机械展开式再入飞行器气动性能分析与优化

机械展开式再入飞行器由于气动面积较大,可以有效地进行气动捕获和气动减速,但需研究分析主要气动外形参数对气动性能的影响并通过优化进一步提高减速效果。针对计算流体力学（Computational fluid dynamics, CFD）开展再入飞行器外形优化计算量大、耗时多的问题,提出了一种基于反向传播（back propagation, BP）神经网络的气动性能优化方法。在对再入飞行器参数化建模的基础上,首先采用正交试验设计生成样本,通过CFD方法进行高精度气动力性能计算,对样本计算结果进行方差分析;再利用BP神经网络对生成的样本集进行非线性拟合,构建神经网络气动性能近似模型;最后使用多岛遗传算法和BP神经网络模型开展阻力最大的气动外形设计优化,并对优化结果进行参数灵敏度分析。结果显示,该优化方法可以快速准确地求解优化模型,在保证精度的同时大幅提升了计算效率,可为未来工程设计和应用提供参考。     

人工智能在空腔气动/声学特性预测与控制参数优化中的应用

多参数多条件下的精准气动特性数据是进行飞行器快速设计、系统完善、性能评估、指标考核的基本前提和根本保证。基于人工智能的深度学习技术与流体力学交叉融合已成为当前发展趋势,并在湍流模型改造、系统理论建模、气动数据预测、控制参数优化、复杂流场重构等方面得到成功应用。为最大限度发挥深度学习的强大表征能力,围绕内埋弹舱作战运用和智能优化设计需求,构建了弹舱空腔气动特性多场载荷数据库,采用基于数据驱动的深度学习方法,建立了耦合因素影响下的空腔气动/声学特性智能分析深度前馈神经网络模型,实现了有限约束条件下的空腔气动/声学特性快速预测,并引入随机搜索和贝叶斯超参数优化方法增强了模型鲁棒性,为空腔噪声有效控制模型快速优化设计提供了数据基础和方法途径。     

条件数与遗传—神经网络相结合的乒乓球比赛预测方法

论文针对实际比赛中经验确定的乒乓球比赛技术指标较多的情况,尝试采用条件数计算分析方法对运动员在比赛中采用的关键技术指标进行筛选,建立了遗传-神经网络乒乓球比赛预测模型,并提出了利用模糊集理论建立可信度函数对预测结果进行评价的方法。预测结果表明:采用逐步回归方法、传统的遗传-神经网络模型、改进的遗传-神经网络模型得到的预测值可信度分别为0.59、0.69、0.76,采用改进的遗传-神经网络模型对比赛预测结果的可信度较高,该方法可以为比赛技术分析提供较高可信度的决策支持。     

展望系统辨识方法在大攻角气动问题研究中的应用

在分析了目前进行飞行器大攻角气动特性研究所采用的尾旋风洞试验、常规风洞自由飞试验和遥控模型自由飞试验的优缺点之基础上指出:把系统辨识方法与这些试验方法结合起来,是一种行之有效的研究飞行器大攻角气动问题的技术途径,它可以简化这些试验方法的一些技术环节,提高试验精度。若气动数据来源于尾旋风洞,这种新方法只能研究飞机的发展尾旋和改出尾旋;若气动数据来源于常规风洞,这种新方法也只能研究飞行器的大攻角、偏离、过失速和失速性滚摆/滚转模态;只有通过模型自由飞获取气动数据,这种新方法才有可能研究包括尾旋全过程在内的各种大攻角飞行模态。     

一体化高超声速飞行器气动-推进性能评估

吸气式高超声速飞行器的一个重要特点就是机体和推进系统的高度一体化设计.在这类高超声速飞行器的发展中,机体-推进系统内外流场相互干扰的评估以及飞行器气动-推进性能的研究是非常重要的.文中阐述了CFD和风洞试验结合评估一体化飞行器气动-推进性能的近似方法,涉及一体化飞行器进气道和发动机的三个工作状态:进气道关闭、进气道打开发动机不工作以及进气道打开发动机工作.针对进气道关闭的工作状态,大量气动数据可由试验获得.但是,受模型尺寸和设备的限制,试验模拟进气道打开发动机不工作特别是进气道打开发动机工作的飞行状态是非常困难的.因此,首先根据进气道关闭和进气道打开发动机不工作两种情况下风洞试验数据与CFD计算结果的对比得到计算误差,在此基础上,结合内外流数值模拟,预测不同进气道和发动机工作状态下一体化飞行器的气动-推进性能.     

风洞非均匀流场中的一体化高超声速飞行器缩比模型气动性能研究

准确预测气动推进性能是吸气式高超声速飞行器研究的重要挑战之一.针对CARDC吸气式高超声速实验室(AHL)自主设计的一体化高超声速飞行器风洞试验模型,通过数值模拟计算,研究了CARDCφ600mm脉冲燃烧风洞的流场,并与试验结果做了对比,确定了试验模型在风洞中的合理安装位置,分析了带舵面飞行器在进气道打开、发动机不工作情况下的气动性能,对比研究了试验模型部分处于风洞流场非均匀区时,风洞结果对模型气动性能产生的影响,对比了数值计算结果和风洞试验结果.结果为利用风洞试验结果准确分析飞行器气动性能提供了重要依据.     

非定常气动力建模研究与虚拟飞行试验验证

非定常气动力建模涉及空气动力学、飞行力学、飞行控制等多个领域,是完善飞机大迎角气动数据库的关键。传统的气动数据库模型为动导数模型,由静态气动力、旋转天平、动导数等数据构成,无法精细表征过失速机动状态下的非定常效应。循环神经网络（RNN）结构是一种处理和预测序列数据的神经网络结构,在人工智能领域运用广泛,与非定常气动力一样都具有时间序列依赖的特点。重点研究了循环神经网络在非定常气动力建模中的应用,利用单自由度俯仰振荡的风洞试验数据进行建模。使用强迫运动试验与虚拟飞行试验2种方法对非定常模型进行验证:在强迫运动试验中,通过直接对比气动力曲线,对具有实战意义的眼镜蛇机动进行了验证;在虚拟飞行试验中,通过对比试验与建模仿真的运动参数曲线,验证了气动力模型的准确性。2种验证方法均表明循环神经网络模型比传统动导数模型更接近试验结果。     

基于元学习和PINN的变工况刀具磨损精确预测方法

刀具磨损预测对保证零件加工质量和效率、降低加工成本具有重要作用,尤其是在广泛采用难加工材料的航空航天制造领域。数据与机理融合模型能够结合机理模型和数据驱动模型的优势,是实现刀具磨损预测的有效手段。然而现有的融合方法难以有效平衡数据和机理对模型的权重,导致难以真正实现融合模型的预期效果。本文提出了一种基于元学习（Meta learning,ML）和PINN（Physics-informed neural network）的刀具磨损预测方法,通过磨损机理约束数据驱动模型的解空间,并结合元学习算法优化融合模型的损失函数以合理利用数据和机理提供的信息。实例验证结果表明,本文所提出的方法能有效提高变工况下的刀具磨损预测精度和稳定性。     

基于深度学习的离港航班延误预测模型研究

为了对离港航班延误进行有效预测,在融合航班数据和气象数据的基础之上,提出一种基于深度学习的离港航班延误预测模型。针对航班延误数据集的非平衡特性,提出利用焦点损失函数来减轻非平衡数据集对模型的影响;针对小数据集时模型预测效果不佳问题,提出了一种简单的数据集增强方法,在一定程度上提高了模型的预测精度。以成都双流机场的相关数据对模型进行仿真实验,结果表明模型可以达到85%以上预测精度,具有一定的实际价值。     

非对称飞行器级间分离时喷流干扰特性试验研究

针对非对称飞行器在稠密大气层内级间分离时喷流干扰下的气动特性问题,采用捕获轨迹试验的网格测力技术和喷流试验技术相结合的试验方法,进行了风洞试验研究,研究了在不同来流马赫数、不同迎角、级间分离时一级与二级不同相对位置以及有无喷流状态下的气动干扰特性.详细论述了模型在风洞中的支撑方式、试验方案、喷流模拟参数的选择等,给出了典型试验结果,并进行了详细分析.结果表明:无喷流时,级间分离过程中的干扰流场使二级飞行器法向力减小,产生抬头俯仰力矩;喷流干扰则使法向力进一步减小,使抬头俯仰力矩进一步增大.试验结果已成功应用于某飞行器飞行试验中,试验数据精度满足工程要求,并被飞行试验验证.     

尾身组合体不同类型栅格翼气动特性试验研究

对于不同类型的栅格翼，采取了一种模型设计简洁、克服了在较小试验模型上安装铰链力矩天平的困难，同时又能测量栅格翼全部气动力和力矩分量的试验方法，获得了简单框架式、正置蜂窝式以及不同网格密度的斜置蜂窝式4种栅格翼在弹身影响下的亚声速和跨声速气动特性，并与平板尾翼的气动特性进行了对比，同时研究了栅格翼在尾身组合体迎风侧和背风侧不同位置时的气动特性。结果表明:栅格翼与常规平板翼各有优缺点，栅格翼结构形式、网格密度和尺寸对其气动特性有重要影响，位置对不同类型栅格翼气动特性的影响也不尽相同。     

改进的CFD/CSD耦合系统设计方法及其计算

论述了界面上的数据交换方法和时间推进格式在流体动力学（CFD）和结构动力学（CSD）耦合求解非线性气动弹性问题中的关键作用;改进了CFD／CSD耦合系统．包括基于边界元方法设计了CFD和CSD耦合界面的数据转换方法,该方法可在同一映射矩阵处理结构响应和非定常气动载荷转换,保证了耦合边界上的能量守恒;改进了一种松耦合方法流程,在保持模块化基础上提高了计算精度和效率。最后将本文方法应用于二维位移外插算例和A—GARD445．6机翼的动响应分析中,结果表明本文方法具有较高精度。     

CARDC旋转天平风洞试验系统

旋转天平风洞试验系统主要用于风洞中测定飞机模型在不同姿态角时绕风轴以不同旋转速率作等速旋转状态下的气动特性，为飞机尾旋特性的分析和预测提供必要的气动系数。本文简要介绍了中国空气动力研究与发展中心低速所的旋转天平风洞试验系统的总体方案、试验能力和性能。文中给出了校验模型试验的主要结果，对试验数据的精准度进行了简单的讨论。校验模型试验结果表明，本试验系统给出的旋转状态气动力系数的精准度达到了较高的水平，具备了应用于型号试验和有关气动力研究的基本条件。     

基于超分辨率重构方法的湍流流场重构

从低分辨率流场数据中获取精细流场信息具有重要的研究意义。基于卷积神经网络的超分辨率重构方法是近年来发展的一种较为有效的精细流场重构方法。本文采用高效亚像素卷积神经网络（Efficient Sub-Pixel Convolutional Neural Network,ESPCN）,对Rayleigh–Bénard（RB）对流的数值模拟数据和湍流边界层（Turbulent Boundary Layer,TBL）的实验测量数据进行了超分辨率重构,并与双三次插值方法（Bicubic Interpolation）的重构结果进行对比。对比结果表明:在较小的下采样比下,ESPCN方法和Bicubic方法的重构精度相当;在较大的下采样比下,ESPCN方法的重构精度明显优于Bicubic方法。此外,ESPCN方法对数据梯度较大区域的超分辨率重构效果优于Bicubic方法。     

基于变马赫数的五孔探针三维插值方法

探讨了五孔探针气动数据的插值方法,为提高插值精度,开发了基于传统线性插值法的三维线性插值法。该方法把同一探针在不同马赫数下的校准图形成三维数据库,将实验数据通过三维图进行插值。并使用改进前后的两种插值方法分别对校准风洞测得的数据进行整理,对比结果证明:在实验工况连续变化的情况下,三维线性插值法在插值精度上要优于传统线性插值法。特别是在来流马赫数变化较大时,该方法可以改善单一校准文件处理造成的数据精度问题,可用于自动化流场采集系统,为流场高速高精度采集奠定基础。     

风洞试验方案智能优化设计方法研究

我国的航空航天装备发展已经进入了自主创新的崭新阶段,新一代飞行器气动设计的探索创新、优化定型需要高水平的风洞试验能力作为支撑。先进飞行器研制需要快速获取正确的气动外形关键数据,其高性能、高精度的发展趋势对风洞试验的数量和质量提出了更高要求。传统风洞试验方案设计和数据分析模式已经越来越不能满足需求,亟待有所突破。本文以飞行器地面试验分析为背景,应用支持向量机模型对试验数据进行建模分析,发展风洞试验方案优化设计方法和试验数据智能分析方法,探索气动数据与飞行器几何参数之间新的内在关联,构建风洞试验辅助设计和分析系统,提高风洞试验效率和试验数据的正确率,为先进飞行器气动设计提供技术支撑。     

Body-Fitted Momentum Source Method for Predicting Rotor Aerodynamics Characteristics in Hover

To gain high efficiency for the simulation of the aerodynamic characteristics of the rotor in hover,body-fitted momentum source(BFMS)method is proposed. In this method,the actual blade geometry is represented by the single layer of volume grid surrounding the blade. Aiming at correctly simulating the aerodynamic characteristics of the discrete cells along the chordwise of blade airfoil section,a new distributed force model is proposed. For comparison,the RANS method with S-A turbulence model and the steady rotor momentum source(SRMS)method based on embedded grid systems are established,respectively. And the grid connecting methodology is improved to embed the blade into the background grids for the three methods. Then,simulations are performed for the hovering Caradonna-Tung rotor by these methods,and the calculated results are compared with the available experimental data. Moreover,the pressure distributions along the blade are compared with the conventional momentum source methods. It is demonstrated that the BFMS method can be employed as an effective approach to predict rotor aerodynamic characteristics with a low computational resource and reasonable accuracy.     

超高速碰撞碎片云质量分布快速预测技术

在航天器防护构型设计中,快速预测空间碎片超高速碰撞防护屏产生碎片云的质量分布及其变化规律具有重要意义。本文初步探索了采用深度学习方法预测超高速碰撞碎片云的二维质量分布及其变化过程。训练数据来自约2000个弹丸（铝球）超高速正碰撞靶板（铝板）的光滑粒子流体动力学数值模拟结果,共考虑4个变量（弹丸速度范围3～8 km/s、弹丸半径范围2～8 mm、靶板厚度范围1～4 mm以及观测时间范围1～12 μs）。系统比较了反卷积模型和多层感知机两种模型的预测效果,重点考察了模型的外推能力（应用于训练参数范围之外）。研究结果表明:在训练参数范围内两种模型的预测精度都很高;反卷积模型能够捕捉到碎片云质量分布的颗粒特征,但外推能力较差;多层感知机模型将碎片云中的质量进行了局部均匀化处理,具有较强的外推能力;多层感知机模型通过学习1～12 μs的碎片云质量分布,能够以一定精度预测24 μs时刻的质量分布;反卷积模型的预测时间为毫秒量级,多层感知机模型的预测时间为秒量级。     

双立尾和三角翼之间的气动干扰实验研究

在北航的风洞和水洞中进行了关于双立尾与三角翼组合外形的气动特性实验研究,研究了不同位置的立尾与三角翼的干扰机理。实验选取4个不同后掠角三角翼、每个三角翼设置6种立尾位置,研究这些参数对三角翼气动特性的影响。基于实验结果的分析和比较,提出了气动干扰的机理,比较了立尾的展向和弦向位置的干扰特性,以及三角翼和立尾特性间的干扰,最后给出了最优的立尾位置。