针对汽车变风量空调实际运行中存在的随机干扰,提出了一种基于二维框架理论的模糊迭代学习预测控制方法。首先对变风量空调系统进行线性建模;然后将空调系统作为间歇过程,利用二维框架理论得到二维状态空间模型;随后基于模糊理论介绍了变学习速率与预测步长的迭代学习预测控制器的设计方法。最后通过对比不同干扰信号条件下的跟踪响应发现模糊迭代学习预测控制不仅对周期性干扰具有较好的鲁棒性,而且在随机干扰条件下,依旧能够保持较好的跟踪性能。仿真结果验证了该方法的有效性。

翼型在较大攻角下会发生失速,产生流动分离,这将直接影响翼型气动性能。对此,采取在雷诺数Re=1×106的条件下,在S809翼型前缘点附近不同位置处设置微小板,改变微小板的板长、振动振幅和频率,探究其对S809翼型气动性能的影响。结果表明静止时,微小板的板长尺寸对控制效果影响显著,当位置和尺寸选取最优时,S809翼型在22°攻角下升阻比提升2倍左右;对抑制流动分离效果不佳的尺寸较小的静止板施加以合适振幅和频率的振动后,可以有效地抑制翼型的流动分离,得到增加升力、减小阻力的效果。

以有机工质R123为工质,基于一维气动分析理论,设计了三级离心透平,并采用数值模拟方法研究了不同工况下的透平气动性能.结果表明设计工况下,三级等叶高直叶片离心透平轮周效率可达到86.7%;在变工况条件下,离心透平轮周效率随着膨胀比的增大先增大后减小,离心透平各级的膨胀比、焓降和反动度等热力参数随着级组膨胀比的变化从高压级到低压逐级增大,最末级变化最大.