可压缩各向同性湍流统计特性的进一步研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    11702127
  • 项目类别:
    青年科学基金项目
  • 资助金额:
    25.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    A0901.湍流与流动稳定性
  • 结题年份:
    2020
  • 批准年份:
    2017
  • 项目状态:
    已结题
  • 起止时间:
    2018-01-01 至2020-12-31

项目摘要

Compressible turbulence is of fundamental importance to a number of industrial applications and natural phenomena, including the design of hypersonic aircraft, supersonic combustion, inertial confinement fusion and supernova explosion. On the basis of previous researches, the present proposal aims to further study statistics of compressible isotropic turbulence at different turbulent Mach numbers, including spectra of velocity and pressure, multi-scale transfer of kinetic energy and internal energy, small scale structures and intermittency. Multi-scale statistics of the solenoidal and compressible components of compressible isotropic turbulence are investigated by Helmholtz decomposition method. For weakly compressible turbulence, the compressible component of turbulent flow is further decomposed into an acoustic component and a pseudo-sound component. Multi-scale statistics of the acoustic and pseudo-sound components of turbulent flow are investigated. For highly compressible turbulence, the effects of eddy shocklets and large-scale shock waves on the statistics of compressible isotropic turbulence are investigated. This proposal will provide theoretical support for study of complex compressible turbulent flows and development of reliable models of compressible turbulence.
可压缩湍流在高超声速飞行器设计、超声速燃烧、惯性约束核聚变和超新星爆炸等工程问题和自然现象中都起到重要的作用。本项目在已有的研究基础上,进一步研究可压缩各向同性湍流在不同湍流马赫数条件下的速度谱和压力谱、动能和内能的多尺度传输、小尺度流动结构和间歇性等问题。通过亥姆霍兹分解方法,研究可压缩各向同性湍流场的剪切部分和胀压部分的多尺度统计性质。在弱可压缩的情况下,将胀压部分进一步分解为声波模态和伪声模态,并研究声波模态和伪声模态的多尺度统计性质。在强可压缩的情况下,研究微激波和大激波对可压缩各向同性湍流场的统计性质的影响。为研究复杂条件下的可压缩湍流的流动机理和发展可靠的可压缩湍流模型提供理论支持。

结项摘要

可压缩湍流在航空航天、能源、天体物理等关键领域中起到重要的作用。项目研究人员在过去3年中,系统地开展了可压缩各向同性湍流的直接数值模拟和流动机理的研究工作。通过数值模拟和理论分析建立了可压缩湍流的速度和热力学量的谱的标度关系。总结了不同湍流马赫数情况下的动能和热力学量的多尺度传输现象。系统地了解不同湍流马赫数情况下的小尺度流动结构和流场间歇性。得到了体积粘性系数和化学反应对可压缩湍流的影响。通过结合湍流的流动机理和机器学习方法,对可压缩湍流建立了高精度的大涡模拟模型。通过系统地研究可压缩各向同性湍流的流动机理,为研究复杂流动情况下的可压缩湍流和发展更可靠的可压缩湍流模型提供了坚实的理论基础。共发表了SCI论文21篇。培养毕业硕士研究生1人,出站博士后3人。

项目成果

期刊论文数量(22)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(0)
Spatially multi-scale artificial neural network model for large eddy simulation of compressible isotropic turbulence
可压缩各向同性湍流大涡模拟的空间多尺度人工神经网络模型
  • DOI:
    10.1063/1.5138681
  • 发表时间:
    2020
  • 期刊:
    AIP Advances
  • 影响因子:
    1.6
  • 作者:
    Xie Chenyue;Wang Jianchun;Li Hui;Wan Minping;Chen Shiyi
  • 通讯作者:
    Chen Shiyi
Effects of bulk viscosity on compressible homogeneous turbulence
体积粘度对可压缩均匀湍流的影响
  • DOI:
    10.1063/1.5111062
  • 发表时间:
    2019
  • 期刊:
    Physics of Fluids
  • 影响因子:
    4.6
  • 作者:
    Chen Song;Wang Xiaoning;Wang Jianchun;Wan Minping;Li Hui;Chen Shiyi
  • 通讯作者:
    Chen Shiyi
Artificial neural network mixed model for large eddy simulation of compressible isotropic turbulence
可压缩各向同性湍流大涡模拟的人工神经网络混合模型
  • DOI:
    10.1063/1.5110788
  • 发表时间:
    2019
  • 期刊:
    Physics of Fluids
  • 影响因子:
    4.6
  • 作者:
    Xie Chenyue;Wang Jianchun;Li Hui;Wan Minping;Chen Shiyi
  • 通讯作者:
    Chen Shiyi
Effect of compressibility on the local flow topology in homogeneous shear turbulence
压缩性对均匀剪切湍流中局部流动拓扑的影响
  • DOI:
    10.1063/1.5127911
  • 发表时间:
    2020
  • 期刊:
    Physics of Fluids
  • 影响因子:
    4.6
  • 作者:
    Wang Xiaoning;Chen Song;Wang Jianchun;Li Hui;Wan Minping;Chen Shiyi
  • 通讯作者:
    Chen Shiyi
Cascades of temperature and entropy fluctuations in compressible turbulence
可压缩湍流中温度和熵涨落的级联
  • DOI:
    10.1017/jfm.2019.116
  • 发表时间:
    2019
  • 期刊:
    Journal of Fluid Mechanics
  • 影响因子:
    3.7
  • 作者:
    Wang Jianchun;Wan Minping;Chen Song;Xie Chenyue;Wang Lian Ping;Chen Shiyi
  • 通讯作者:
    Chen Shiyi

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

基于人工神经网络的可压缩湍流大涡模拟模型
  • DOI:
    10.1016/j.triboint.2014.05.019
  • 发表时间:
    2021
  • 期刊:
    航空学报
  • 影响因子:
    --
  • 作者:
    谢晨月;王建春;万敏平;陈十一
  • 通讯作者:
    陈十一
基于投影条纹级次识别的发动机叶片三维测量方法
  • DOI:
    10.3788/lop55.041201
  • 发表时间:
    2018
  • 期刊:
    激光与光电子学进展
  • 影响因子:
    --
  • 作者:
    马龙;徐泓悦;胡艳敏;王建春;黄超;裴昕
  • 通讯作者:
    裴昕
济南市城市化与水环境安全耦合协调分析
  • DOI:
    --
  • 发表时间:
    2015
  • 期刊:
    城市环境与城市生态
  • 影响因子:
    --
  • 作者:
    王建春;王琳;徐祥功;任丽军
  • 通讯作者:
    任丽军
微流控细胞芯片生命分析应用多元化
  • DOI:
    --
  • 发表时间:
    2012
  • 期刊:
    分析化学
  • 影响因子:
    --
  • 作者:
    王建春;涂琴;王雪琴;王进义
  • 通讯作者:
    王进义
甲基2β2环糊精对肺泡Ⅱ型上皮细胞增殖和TGF2β/Smad信号通路的影响
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    第三军医大学学报
  • 影响因子:
    --
  • 作者:
    王 勤;王建春;李玉英;王关嵩
  • 通讯作者:
    王关嵩

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

王建春的其他基金

基于机器学习的湍流大涡模拟的亚格子模型
  • 批准号:
  • 批准年份:
    2021
  • 资助金额:
    61 万元
  • 项目类别:
    面上项目
可压缩槽道湍流的多模态分解和多尺度分析
  • 批准号:
    91952104
  • 批准年份:
    2019
  • 资助金额:
    95.0 万元
  • 项目类别:
    重大研究计划

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码