大型双曲冷却塔表面脉动风压随机特性——风压极值探讨

针对风压信号呈现的非高斯特性和传统极限估计方法的局限,首次提出基于保证率和相关性的极值估计方法——全概率迭代法进行冷却塔表面脉动风荷载极值分析,并和传统的峰值因子法及改进的Sadek-Simiu法计算结果进行对比验证。结果表明：全概率迭代法避开了对随机过程的高斯分布假定,相比传统的极值估计方法其结果更加真实可靠;表达风压极值中脉动分量的峰值因子数值沿着环向和子午向变化显著,如取为同一数值则偏于危险或过于保守;采用全概率迭代法得到的表面风压系数极值分布曲线与规范取值相比,迎风面和负压峰值区域极值偏小,背风区域极值偏大,且最小值对应角度相差约10°。     

考虑导风装置大型冷却塔双塔风致干扰效应研究

为研究不同导风装置对双塔干扰下大型冷却塔表面平均和脉动风荷载分布特性的影响,基于风洞试验对比研究了三种有导风装置和无导风装置的大型冷却塔表面风压随机分布特性,其中包括平均风压、脉动风压、峰值因子、极值风压以及干扰因子等气动参数。研究结果表明:增设导风装置后塔筒背风面负压区气流紊乱,平均风压呈现明显波动;不同导风装置对塔筒下部断面测点峰值因子影响显著,数值主要分布在3.2~3.6之间;极值风压分布规律类似于冷却塔模态的正反对称特点,外部进水槽对喉部侧风面极值风压增大了近0.5;90°风向角为双塔布置的最不利工况,夹道效应导致塔筒侧风面平均风压、脉动风压与极值风压变化显著,此时带外部进水槽的冷却塔中上部断面层阻力系数的干扰因子达到最大值。     

用自助法估计外弹道测量数据随机误差分布特性

针对外弹道测量数据的有限性使随机误差的分布估计不够准确的问题,提出了基于Bootstrap（自助）方法的外弹道测量数据随机误差分布特性估计。首先对测量数据采用样条分频技术得到随机误差的初步估计,然后采用三次多项式拟合修正样本经验分布函数,替换传统Bootstrap方法中经验分布函数,得到随机误差的Bootstrap样本,计算Bootstrap样本的统计量,从而得到精度较高的外弹道测量数据随机误差模型。从仿真数据验证结果来看,解决了传统Bootstrap方法仿真随机样本相对比较集中的问题。     

上海地区台风风特性Monte-Carlo随机模拟研究

收集和整理了1949年至2005年台风年鉴统计资料和上海崇明岛侯家镇气象站逐时(连续)气象观测记录.对于上海近年来两次强台风(麦莎0509和卡努0515)进行了案例分析,表明台风风场的强变异性不容忽视,台风风环境评价采用可靠度分析理论具有相当的优势.Monte-Carlo台风随机模拟结果亦表明极值风速样本分布具有偏态性,由此建议了极值风速估算保证率系数的合理取值.采用Monte-Carlo台风风场随机模型和敏感度分析方法计算了不同场地条件风环境随机参数对于台风极值风速的贡献程度,并对上海地区的台风风场参数合理取值进行了优化.最后,以越界峰值法和广义Pareto分布探讨了工程场地目标重现期内极值风速预测过程,再现了几类典型工程场地台风风环境的梯度风高度、平均风剖面、极值风速和阵风因子取值特点,并与建筑结构荷载规范进行了对比.     

定日镜表面风压的重构与预测

在利用风洞试验研究结构表面风压时,测点数量往往不能满足结构计算要求,为了得到未布置测点处的风压时程,需要进行插值预测。文章结合风洞试验同步采集到的风压时程数据,利用本征正交分解(POD)技术分析了定日镜表面风场分布特点;根据风压相关系数矩阵经POD分解后成为时间主坐标与空间本征向量这一特点,编制了Matlab程序,实现其与Surfer软件接口,选取距离反比法、三角形线性插值法和克里金法(Kriging)等不同插值方法对本征向量进行空间插值;研究了参与模态阶数对重构风压序列精度的影响,并计算了预测点风压时间序列。结果表明:随着参与重构的模态数量增加,重构与测量风压序列逐渐接近;在三种插值预测方法中三角形线性插值法和克里金法预测效果优于距离反比法。     

大型煤气柜风荷载的风洞试验及数值模拟

对某大型煤气柜进行了风洞测压试验及风压数值模拟。分析了试验模型表面风压分布及其脉动特性,并同数值计算结果、规范条文中类似断面结构的风压分布作对比。结果表明：风洞试验中由于结构表面分布的工字钢及表面粗糙度的处理,雷诺数效应对表面风压分布影响并不明显,但对表面绕流场分离区的风压值有一定影响。结构的均方根升力、阻力系数在频域表现为宽带谱;采用基于雷诺平均的RNGk-ε湍流模型能较准确地模拟表面平均风压分布,其计算结果同样可为结构抗风设计提供参考;在不同量级雷诺数下数值模拟得到的平均风压分布能反映出雷诺数效应的影响。     

考虑不同四塔形式特大型冷却塔群风荷载极值分布特征与取值探讨

塔群干扰作用下特大型冷却塔表面风荷载分布非常复杂,尤其是极值模型更加难以预测。首先,以工程中最常见的串列、矩形、菱形、L形和斜L形五种四塔组合形式为例,进行了320种工况的世界最高220m特大型冷却塔群刚体测压风洞试验。然后,分析了特大型冷却塔局部风压和整体力系数的非高斯和非平稳特征,并基于Hermite法和峰值因子法对比探讨了特大型冷却塔的局部风压极值和整体力系数极值的分布规律,着重讨论了特征角度与局部、整体气动力极值之间的映射关系。最后,提出了冷却塔四塔塔群最大负压极值和整体力系数极值的数学计算模型,建议了考虑不同四塔干扰效应的四塔组合特大型冷却塔群一维极值风压系数估算公式,并验证了上述公式的精确度和有效性。主要研究结论表明:矩形、菱形和L形布置下特大型冷却塔最大负压极值均小于-3.40,矩形布置形式下的负压极值最大,菱形布置下出现强吸力现象的可能性较高;可基于特征角度与塔群脉动风荷载之间的线性关系对特大型冷却塔局部风压极值和整体力气动力极值进行有效预测。     

大型双曲冷却塔表面脉动风压随机特性——非高斯特性研究

为了系统研究大型双曲冷却塔表面脉动风压分布特性,进行单个冷却塔刚体模型风洞动态同步测压试验,对冷却塔表面脉动风压的非高斯统计特性进行了系统的研究。根据测点风压时程及其概率密度分布曲线,对具有非高斯分布特性的局部区域作出判断,从风压信号的时空间相关性入手,结合中心极限定理讨论了局部区域呈现非高斯特性的原因;并基于测点风压信号概率密度曲线的斜度及峰态值对典型断面的测点风压进行非高斯特性描述,给出了划分非高斯区域的标准,并由测点环向相关性对冷却塔壳体表面进行了分区,初步探讨了不同区域的脉动风压形成机理,加深了对冷却塔结构表面风压分布特性的认识,为进一步探讨冷却塔结构表面风压极值奠定了理论基础。     

基于自助法的小样本数据分析方法研究

自助法（Bootstrap）和随机加权法（Bayes Bootstrap）都是较好的处理小样本数据的方法,其无先验性,以及计算过程中只需要实际观测数据的优越性,使其广泛地应用于实际数据处理之中,后者的估计精度要更好些。但对连续情况而言,自助法的计算特性使得重抽样本局限在原始样本范围内,无法渐进于真实情况。文章基于自助法研究了用改进的样本经验分布函数来解决这个问题,并通过仿真算例说明方法的有效性。     

基于高保真有限元模型失谐叶盘受迫响应的统计特性

采用极值理论分析失谐叶盘最大受迫响应的统计特性并应用于某压气机叶盘上。对失谐叶盘进行减缩建模，运用蒙特卡洛方法模拟响应计算，研究不同激励阶次下最大响应放大因子的分布特性。采用极值理论对最大响应放大因子分布进行统计学建模，以极大似然估计方法求解未知参数，进行分布拟合，并采用K-S(Kolmogorov-Smirnov)检验方法检验各分布函数拟合的好坏程度。对某压气机叶盘进行失谐响应统计特性分析，对比了7种分布函数对最大响应放大因子的拟合效果，结果表明:极值分布、二参数威布尔分布、正态分布、对数正态分布和伽马分布拟合效果较差；常用的三参数威布尔分布不如广义极值分布的拟合效果好。因此，说明广义极值分布更能准确地描述失谐叶盘动力响应的统计特性。      

航材消耗件订货模型及解法

在分析航材消耗件需求规律的基础上，提出了一种基于多元函数的消耗件经济订货批量模型。结合实际数据定义模型参数，利用非线性约束下的广义拉格朗日乘数法即Kuhn-Tucker最优化条件求解模型极值，最终得到基于最佳订货周期和最小费用的最佳订货量。     

小样本下分位数函数的Bootstrap置信区间估计

航空产品试验一般为小样本试验,为了分析小样本情况下的试验数据,结合以概率加权矩为约束条件的最大熵法和求解置信区间及置信带的Bootstrap方法,提出了一种估计小样本试验件母体分位数函数置信区间的方法。最大熵法在矩约束下能够估计样本的密度函数,而以概率加权矩为约束条件的最大熵法能够针对小样本直接给出分位数的无偏估计,无需由密度函数积分得到累积分布函数,再进行转化得到分位数函数。Bootstrap方法求解置信区间具有不依赖于数据分布的优点,具有广泛的应用范围。     

基于稀疏自动编码器的飞参数据异常检测

为了改善人工判读飞参数据效率低且易出现误判和漏判的不良状况,本文提出一种基于稀疏自动编码器(Sparse auto-encoder,SAE)的飞参数据异常检测方法。首先构建了SAE的基本框架,然后以滑动窗口的形式生成训练样本。其次,用正常样本并结合BP算法对整个网络模型进行训练和优化以得到相应的正常样本重构误差分布阈值。最后,根据测试样本的重构误差对飞参数据中的典型异常进行检测。实验证明,该方法可在样本不平衡的情况下,仅利用正常样本构建参数空间,并得到正常样本重构误差分布门限,准确检测出飞参数据中的异常,实现飞参数据机器判读。     

结冰条件下人-机-环系统的飞行风险概率

以结冰条件下的飞行风险量化概率为研究对象,基于蒙特卡罗飞行仿真实验对结冰条件下人-机-环系统的耦合特性进行了分析,并获取了飞行参数极值样本。构建了飞行风险发生的判定条件;对飞行参数极值样本进行了统计特性分析,验证了其厚尾分布特征。一维分布类型辨识结果表明广义极值分布对相对速度和迎角极值的描述精度最高。为描述二维变量对相关性的各自影响程度,提出了一种新的双参数变权重Copula模型;辨识结果表明该Copula模型能以较高的精度通过假设检验。相关性分析的结果表明相对速度和迎角同时出现极大值和极小值的概率较大。基于二维极值样本的Copula分布模型求出了不同结冰程度下的飞行风险概率值,探讨了飞行风险的非线性增长趋势。     

矩形高层建筑平均风压的风洞阻塞效应试验研究

基于同步测压技术,在同济大学TJ-2建筑风洞中进行了单体矩形高层建筑的阻塞效应试验研究。对阻塞度为4.1%、6.1%、8.4%、10.1%的刚性建筑模型在低湍流均匀风场中进行了测压试验,对结果进行了对比分析。主要研究了阻塞效应对模型表面平均风压特性的影响。试验结果表明:在均匀流中,阻塞效应对模型迎风面平均风压系数的影响较小,除靠近角部测点外,影响幅度不足5%;阻塞效应使模型侧面、背风面和顶面平均风压系数降低较为显著,但平均风压系数分布规律没有明显变化。此外,基于风洞试验结果提出了均匀流中矩形高层建筑平均风压的阻塞效应修正公式。     

体育场悬挑屋盖结构风荷载解析模型

结合援莫桑比克国家体育场刚性模型风洞试验数据,分析了悬挑屋盖结构表面风压分布特性、脉动风荷载谱特性和脉动风压空间相关性,并利用体育场风洞试验测压数据,拟合了各区域脉动风压谱和相干函数的经验公式,建立了此类结构的风荷载解析模型.经过工程算例表明,本文建立的风荷载解析模型用于悬挑屋盖结构的动力响应计算具有较高的精度,有一定的实用价值.     

最大熵准则识别材料疲劳寿命分布

疲劳寿命具有很大的分散性,是工程结构设计中必须考虑的因素。为了降低主观不确定性的引入,得到更合理的疲劳寿命分布类型,提出一种用于识别疲劳寿命概率分布类型的一般计算方法。该方法首先根据疲劳试验样本信息确定疲劳寿命的前四阶统计矩;基于统计矩信息,利用最大熵准则确定疲劳寿命的概率分布类型。在基于最大熵准则识别疲劳寿命分布时,利用Lagrange乘子法求解最大熵分布。采用已有的航空铝合金2024-T351板件疲劳裂纹扩展试验数据验证所提计算方法的合理性和有效性。结果表明:所提方法能够高效地识别材料疲劳寿命分布类型,并且不局限于单峰标准分布类型。     

飞行器气动参数估计不确定度评价方法研究

为了有效地利用飞行器气动参数估计结果,必须同时给出估计结果的不确定度,因此研究了不确定度评价方法.当试验样本较多时,样本标准差具有明确的统计含义,比分散度能够更好地描述参数估计的不确定度.对于单个试验样本,基于不确定度椭球导出的C-R(Cramer-Rao)界是参数估计不确定度最好的理论预测,但利用飞行实测数据得到的C-R界普遍比样本标准差小.鉴于此,通过在低频有色噪声的基础上构造白噪声的方法,得到了一种C-R界修正方法,并通过仿真算例验证了修正方法的正确性.最后,将C-R界修正方法应用于飞行实测数据,得到的修正C-R界与利用多次飞行试验参数估计结果计算的样本标准差比较一致,表明该修正方法能够较好地给出参数估计的不确定度区间.     

基于多元极值Copula的尾流飞行风险概率评估

在尾流问题日益突出的背景之下,结合人-机-环复杂系统建模与多元极值理论,评估遭遇近距近地尾流情形下的飞行风险概率。基于蒙特卡罗法提取尾流极值参数,验证了一维极值参数符合广义极值（GEV）分布;在此基础上提出了二维极值参数的双参数变权重（DPAVW） Copula模型,利用自适应区间粒子群优化（ARPSO）算法对目标函数中的未知参数进行了辨识,拟合优度检验的结果表明DPAVW Copula模型具有比其他Copula模型更高的精度;在利用Copula模型对尾流三维空间中所有二维极值参数进行描述的基础上,求出了每个网格节点上对应的飞行风险概率值,构建了尾流场内二维及三维可视化风险概率图。所提方法是对飞机系统安全性评估理论与方法的有效补充,对于尾流场内的导航控制与风险规避、机场起降的尾流安全间隔改进、环境风险可视化等研究方向有一定的参考价值;同时也适用于不同状况下飞行风险概率的横向对比分析。     

基于深度学习的非定常周期性流动预测方法

为了克服传统CFD计算需要耗费大量的计算时间与成本的缺陷,提出了一种基于深度学习的非定常周期性流场的预测框架,可以实时生成给定状态的高可信度的流场结果。将条件生成对抗网络与卷积神经网络相结合,改进条件生成对抗网络对生成样本的约束方法,建立了基于深度学习策略采用改进的回归生成对抗网络模型,并与常规的条件生成对抗网络模型的预测结果进行对比。研究表明,基于改进的回归生成对抗网络的深度学习策略能准确预测出指定时刻的流场变量,且总时长比CFD数值模拟减少至少1个量级。