化方法 164
3.4.4 彎掠優(yōu)化結果與分析 165
3.4.5 小結 174
參考文獻 175
第4章 葉輪機內部二次流動的端壁控制技術
4.1 葉輪機內部二次流動的形成與發(fā)展 177
4.1.1 軸流葉輪機內部二次流動定義 178
4.1.2 葉輪機內部二次流的產生及特點分析 179
4.1.3 葉柵二次流的旋渦模型及其影響效應 181
4.2 非軸對稱端壁技術的發(fā)展與應用 184
4.2.1 渦輪非軸對稱端壁技術的發(fā)展 184
4.2.2 壓氣機葉柵非軸對稱端壁造型研究進展 186
4.3 非軸對稱端壁造型方法的研究 188
4.3.1 Rose非軸對稱端壁造型方法 188
4.3.2 FAITH端壁造型方法 189
4.3.3 中弧線旋轉法 191
4.3.4 三角函數造型法 191
4.3.5 壓差造型法 192
4.3.6 非均勻有理樣條函數法 193
4.3.7 非軸對稱端壁序列二次規(guī)劃優(yōu)化造型技術 194
4.3.8 基于Bezier曲線的端壁造型方法及應用 196
4.4 軸流壓氣機非軸對稱端壁造型技術 208
4.4.1 跨聲速軸流壓氣機非軸對稱端壁造型優(yōu)化設計 208
4.4.2 非軸對稱端壁造型在對轉壓氣機中的應用 214
4.4.3 小結 219
4.5 高壓渦輪導向器非軸對稱端壁優(yōu)化設計技術 219
4.5.1 端壁參數化造型方法 220
4.5.2 數值優(yōu)化方法 221
4.5.3 目標函數設計 222
4.5.4 高壓渦輪導向器中非軸對稱端壁造型優(yōu)化設計 223
4.5.5 小結 234
參考文獻 235
第5章 壓氣機附面層吸附技術
5.1 附面層吸附技術的原理 239
5.1.1 附面層吸附對下游附面層動量厚度變化的影響 239
5.1.2 從熱力學原理出發(fā)分析附面層吸附效果 243
5.1.3 小結 249
5.2 附面層吸附技術的發(fā)展 249
5.2.1 附面層吸附技術研究現(xiàn)狀 249
5.2.2 吸附式風扇/壓氣機設計技術 252
5.3 吸附式葉型優(yōu)化設計策略 260
5.3.1 防止吸附式葉型附面層分離的控制策略 260
5.3.2 基于蜂群算法的吸附式葉型智能優(yōu)化設計策略 262
5.3.3 吸附式壓氣機葉型及抽吸方案的耦合優(yōu)化設計策略 269
5.3.4 高空條件下低雷諾數葉型＋吸附式葉型耦合優(yōu)化設計策略 294
5.3.5 小結 306
5.4 吸附式壓氣機葉柵風洞吹風實驗 306
5.4.1 高亞聲速平面葉柵風洞介紹 307
5.4.2 兩套吸附式壓氣機葉柵實驗 309
5.4.3 兩級風扇進口級靜子葉尖常規(guī)葉柵實驗和吸附式葉柵實驗結果分析 319
5.4.4 小結 324
5.5 吸附式風扇/壓氣機氣動設計技術 325
5.5.1 抽吸對壓氣機整體性能參數的影響 325
5.5.2 吸附式壓氣機設計與分析方法 327
5.5.3 小結 343
參考文獻 343
第6章 對轉壓氣機技術
6.1 對轉技術的發(fā)展應用及技術特點分析 346
6.1.1 對轉技術的發(fā)展 346
6.1.2 對轉技術的特點及存在問題分析 350
6.1.3 壓氣機對轉與其他新技術的融合 353
6.2 對轉壓氣機特性及流場結構分析 355
6.2.1 對轉壓氣機數值模擬結果分析 356
6.2.2 對轉壓氣機葉片表面極限流線分析 360
6.2.3 小結 363
6.3 轉速比和軸向間隙對對轉壓氣機性能的影響分析 364
6.3.1 轉速比對壓氣機性能的影響 364
6.3.2 軸向間隙對對轉壓氣機性能的影響 376
6.3.3 小結 385
6.4 對轉技術的思考與展望 386
6.4.1 對轉技術存在的問題思考 386
6.4.2 對轉技術展望 387
參考文獻 387
第7章 葉輪機等離子體流動控制技術
7.1 等離子體流動控制技術 389
7.1.1 介質阻擋放電等離子體激勵 390
7.1.2 等離子體合成射流激勵 390
7.1.3 電弧放電等離子體激勵 391
7.2 等離子體激勵對壓氣機葉尖泄漏流動的控制 392
7.3 等離子體激勵對轉子葉尖失速的控制 397
7.4 等離子體流動控制在壓氣機靜子中的應用 401
7.4.1 吸力面激勵布局流動控制效果 401
7.4.2 端壁激勵布局流動控制效果 403
7.5 展望 404
參考文獻 405
第8章 人工智能技術在葉輪機領域的應用前景及發(fā)展趨勢
8.1 人工智能技術及應用 407
8.1.1 氣動優(yōu)化設計技術的研究現(xiàn)狀 408
8.1.2 遺傳算法在優(yōu)化設計中的應用研究現(xiàn)狀 409
8.1.3 仿生智能算法研究與應用現(xiàn)狀 411
8.1.4 現(xiàn)代人工智能技術發(fā)展概況 412
8.2 應用改進型BP人工神經網絡的葉片優(yōu)化設計技術 414
8.2.1 神經網絡概述 414
8.2.2 BP前饋神經網絡結構及算法 416
8.2.3 神經網絡樣本庫的建立 417
8.2.4 基于BP神經網絡的風扇靜子葉片優(yōu)化 419
8.2.5 小結 424
8.3 基于徑向基神經網絡的損失和落后角模型及應用 425
8.3.1 傳統(tǒng)損失和落后角模型發(fā)展 425
8.3.2 損失和落后角代理模型研究 426
8.3.3 代理模型建立及應用 427
8.3.4 代理模型介入壓氣機特性計算的程序流程 435
8.3.5 E3十級高壓壓氣機預測結果 439
8.3.6 優(yōu)化聚類中心數的RBF神經網絡代理模型計算結果 446
8.3.7 支持向量機代理模型計算結果 448
8.3.8 小結 450
8.4 微分蜂群支持向量機混合算法與葉片優(yōu)化設計技術 450
8.4.1 蜂群支持向量機算法的演進：DEABCSVM 450
8.4.2 DEABCSVM算法數值實驗 453
8.4.3 基于DEABCSVM算法的葉型優(yōu)化設計 456
8.4.4 小結 462
參考文獻 462
書單推薦
