空气动力学实验方法：热电偶测量：实验流场的热特性分析

空气动力学实验方法：热电偶测量：实验流场的热特性分析1空气动力学实验方法：热电偶测量1.1空气动力学实验的重要性在空气动力学领域，实验方法是理解和验证理论模型的关键。通过实验，研究人员能够直接观察流体在不同条件下的行为，测量流场中的压力、速度、温度等物理量，从而分析和优化飞行器、汽车等的设计。热电偶测量作为实验流场热特性分析的一种重要手段，其准确性直接影响到实验结果的可靠性。1.1.1实验案例：风洞测试在风洞测试中，热电偶被用来测量模型表面的温度分布，这对于研究边界层特性、热流分布以及评估冷却系统效率至关重要。例如，当测试一个飞机机翼模型时，热电偶可以放置在机翼的不同位置，以监测在不同飞行速度和角度下，机翼表面的温度变化，进而分析气动加热效应。1.2热电偶测量的基本原理热电偶是一种基于塞贝克效应（Seebeckeffect）的温度传感器。当两种不同材料的金属导体在两端接触时，如果两端的温度不同，就会在导体之间产生电动势，这个电动势与温度差成正比。通过测量这个电动势，就可以推算出温度。1.2.1热电偶类型常见的热电偶类型包括：K型（镍铬-镍硅）：广泛使用，性价比高，适用于大多数工业应用。J型（铁-康铜）：成本较低，但温度范围和精度有限。S型（铂铑-铂）：精度高，适用于高温测量，但成本较高。1.2.2数据采集与处理在空气动力学实验中，热电偶的数据采集通常通过数据采集系统（DAQ）进行。DAQ系统可以同时读取多个热电偶的信号，并将数据记录下来供后续分析。示例代码：使用Python和DAQ设备读取热电偶数据importnumpyasnp

importmatplotlib.pyplotasplt

fromnational_instrumentsimportdaq

#初始化DAQ设备

device=daq.Device('Dev1')

#配置热电偶通道

channel=device.ai_channels.add('ai0',terminal_config=daq.TerminalConfiguration.DIFFERENTIAL)

#设置采样率和采样数量

sample_rate=1000

num_samples=1000

#开始数据采集

data=channel.read(num_samples=num_samples,rate=sample_rate)

#数据处理

#假设data是一个包含1000个温度读数的数组

#这里我们计算平均温度

average_temperature=np.mean(data)

#数据可视化

plt.figure()

plt.plot(data)

plt.title('热电偶温度读数')

plt.xlabel('采样点')

plt.ylabel('温度(°C)')

plt.show()

#输出平均温度

print(f'平均温度:{average_temperature}°C')1.2.3数据分析采集到的温度数据需要进一步分析，以提取流场的热特性。这可能包括计算温度梯度、热流密度、以及与理论模型的比较。示例：计算温度梯度假设我们有从热电偶采集的温度数据，存储在一个数组temperatures中，对应于不同位置的测量点。我们可以使用numpy库来计算温度梯度。#假设我们有10个温度测量点，每个点之间的距离为0.1米

positions=np.linspace(0,0.9,10)

temperatures=np.array([20,21,22,23,24,25,26,27,28,29])

#计算温度梯度

temperature_gradient=np.gradient(temperatures,positions)

#输出温度梯度

print('温度梯度:',temperature_gradient)1.2.4结论热电偶测量在空气动力学实验中扮演着重要角色，它能够提供实验流场的热特性数据，帮助研究人员深入理解流体动力学现象，优化设计。通过使用现代数据采集和处理技术，可以更精确、高效地进行热电偶测量，为科学研究和工程应用提供有力支持。2热电偶的类型与选择2.1常见热电偶类型介绍热电偶是一种广泛使用的温度测量传感器，基于塞贝克效应（Seebeckeffect）工作。塞贝克效应描述了当两种不同金属导体的两端温度不同时，会在导体之间产生电动势的现象。热电偶利用这一原理，通过测量产生的电动势来确定温度。常见的热电偶类型包括：K型（镍铬-镍硅）：最常用的类型，具有良好的准确性和稳定性，适用于-200°C至1260°C的温度范围。J型（铁-康铜）：成本较低，适用于-40°C至750°C的温度范围。T型（铜-康铜）：在低温测量中表现优异，适用于-250°C至350°C的温度范围。E型（镍铬-康铜）：灵敏度高，适用于-200°C至900°C的温度范围。N型（镍铬硅-镍硅）：在高温下具有良好的稳定性和抗腐蚀性，适用于-200°C至1300°C的温度范围。S型（铂铑-铂）：精度高，适用于高温测量，但成本较高，适用于0°C至1600°C的温度范围。2.2热电偶材料与温度范围热电偶的材料决定了其工作温度范围和测量精度。不同材料的热电偶在不同温度下具有不同的电动势输出，因此选择合适的热电偶材料对于准确测量温度至关重要。例如：K型热电偶：由镍铬和镍硅组成，适用于广泛的温度范围，是空气动力学实验中常用的类型。T型热电偶：由铜和康铜组成，特别适合低温测量，如在冷却系统或低温风洞实验中使用。2.2.1选择热电偶材料的考虑因素温度范围：确保热电偶的材料适合预期的温度测量范围。环境条件：考虑热电偶将暴露的环境，如腐蚀性、氧化性或还原性气氛。成本：某些材料如铂铑的热电偶成本较高，需根据预算选择。响应时间：热电偶的热容量和热导率影响其响应时间，快速响应对于动态测量尤为重要。2.3选择热电偶的考虑因素在空气动力学实验中，选择热电偶时需要考虑以下因素：实验温度范围：确定实验中可能遇到的最高和最低温度，选择能够覆盖这一范围的热电偶类型。热响应速度：对于快速变化的流场，需要选择热响应时间短的热电偶，以确保测量的实时性和准确性。物理尺寸：热电偶的直径和长度应与实验设备相匹配，避免对流场产生干扰。环境兼容性：考虑实验环境的腐蚀性、氧化性或还原性，选择合适的热电偶材料。成本效益：在满足实验需求的前提下，考虑成本效益，选择性价比高的热电偶。2.3.1示例：热电偶选择流程假设我们正在设计一个高温风洞实验，需要测量温度范围为800°C至1200°C的流场温度。根据上述考虑因素，我们可以按照以下步骤选择热电偶：确定温度范围：800°C至1200°C。筛选热电偶类型：基于温度范围，K型和N型热电偶是合适的选择。考虑热响应速度：由于实验中流场温度变化可能较快，选择N型热电偶，其热响应时间较短。物理尺寸与环境兼容性：选择直径小、长度适中的N型热电偶，以减少对流场的干扰，并确保在高温环境下的稳定性。成本效益：比较N型热电偶的不同供应商，选择性价比高的产品。通过这一流程，我们可以确保选择的热电偶既满足实验需求，又具有良好的成本效益。在实际应用中，可能还需要考虑热电偶的安装方式、信号处理和数据采集系统等因素，以确保温度测量的准确性和可靠性。3热电偶的校准与维护3.1热电偶校准的方法热电偶作为测量温度的重要工具，在空气动力学实验中用于分析实验流场的热特性。为了确保测量的准确性，热电偶的校准是必不可少的步骤。校准方法通常包括以下几种：比较法：将待校准的热电偶与标准热电偶一起置于恒温槽中，通过比较两者的输出电压来确定待校准热电偶的误差。冰点法：利用水的冰点（0°C）作为参考点，测量热电偶在冰点时的输出电压，以此来校准热电偶。三相点法：使用某些物质的三相点（固态、液态和气态共存的温度）作为校准点，如水的三相点为0.01°C。高温炉法：在高温炉中，通过已知的高温点来校准热电偶，适用于高温测量的热电偶。3.1.1示例：比较法校准热电偶假设我们有一组实验数据，其中包含标准热电偶和待校准热电偶在不同温度下的输出电压。我们将使用Python的numpy和scipy库来处理这些数据并进行校准。importnumpyasnp

fromscipy.optimizeimportcurve_fit

#定义热电偶输出电压与温度的关系函数

defvoltage_to_temperature(voltage,a,b,c):

returna*voltage**2+b*voltage+c

#标准热电偶和待校准热电偶的实验数据

temperatures=np.array([0,50,100,150,200,250,300])

standard_voltages=np.array([0.000,0.200,0.400,0.600,0.800,1.000,1.200])

target_voltages=np.array([0.002,0.202,0.402,0.602,0.802,1.002,1.202])

#使用标准热电偶数据拟合函数

params,_=curve_fit(voltage_to_temperature,standard_voltages,temperatures)

#使用拟合的参数计算待校准热电偶的温度

calibrated_temperatures=voltage_to_temperature(target_voltages,*params)

#输出校准后的温度

print("CalibratedTemperatures:",calibrated_temperatures)3.2热电偶维护与保养热电偶的维护与保养对于其长期稳定性和准确性至关重要。以下是一些维护保养的建议：定期检查：定期检查热电偶的外观，确保没有物理损伤或腐蚀。清洁：使用适当的溶剂和工具清洁热电偶，避免使用可能损坏热电偶的强酸或强碱。存储条件：在不使用时，将热电偶存放在干燥、无腐蚀性气体的环境中。避免过热：确保热电偶的工作温度不超过其最大额定温度，以防止热电偶材料的退化。使用保护套管：在高温或腐蚀性环境中使用热电偶时，应使用保护套管来延长其使用寿命。3.3校准与维护的重要性热电偶的校准与维护对于确保实验数据的准确性和可靠性至关重要。未经校准的热电偶可能会产生较大的测量误差，影响实验结果的分析。定期的维护可以延长热电偶的使用寿命，减少因热电偶故障导致的实验中断。因此，热电偶的校准与维护是空气动力学实验中不可忽视的重要环节。3.3.1示例：热电偶维护检查表为了确保热电偶的维护工作有序进行，可以创建一个维护检查表，如下所示：日期检查项目检查结果备注2023-04-01外观检查无损伤2023-04-01清洁完成使用酒精2023-04-01存储环境检查干燥无腐蚀性气体2023-04-01工作温度检查正常未超温2023-04-01保护套管检查完好通过这样的检查表，可以系统地跟踪热电偶的维护历史，确保其始终处于最佳工作状态。4空气动力学实验方法：热电偶测量与实验流场的热特性分析4.1实验流场的设置与准备4.1.1流场实验的基本设置在进行空气动力学实验时，流场的设置是关键步骤之一。流场实验通常在风洞中进行，风洞是一个封闭的或半封闭的管道，其中空气被加速以模拟飞行条件。基本设置包括：风洞选择：根据实验需求选择合适的风洞类型，如低速、高速或超音速风洞。模型安装：将待测试的模型固定在风洞中，确保模型稳定且对准风洞中心线。流场调节：调整风洞的气流速度和方向，以达到实验所需的流场条件。数据采集系统准备：包括热电偶、压力传感器等的连接与校准，确保数据采集系统的准确性和可靠性。4.1.2实验前的流场检查实验前的流场检查是确保实验数据准确性的必要步骤。这包括：气流均匀性检查：使用激光多普勒测速仪（LaserDopplerAnemometer,LDA）或热线风速仪（HotWireAnemometer,HWA）检测风洞中气流的均匀性。湍流度测量：通过测量气流的波动来评估湍流度，确保其在实验要求的范围内。边界层厚度测量：使用探针或热电偶测量边界层的厚度，以了解模型表面的流体动力学特性。4.1.3热电偶安装与定位热电偶是测量温度的常用传感器，其安装与定位直接影响到实验数据的准确性。安装步骤如下：选择热电偶类型：根据实验温度范围选择合适的热电偶类型，如K型、J型或S型。热电偶固定：使用高温胶带或焊接将热电偶固定在模型表面，确保其与模型表面紧密接触。定位标记：在模型上标记热电偶的位置，以便于后续的数据分析。连接数据采集系统：将热电偶连接到数据采集系统，进行信号传输和数据记录。4.2热电偶测量原理热电偶测量基于塞贝克效应（Seebeckeffect），即当两种不同金属的导体在两端温度不同时，会产生电动势。热电偶由两种不同金属的导线组成，一端焊接在一起形成热端，另一端保持在室温下形成冷端。当热端被加热时，热电偶会产生电压，该电压与温度成正比，通过测量电压可以计算出温度。4.2.1示例代码：热电偶电压到温度转换假设我们使用K型热电偶，其电压与温度的关系可以通过查表或使用公式近似计算。以下是一个使用Python进行电压到温度转换的示例代码：importnumpyasnp

fromerpolateimportinterp1d

#K型热电偶电压-温度表数据

voltage_data=np.array([0.000,0.002,0.004,0.006,0.008,0.010])

temperature_data=np.array([0,10,20,30,40,50])

#创建插值函数

voltage_to_temperature=interp1d(voltage_data,temperature_data,kind='cubic')

#测量电压值

measured_voltage=0.005

#转换为温度

measured_temperature=voltage_to_temperature(measured_voltage)

print(f"测量的温度为:{measured_temperature}°C")在实际应用中，电压-温度表数据会更详细，以确保更精确的温度测量。此外，热电偶的冷端温度也需要进行补偿，以提高测量精度。4.3实验流场的热特性分析实验流场的热特性分析主要关注流体的温度分布、热流密度和热传递系数。这些参数对于理解流体动力学和热力学过程至关重要。4.3.1温度分布测量温度分布可以通过在模型表面不同位置安装多个热电偶来测量。通过记录热电偶在不同时间点的温度，可以绘制出温度随时间和空间变化的分布图。4.3.2热流密度计算热流密度（q）可以通过以下公式计算：q其中，k是材料的热导率，ΔT是温度差，Δ4.3.3热传递系数分析热传递系数（h）是描述热流从流体到固体表面的效率的参数，可以通过以下公式计算：h其中，q是热流密度，Ts是固体表面温度，T4.4结论通过上述步骤，我们可以有效地设置和准备实验流场，使用热电偶进行温度测量，并分析实验流场的热特性。这些技术对于空气动力学研究和工程应用至关重要，能够帮助我们更好地理解流体与固体之间的热交换过程。5空气动力学实验方法：热电偶测量技术5.1热电偶信号的采集与处理热电偶是一种常见的温度测量装置，它基于塞贝克效应（Seebeckeffect）工作，即当两种不同金属的导体在两端温度不同时，会产生电动势。在空气动力学实验中，热电偶被广泛用于测量实验流场中的温度分布，从而分析流场的热特性。5.1.1原理热电偶由两种不同金属的导线组成，一端焊接在一起形成热端，另一端保持在室温下作为冷端。当热端被加热时，热电偶会产生一个与温度差成正比的电压信号。这个信号可以通过数据采集系统（DAQ）进行采集，并转换为温度值。5.1.2数据采集数据采集系统通常包括一个热电偶放大器和一个模数转换器（ADC）。热电偶放大器用于放大热电偶产生的微小电压信号，而ADC则将模拟信号转换为数字信号，以便计算机处理。代码示例使用Python和pyacq库进行热电偶信号的采集：importpyacqaspa

importnumpyasnp

frompyacq.viewersimportQOscilloscope

#创建数据采集设备

device=pa.create_device('AnalogInput','device_name',channels=[0],sample_rate=10000)

#创建信号处理设备

processor=pa.create_processor('AnalogSignalProcessor',device,channels=[0],gain=1,offset=0)

#创建示波器以可视化信号

viewer=QOscilloscope()

viewer.configure(with_user_dialog=True,processor=processor)

viewer.initialize()

#开始采集

device.start()

viewer.show()

viewer.exec_()5.1.3数据处理采集到的信号需要进行处理，包括滤波、校准和数据分析。滤波用于去除噪声，校准确保测量的准确性，数据分析则用于提取温度分布信息。代码示例使用Python和scipy库进行信号滤波：fromscipy.signalimportbutter,lfilter

defbutter_lowpass(cutoff,fs,order=5):

nyq=0.5*fs

normal_cutoff=cutoff/nyq

b,a=butter(order,normal_cutoff,btype='low',analog=False)

returnb,a

defbutter_lowpass_filter(data,cutoff,fs,order=5):

b,a=butter_lowpass(cutoff,fs,order=order)

y=lfilter(b,a,data)

returny

#参数

cutoff=300#Hz

fs=10000#Hz

order=6

#滤波数据

filtered_data=butter_lowpass_filter(data,cutoff,fs,order)5.2流场温度分布的测量热电偶可以放置在流场的不同位置，以测量温度分布。通过分析这些数据，可以了解流场中的热传递特性。5.2.1实验设置在实验中，热电偶应放置在流场的关键位置，如边界层、冲击波区域等，以获取最有价值的数据。同时，应确保热电偶的热端与流体充分接触，以获得准确的温度读数。5.2.2数据分析采集到的温度数据可以用于绘制温度分布图，分析流场中的温度梯度和热流方向。代码示例使用Python和matplotlib库绘制温度分布图：importmatplotlib.pyplotasplt

#温度数据

temperature_data=[20,22,25,28,30,32,35,38,40,42]

#流场位置

positions=[0,1,2,3,4,5,6,7,8,9]

#绘制温度分布图

plt.plot(positions,temperature_data,marker='o')

plt.xlabel('流场位置')

plt.ylabel('温度(°C)')

plt.title('流场温度分布')

plt.grid(True)

plt.show()5.3热流密度的计算热流密度是单位面积上的热流量，是分析流场热特性的重要参数。它可以通过测量的温度梯度和热导率计算得出。5.3.1原理热流密度（q）可以通过傅里叶热传导定律计算：q其中，k是热导率，ΔT是温度差，Δ5.3.2计算方法在实验中，可以通过测量两个相邻位置的温度差和距离差来计算热流密度。代码示例使用Python计算热流密度：defcalculate_heat_flux(temperature_data,distance_data,thermal_conductivity):

#计算温度梯度

temperature_gradient=np.gradient(temperature_data,distance_data)

#计算热流密度

heat_flux=-thermal_conductivity*temperature_gradient

returnheat_flux

#温度数据

temperature_data=[20,22,25,28,30,32,35,38,40,42]

#距离数据

distance_data=[0,1,2,3,4,5,6,7,8,9]

#热导率

thermal_conductivity=0.026#W/(m*K)

#计算热流密度

heat_flux=calculate_heat_flux(temperature_data,distance_data,thermal_conductivity)5.3.3结果分析计算出的热流密度可以用于分析流场中的热传递效率，识别热流方向和强度，从而优化实验设计和流体动力学模型。以上内容详细介绍了空气动力学实验中热电偶测量技术的原理、数据采集与处理、流场温度分布的测量以及热流密度的计算方法。通过这些步骤，可以有效地分析实验流场的热特性，为后续的空气动力学研究提供数据支持。6空气动力学实验方法：热电偶测量与实验流场热特性分析6.1数据分析与解释6.1.1温度数据的统计分析在空气动力学实验中，热电偶测量得到的温度数据是分析流场热特性的重要基础。这些数据通常需要进行统计分析，以提取出有意义的信息。以下是一个使用Python进行温度数据统计分析的例子：importnumpyasnp

importpandasaspd

#假设我们有从热电偶测量得到的温度数据，存储在一个CSV文件中

data=pd.read_csv('temperature_data.csv')

#温度数据列名为'Temperature'

temperatures=data['Temperature']

#计算平均温度

mean_temperature=np.mean(temperatures)

#计算温度的标准差

std_dev_temperature=np.std(temperatures)

#计算温度的最小值和最大值

min_temperature=np.min(temperatures)

max_temperature=np.max(temperatures)

#输出统计结果

print(f"平均温度:{mean_temperature}°C")

print(f"温度标准差:{std_dev_temperature}°C")

print(f"温度最小值:{min_temperature}°C")

print(f"温度最大值:{max_temperature}°C")6.1.2热特性参数的提取从温度数据中提取热特性参数，如热流密度、热导率等，是进一步分析流场热特性的关键步骤。以下是一个使用Python计算热流密度的例子：#假设我们有温度数据和对应的热电偶位置数据

#热电偶位置数据列名为'Position'

positions=data['Position']

#计算温度梯度

temperature_gradient=np.gradient(temperatures,positions)

#假设热导率为0.026W/(m*K)

thermal_conductivity=0.026

#计算热流密度

heat_flux=-thermal_conductivity*temperature_gradient

#输出热流密度

print("热流密度:",heat_flux)6.1.3流场热特性的影响因素分析分析流场热特性的影响因素，如流速、压力、湍流等，可以帮助我们理解流场的热行为。以下是一个使用Python分析流速对温度分布影响的例子：#假设我们有流速数据，存储在数据框的'Velocity'列中

velocities=data['Velocity']

#使用线性回归分析流速与温度的关系

fromsklearn.linear_modelimportLinearRegression

#创建线性回归模型

model=LinearRegression()

#假设我们只分析流速对温度的影响，因此X为流速，y为温度

X=velocities.values.reshape(-1,1)

y=temperatures.values.reshape(-1,1)

#训练模型

model.fit(X,y)

#输出模型的斜率和截距

print("斜率:",model.coef_[0][0])

print("截距:",ercept_[0])通过上述代码，我们可以分析流速与温度之间的线性关系，斜率表示流速每增加一个单位，温度的预期变化量，而截距表示当流速为0时的预期温度值。这种分析有助于我们理解流速如何影响流场的热特性。以上示例展示了如何使用Python进行空气动力学实验中热电偶测量数据的统计分析、热特性参数的提取以及流场热特性影响因素的分析。通过这些步骤，我们可以更深入地理解实验流场的热行为，为后续的空气动力学研究提供数据支持。7空气动力学实验方法：热电偶测量与实验流场的热特性分析7.1实验案例研究7.1.1低速流场热特性分析原理在低速流场中，热特性分析主要关注的是流体的温度分布、热传导和对流换热。热电偶作为温度测量的工具，其原理基于塞贝克效应（Seebeckeffect），即当两种不同金属导体的两端温度不同时，会在导体之间产生电动势。通过测量这个电动势，可以推算出温度差，进而得到流场中的温度分布。内容在低速流场实验中，热电偶通常被用来监测流体与固体表面的接触温度，以及流体内部的温度变化。这些数据对于理解流体的热传导和对流换热机制至关重要。示例：假设我们有一个低速风洞实验，需要测量流过一个加热板的空气温度。我们使用热电偶进行测量，并记录数据。#示例代码：使用热电偶测量低速流场中的温度

importnumpyasnp

importmatplotlib.pyplotasplt

#热电偶测量数据

temperature_data=np.array([20,21,22,23,24,25,26,27,28,29,30])

distance_from_surface=np.array([0,1,2,3,4,5,6,7,8,9,10])#距离加热板表面的距离

#绘制温度分布图

plt.figure()

plt.plot(distance_from_surface,temperature_data,marker='o')

plt.title('低速流场中距离加热板表面的温度分布')

plt.xlabel('距离加热板表面的距离(cm)')

plt.ylabel('温度(°C)')

plt.grid(True)

plt.show()7.1.2高速流场热特性分析原理高速流场中的热特性分析更为复杂，除了温度分布，还需要考虑气动加热（aerodynamicheating）的影响。高速流动的气体与物体表面接触时，由于摩擦和压缩效应，会产生显著的热量，这可能对物体的热防护系统设计产生重要影响。内容在高速流场实验中，热电偶的布置需要更加精细，以捕捉流体与物体表面的瞬时温度变化。这些数据对于评估气动加热效应、设计热防护系统以及优化飞行器的热性能至关重要。示例：在一个高速风洞实验中，我们使用热电偶测量一个飞行器模型表面的温度变化。#示例代码：使用热电偶测量高速流场中飞行器模型表面的温度

importnumpyasnp

importmatplotlib.pyplotasplt

#热电偶测量数据

temperature_data=np.array([30,32,35,38,40,42,45,48,50,52,55])

time=np.array([0,1,2,3,4,5,6,7,8,9,10])#时间序列

#绘制温度随时间变化图

plt.figure()

plt.plot(time,temperature_data,marker='o')

plt.title('高速流场中飞行器模型表面温度随时间变化')

plt.xlabel('时间(s)')

plt.ylabel('温度(°C)')

plt.grid(True)

plt.show()7.1.3热电偶测量在不同流场的应用原理热电偶测量技术在不同流场中的应用，关键在于如何正确选择和布置热电偶，以及如何处理和分析测量数据。在低速流场中，热电偶可以较为简单地布置；而在高速流场中，需要考虑气动加热效应，可能需要使用更高级的热电偶类型，如薄膜热电偶，以减少对流场的干扰。内容热电偶在空气动力学实验中的应用广泛，从低速风洞到超音速风洞，从地面测试到飞行测试，热电偶都是测量温度变化的重要工具。正确选择热电偶类型和布置位置，以及精确的数据分析，是确保实验结果准确性的关键。示例：比较低速和高速流场中热电偶测量的温度数据。#示例代码：比较低速和高速流场中热电偶测量的温度数据

importnumpyasnp

importmatplotlib.pyplotasplt

#低速流场数据

low_speed_temperature=np.array([20,21,22,23,24,25,26,27,28,29,30])

low_speed_distance=np.array([0,1,2,3,4,5,6,7,8,9,10])

#高速流场数据

hi