当前位置: 首页 > ops >正文

会议分享|高超声速流动测量技术研讨会精彩探析

由中国空气动力学会测控专业委员会主办,中国科学技术大学工程科学学院承办的第八届三次委员会暨高超声速流动测量技术研讨会,5月16日在合肥盛大开幕。

会议专家报告分享了高超声速流动测量的最新研究成果、挑战与突破,展示了PIV高速摄像机、粒子图像测速PIV系统等科学仪器在研究中的应用价值。
精彩报告与应用价值点1

高速飞行器的设计和优化需要速度、温度、组分、压力等关键流场参数作为数据支撑。中国航空工业空气动力研究院的衷洪杰研究员分享了团队在激光流场测速和表面涂层测温技术的研究成果,提升了风洞试验的时空分辨率、测量精度及多参数同步测量能力。同时展望了大型高速风洞光学测试技术与硬件设备的未来发展方向。


激光流场测速实验中,高速摄像机高帧率记录流场中示踪粒子的运动轨迹序列图像,PIV测量系统通过序列图像计算得到二维或三维速度矢量场,呈现气流在风洞内的加速、膨胀过程。

精彩报告与应用价值点2
北京大学湍流与复杂系统全国重点实验室朱一丁团队提出“超快瑞利散射流动显示”与“粒子图像测速PIV技术”,用于高超声速边界层转捩机理与控制研究。转捩实验需在极快的时间尺度内捕捉激波、边界层干扰的瞬态演化过程,对时空分辨率提出极高要求。


高速摄像机可以搭配纹影仪,以极快帧率实时记录这一瞬态过程的纹影图像,可视化呈现激波、涡结构在转捩过程中的形成与发展,有助于科研人员深入理解高超声速边界层流动的物理特性,验证数值模拟结果的准确性。


亮点报告与应用价值点3

中国科学技术大学李祝飞团队致力于发展适用于激波风洞的内外流观测方法,探讨了利用该方法获得的外流三维激波形态演化、三维内转式进气道内生流向涡的演化以及激波扫掠内凹壁面的流场演化,认识了激波风洞的三维流动机理。


在高超声速三维内外流观测中,千眼狼层析PIV系统4台高速摄像机可实现三维速度场重构,解析涡的演化过程。

亮点报告与应用价值点4
南京航空航天大学王成鹏教授带来的《高速流动参数测量、特征识别及规律提取》的大会报告。超声速/高超声速流动现象存在激波、剪切层、分离流、转捩等典型结构,对典型结构的参数开展测量并提取关键流场特征,有助于承载上述结构的气动部件设计和飞行器整体性能优化。


高速摄像机,可以超高帧率捕捉激波的形成、传播和反射等动态过程,记录激波的形状、位置变化以及与壁面或其他障碍物相互作用的瞬态细节,为激波的强度、角度等流动分离现象提供直观图像数据。

PIV测量系统能精准测量激波、剪切层、分离流、转捩等典型结构所在区域的速度场分布,获取详细的二维、三维速度矢量图,为研究激波的传播特性、转捩过程中的能量转移、涡结构的生成于发展提供数据支持。
结语
高超声速流动测量领域,无论是光学诊断技术、边界层转捩研究、高温流场测量、典型流动结构分析还是激波干扰研究,高速摄像机和PIV流场测量系统已成为不可或缺的实验工具。
未来高超声速流动测量技术正朝着更高时空分辨率、多物理场耦合与极端环境适应性的方向发展。千眼狼高速摄像机与PIV流场测量系统将持续通过技术创新与场景化适配,为广大高超声速科研团队提供关键实验支持。

http://www.xdnf.cn/news/6634.html

相关文章:

  • 深入探索:Core Web Vitals 进阶优化与新兴指标
  • Windows11安装rockerMq5.0+以及springboot集成rockerMq
  • 现代计算机图形学Games101入门笔记(十四)
  • YOLO12改进-Backbone-引入MobileNetV4替换backbone,平衡精度与效率的问题
  • 在服务器上安装AlphaFold2遇到的问题(1)
  • LLaMA-Factory:准备模型和数据集
  • 【软件测试学习day8】性能测试相关指标
  • WebGL2光照效果
  • DeepSeek解读道德经 第三十四章
  • 背包问题详解
  • 华为云Flexus+DeepSeek征文|SpringBoot开发实战:基于ModelArts Studio高效集成DeepSeek大模型服务
  • 【“星睿O6”评测】对比高通8Gen3分类、检测、分割、超分网络的AIBenchmark测试
  • 对置式光电传感器市场报告:预计2031年全球市场销售额将攀升至 5.68 亿美元
  • ChatGPT再升级!
  • JavaScript 时间转换:从 HH:mm:ss 到十进制小时及反向转换
  • 拟合(最小二乘拟合)
  • OpenCV下安装opencv_contrib 扩展模块进行人脸特征识别mingw32
  • IDEA怎么汉化idea中文改回英文版
  • 【论文阅读】KIMI K1.5: SCALING REINFORCEMENT LEARNING WITH LLMS
  • (7)python开发经验
  • Invicti-Professional-V25.5
  • 尝试解引用泛型指针void*
  • 衡量 5G 和未来网络的安全性
  • UI自动化测试详解
  • Transformer 模型与注意力机制
  • handsome主题美化及优化:10.1.0最新版 - 1
  • 机器视觉光源选型解析:照亮工业检测的“智慧之眼”
  • 国产linux系统(银河麒麟,统信uos)使用 PageOffice自定义Word模版中的数据区域
  • 大模型的实践应用43-基于Qwen3(32B)+LangChain框架+MCP+RAG+传统算法的旅游行程规划系统
  • Quasar组件 Carousel走马灯