基于图像处理思想的自适应网格技术

为了提高激波和旋涡等复杂流动现象的捕捉精度和计算效率,基于图像处理的思想,研究了非结构网格的自适应加密和稀疏算法.将流场计算网格与图像像素类比,借鉴图像处理的方法,提出了一种流场自适应区域的分割算法.该方法能自动对自适应区进行分层,中间区域网格可以达到原来多次自适应的效果,而且提高了生成网格的质量.将算法嵌入到流场求解器中,根据流场求解结果对网格进行自适应,并使用算例进行了验证.     

基于非结构动网格的非定常流数值模拟方法

给出了基于非结构动网格的非定常流动问题的数值模拟方法,重点说明两种动态非结构网格方法的原理以及在非定常流模拟中的算法.一种是基于非结构网格的重叠网格方法,该方法结合了非结构网格方法和重叠网格方法的优点,以物面距为准则参数对网格节点进行分类,进而建立重叠网格的网格问插值关系,通过采用动态非结构重叠网格算法,可以处理多体间...     

二维任意域内基于节点的局部网格生成算法

凸域内基于节点的局部网格生成算法,克服了基于节点的有限元方法的网格生成可能产生的不一致性。将该基于节点的局部网格生成算法的适用范围拓展到二维任意域。另外,提出了通过使用约束Delaunay路径来划分任意域的区域划分算法,该算法使得在并行实现网格生成的过程中各处理器之间无需通信,从而大大提高了节点给定情形下有限元方法网格生成的并行效率。     

动网格技术在增升装置优化中的应用

将基于Denaulay背景图的动网格方法应用于增升装置二维缝道参数优化设计过程中。针对二维增升装置的构型特点和翼型运动的特点,采用了添加辅助点的双层Denaulay背景图动网格方法,并详细论述了辅助点添加、运动技术。为了进一步提高动态网格质量,提出了针对前后缘运动位置中比较极端的两种位置生成两个初始网格,并采用两种初始网格进行动态网格的生成。结果表明新动态网格方法可以为二维增升装置提供高质量的动态网格。     

三维非结构自适应多重网格技术

发展了一种基于几何外形的非结构自适应多重网格技术。根据流场参数的变化梯度确定加密边,由加密准则对粗网格进行自适应剖分得到分布合理的较密网格。通过预先生成的初始极密表面网格来将边界网格的加密点投影到边界上,使得边界保持初始外形。为了提高流场求解速度,将自适应加密后的一系列网格作为多重网格,采用了多重网格算法进行计算。M6机翼的流场计算表明该方法可以准确捕捉激波位置,并且表面的压力系数分布与实验值相吻合。     

复合材料自动铺带技术研究——曲面铺带轨迹算法

为满足自动铺带成型工艺要求,在自由曲面上规划预浸带轨迹。采用三角形网格划分逼近自由曲面方法,将商业CAD软件导出曲面的表面三角化数据格式（STL）文件用于曲面分析,对网格信息重构,建立点、边、面之间的关联信息。算法中应用“自然路径”原理在曲面上规划预浸带轨迹,研究了曲面边界处轨迹计算问题,提出了过三角形顶点出现“奇异性”问题的解决方法。通过在曲面上求解预浸带轨迹,证明了该算法的可行性。     

基于自适应混合网格的脱体涡模拟

基于混合网格和CGNS（CFD General Notation System）数据结构,建立了一种各向同性加密/稀疏的网格自适应方法。在悬空点的后处理中,让含有悬空点的单元转化为任意多面体,从而简化了自适应单元剖分模版,同时自适应网格单元之间可完全相容,自适应生成的网格能够直接用于可处理任意多面体的流场求解器。将该自适应方法与脱体涡模拟（DES）算法相结合,开展了65°后掠三角翼大迎角流动的数值模拟应用,并与初始网格的模拟结果进行了详细比较。对比表明：采用网格自适应方法适当增加局部网格量,能够以较小的成本迅速提高三角翼背风区的空间分辨率,增强数值模拟对小尺度涡系结构的解析能力,从而弥补了基于混合网格的脱体涡模拟中常用二阶格式计算的空间分辨率相对偏低、不利于湍流多尺度结构精细模拟的不足。     

无需中间变量的多运动站时差定位新算法

传统时差(TDOA)定位模型通过引入中间变量来得到线性方程,需要两步求解过程且该模型不适合多运动站连续定位。为此,引入无需中间变量的时差定位模型,并在此基础上提出了一种约束加权最小二乘定位算法。首先将基于该模型的时差定位问题转换为加权最小二乘问题,然后推导代入时差测量值后观测矩阵和观测向量的误差项,将其每一列表示为确定矩阵与随机时差测量噪声向量乘积的形式,并基于此推导了关于目标状态的二次约束方程,最终只需通过广义特征值分解来得到目标状态估计,并推导了该估计的解析表达式。仿真结果表明所提算法的连续定位性能逼近克拉美罗-限且所得定位解渐近无偏。     

一种高效的组合动导数分量数值模拟算法

基于传统网格速度法,发展了在流场网格不变的情况下,数值模拟沉浮运动、纯俯仰运动和俯仰振荡运动的算法,提出了一套直接求解旋转阻尼导数和洗流时差导数的方法,该方法不需要实时更新网格,减少了计算时间和所需内存,避免了负体积的出现。首先通过NACA 0006的阵风响应和NACA 0012翼型的强迫俯仰振荡,验证了程序和方法的正确性;然后数值模拟了BFM(basic finner missile)标准模型的沉浮运动、纯俯仰运动和俯仰振荡运动,并计算了其旋转阻尼导数、洗流时差导数和组合动导数,所得结果与动网格方法和风洞试验值吻合,最大误差不超过4%,进一步验证了该方法的正确性。     

二维热化学非平衡流动的非结构网格DSMC方法及其应用

研究了二维热化学非平衡流动非结构网格DSMC方法实现的过程。提出了一种新型的高效搜索算法,该算法不仅可以跟踪模拟分子在网格之间的迁移,而且在搜索过程中可以准确判别分子与物面是否相互作用,避免了原有算法中分子表面反射非确定论判据。为加快流场的时间发展历程,设计了适合DSMC方法的动态局部时间步长技术,使其可以应用到定常和非定常流场的计算。利用Fortran90的动态分配内存技术编制了计算程序。最后对过渡流域高超声速圆柱绕流进行了数值试验,计算结果初步验证了该算法的可行性。     

基于聚类模糊系统的动态数据野值剔除方法

针对影响遥测参数处理和分析的野值问题,提出了基于聚类法实时设计模糊系统实现动态数据野值辨识和剔除的新方法。该方法能够自适应跟踪不同变化特性的遥测参数,基于聚类法实现模糊系统的动态建模并获得预测值与观测值的残差序列,再按照狄克松准则实现野值的快速剔除。对实测数据的仿真实验表明：该方法能够显著降低动态建模的复杂度,快速跟踪信号变化,方法可行且有效。     

实时数据处理结果动态选优方法研究

针对传统的实时数据处理结果按方案优先级选优输出方法存在的缺陷,提出一种结合实时数据处理结果的精度进行实时动态选优的方法。该方法在每个数据处理周期将所有的数据结果与数据融合处理结果相比较,按照误差值大小对处理结果进行排序,若当前选择输出结果的误差值大于其他结果的误差值,可采用人机交互方式进行动态切换,选择其他精度高的结果输出。实际应用证明,该方法能有效避免当测量方案优先级高的数据处理结果精度差时其结果被选优输出的问题,提高了实时数据处理结果的精度。     

双目视觉绳系支撑飞行器模型位姿动态测量

绳牵引并联机器人（WDPR）为风洞试验提供了一种新型支撑方式，可用于多/六自由度风洞复杂动态试验。针对该支撑下飞行器模型的大范围运动，发展了一种基于双目视觉的模型位姿动态测量方法。首先，设计了一种编码合作标志点，合理布置于模型表面，通过图像处理消除绳对标志点成像干扰，进行标志点三维重构；然后，利用绝对定姿算法求解相对位姿初值，且给出了理论误差分析，并基于双目相机重投影误差构建李代数下的无约束最小二乘优化问题，采用L-M算法进行位姿优化；最后，采用该测量系统分别进行了静态和动态精度验证试验，以及大迎角俯仰振荡等3种单/多自由度典型运动轨迹测量。试验数据显示，静态角度和位移测量精度分别优于0.02°/0.02 mm；动态测量时角度精度可达到0.1°量级，位移平均误差为0.4 mm。研究结果表明：设计的双目视觉测量系统是有效可行的，可为后续风洞试验的实际应用提供支持。     

基于PnP和自适应线性卡尔曼滤波的实时位姿估计

针对实时位姿估计中扩展卡尔曼滤波(EKF)线性化引入非线性误差和依赖已知噪声分布的缺点,提出一种基于PnP的自适应线性卡尔曼滤波位姿估计求解方法。将PnP位姿估计求解策略引入卡尔曼滤波观测方程,通过对动态方程误差统计参数实时估计,自适应调节卡尔曼滤波递推参数。所提算法求解精度高,固定了观测方程的观测向量维度,提高了算法实用性。通过仿真试验,比较了该算法与EKF的位姿估计精度,通过量化误差分析,证明了该方法可以提高三维运动位姿估计精度,也验证了该方法的有效性。     

一种动态面神经网络鲁棒飞行控制律设计

提出一种基于RBF(Radial Based Function)神经网络和动态面控制的飞行控制律设计方法。针对飞机气动参数变化引起的非线性和不确定性,通过RBF神经网络在线逼近。动态面飞行控制律消除了反推设计方法中由于对虚拟控制反复求导而导致的复杂性问题。同时,在控制律设计中引入一个鲁棒因子项来补偿外界干扰和神经网络的逼近误差,提高了系统的鲁棒性,使整个系统获得更好的跟踪控制性能。基于Lyapunov稳定性定理证明了闭环系统的所有信号半全局一致终结有界,并且通过适当选择设计参数,跟踪误差可收敛到原点的一个小邻域内。最后,通过飞机俯仰运动飞行的数值仿真验证了该方法的有效性。     

A practical filter error method for aerodynamic parameter estimation of aircraft in turbulence

It is common for aircraft to encounter atmospheric turbulence in flight tests. Turbulence is usually modeled as stochastic process noise in the flight dynamics equations. In this paper, parameter estimation of nonlinear dynamic system with both process and measurement noise was studied, and a practical filter error method was proposed. The linearized Kalman filter of first-order approximation was used for state estimation, in which the filter gain, along with the system parameters and the initial states, constituted the parameter vector to be estimated. The unknown parameters and measurement noise covariance were estimated alternately by a relaxation iteration method, and the sensitivities of observations to unknown parameters were calculated by finite difference approximation. Some practical aspects of the method application were discussed. The proposed filter error method was validated by the flight simulation data of a research aircraft. Then, the method was applied to the flight tests of a subscale aircraft, and the aerodynamic stability and control derivatives were estimated. All the estimation results were compared with the results of the output error method to demonstrate the effectiveness of the approach. It is shown that the filter error method is superior to the output error method for flight tests in atmospheric turbulence.     

复合材料层合板沉头螺栓接头拉伸性能试验与有限元仿真

根据ASTM标准设计了复合材料沉头螺栓单钉单搭接头拉伸性能试样,并完成试验件的制备和挤压性能试验。试验过程中采用非接触全场应变测量系统(VIC-3D)对载荷-位移曲线、表面应变场、沉头板上表面面外位移等试验数据进行了采集。基于Abaqus/Standard和Abaqus/Explicit模块建立了复材接头单向拉伸的静力隐式和动力显式三维有限元模型,利用模型搭接区域的变形对试验结果进行验证。采用静力隐式算法所得接头挤压刚度和层合板上表面末端面外位移与试验值的误差分别为14.4%和20.5%;采用动力显式算法所得接头挤压刚度和层合板上表面末端面外位移与试验值的误差分别为13.1%和11.9%。采用动力显式算法精度较高,而且其在接触建模时稳健性很强,可用于后续多钉连接接头以及整体壁板等大型复杂结构建模。     

Detection of small objects in clutter using a GA-RBF neural network

Detection of small objects in a radar or satellite image is an important problem with many applications. Due to a recent discovery that sea clutter, the electromagnetic wave backscatter from a sea surface, is chaotic rather than purely random, computational intelligence techniques such as neural networks have been applied to reconstruct the chaotic dynamic of sea clutter. The reconstructed sea clutter dynamical system which usually takes the form of a nonlinear predictor does not only provide a model of the sea scattering phenomenon, but it can also be used to detect the existence of small targets such as fishing boats and small fragments of icebergs by observing abrupt changes in the prediction error. We applied a genetic algorithm (GA) to obtain an optimal reconstruction of sea clutter dynamic based on a radial basis function (RBF) neural network. This GA-RBF uses a hybrid approach that employes a GA to search for the optimum values of the following RBF parameters: centers, variance, and number of hidden nodes, and uses the least square method to determine the weights. It is shown here that if the functional form of an unknown nonlinear dynamical system can be represented exactly using an RBF net (i.e., no approximation error), this GA-RBF approach can reconstruct the exact dynamic from its time series measurements. In addition to the improved accuracy in modeling sea clutter dynamic, the GA-RBF is also shown to enhance the detectability of small objects embedded in the sea. Using real-life radar data that are collected in the east coast of Canada by two different radar systems: a ground-based radar and a satellite equipped with synthetic aperture radar (SAR), we show that the GA-RBF network is a reliable detector for small surface targets in various sea conditions and is practical for real-life search and rescue, navigation, and surveillance applications     

球径和球度误差气动测量新方法

介绍了自主研制的微型气针传感器和测量装置;基于气动测量原理,采用误差分离和修正技术,对高精度球面的球形构件的球径和球度误差进行了在线、动态测量。     

Practical compensation for nonlinear dynamic thrust measurement system

The real dynamic thrust measurement system usually tends to be nonlinear due to the complex characteristics of the rig, pipes connection, etc. For a real dynamic measuring system,the nonlinearity must be eliminated by some adequate methods. In this paper, a nonlinear model of dynamic thrust measurement system is established by using radial basis function neural network(RBF-NN), where a novel multi-step force generator is designed to stimulate the nonlinearity of the system, and a practical compensation method for the measurement system using left inverse model is proposed. Left inverse model can be considered as a perfect dynamic compensation of the dynamic thrust measurement system, and in practice, it can be approximated by RBF-NN based on least mean square(LMS) algorithms. Different weights are set for producing the multi-step force, which is the ideal input signal of the nonlinear dynamic thrust measurement system. The validity of the compensation method depends on the engine’s performance and the tolerance error0.5%, which is commonly demanded in engineering. Results from simulations and experiments show that the practical compensation using left inverse model based on RBF-NN in dynamic thrust measuring system can yield high tracking accuracy than the conventional methods.