基于蒙特卡罗法的航空发动机空气系统稳态算法优化

针对目前航空发动机空气系统稳态算法中收敛性依赖初值的问题,将蒙特卡罗方法与流体网络法综合应用到空气系统可压缩流体一维网络计算中,提出了一种新的计算方法Monte Carlo-Fluid Network（MC-FN）。该方法将空气系统简化为由节点和元件组成的网络,借助蒙特卡罗方法获得空气系统内各节点压力分配,再根据空气系统中各元件流阻特性和换热特性计算流量、温度。计算中通过将游动次数比较少的蒙特卡罗方法的计算结果作为流量残差法节点压力、温度的初始值,实现快速求得精确收敛解。与流量残差算法相比,MC-FN方法计算精度不变,收敛速度提升了66.5%;与线性求解法相比,MC-FN方法的计算精度提升了25.2%,收敛速度提升了43.8%。     

基于微分进化算法的航空发动机模型修正

为了提高航空发动机性能仿真模型精度,采用微分进化算法对发动机部件特性进行修正.对微分进化算法进行改进,提出折线式交叉变量变化方式,提高了算法的寻优能力.提出变步长牛顿-拉夫逊迭代算法,基于平衡方程残差范数变化趋势,改变牛顿-拉夫逊算法迭代计算步长,提高了模型的收敛性和收敛速度.在设计点,对各部件特性、引气系数、总压恢复系数进行修正,使修正后的模型输出与试验数据相匹配.仿真结果表明:改进后的牛顿-拉夫逊迭代算法收敛性更强、计算速度更快,修正后的各输出参数的最大建模误差减小到1.3762％,满足建模误差需求.     

内流系统的网络计算法

提出了一种关于内流系统流动换热的网络计算法。算法特点是将系统的结构和腔室分解成由相应元件和节点组成的网络。用有限元件和流动介质类型就可描述各种结构的内流系统。网络采用节点残量修正法计算,具有良好的通用性和操作性,且计算稳定性和收敛性也较好     

流体网络法在发动机空气冷却系统设计中的应用

将一维稳态流体网络方法应用到发动机空气冷却系统沿程压力、温度和流量预测中.该方法将空气系统简化为节点和元件组成的网络,节点和元件处建立守恒方程,在压力修正、流热耦合方法基础上引入系数迭代修正求解.程序应用到有经验关联式的模型中验证,计算结果与经验关系式吻合得较好.验证后的程序被应用到某发动机空气系统初步设计方案的校核和改进中,在模拟结果指导下的参数调整很好地满足了设计要求.      

基于蒙特卡罗法的航空发动机稳态空气系统网络计算

为了解决目前稳态空气系统算法在求解复杂网络时不容易获得收敛解的问题,将航空发动机稳态空气系统简化为由节点和元件组成的网络,借助概率思想计算连续性方程和能量方程,建立相应的随机游动模型,运用蒙特卡罗方法求解各节点的压力,再根据流量与元件两端压力的关系,计算流经各元件的流体流量。将计算得到的不同工况下航空发动机稳态空气系统内部节点的压力和流量值,与flowmaster计算结果进行比较,二者吻合较好,压力最大偏差为0.628%。蒙特卡罗方法与网络法相比,优势在于计算简便,且不会出现无法求解复杂空气系统网络的情况。     

等温不可压流体系统稳态数值计算方法研究

航空工业领域广泛存在着流体系统,任何流体系统均可化为只有节点和分支组成的通用流体网络,本文研究了这种通用流体网络的数值计算方法.将连续方程施加到节点,将动量方程施加到分支,建立起等温不可压流体系统的非线性控制方程组.根据Newton-Raphson迭代思想,研究了基于高斯-约当消去法的流体系统控制方程组数值求解方法.在此基础上,采用压缩矩阵存储技术开发了流体系统仿真平台FOCUSS-FS.通过算例进行验证,结果表明:本文计算方法能够准确获得任意流体网络的压强和流量分布,收敛速度快且效率较高,内存消耗小.     

基于混合算法的涡轴发动机稳态性能仿真模型

以自由涡轮式涡轴发动机为研究对象,建立了涡轴发动机的稳态性能仿真模型,提出了基于天牛须算法和N+1点残量法的求解发动机模型的混合算法(BAS-N+1混合算法),利用发动机台架试车数据对仿真计算结果进行了验证。结果表明,该稳态性能仿真模型各参数的求解误差在3%以内。与PSO-N+1混合算法相比,BASN+1混合算法求解精度更高,收敛更快。BAS-N+1混合算法既保留了智能算法对初猜值误差的包容性,也拥有接近经典迭代算法的收敛速度和精度,能够实现涡轴发动机稳态仿真模型的高精度大范围快速收敛。     

动能BGK格式模拟高雷诺数定常流的收敛性研究

为克服动能BGK格式计算耗时多、收敛慢的缺点,在格式中引入当地时间步长、隐式LU-SGS方法和多重网格技术,基于RAE2822翼型粘性跨声速绕流的数值模拟,对其收敛性的改善进行了研究。结果表明:上述3种加速手段对求解定常问题时的收敛性有明显的改善,达到定常解所需的迭代步数随着CFL数的提高而减少;因而求解某类问题时,隐式格式比显式格式更具优势;多重网格既适用于显式格式,也适用于隐式格式,加速性更加突出。     

嵌入式大气数据传感系统的改进算法

简要介绍了嵌入式大气数据传感系统及其空气动力学模型,提出了求解动、静压和修正参数的改进算法.改进算法首先应用Moore-Penrose广义逆矩阵对非线性方程组进行简化.然后采用改进迭代算法和BP神经网络求解动、静压和修正系数.改进算法在精度、可靠性和实时性上都能满足系统的要求.应用BP神经网络,达到系统要求的精度所需要的计算时间只相当于原有算法的5%,具有更大的实时性优势.     

涡轴发动机高精度实时部件级模型研究

提出了基于神经网络的涡轴发动机共同工作方程求解方法。在基于牛顿-拉夫逊迭代法求解共同工作方程的模型上采集离线训练数据,以共同工作方程迭代求解前的残差为输入,迭代收敛后的共同工作方程猜值修正量为输出,训练BP神经网络,对共同工作方程进行求解。采用变缩放因子的萤火虫算法优化神经网络参数,提高了猜值修正量的预测精度。在飞行包线的某一区域内,采集额定发动机在直升机前飞过程的数据进行神经网络离线训练,并将网络参数代入部件级模型对共同工作方程进行求解,在训练数据采集区域附近的爬升状态、远离训练数据采集区域的前飞状态下进行测试,计算模型输出与牛顿-拉夫逊迭代算法模型输出的偏差,与一次通过算法相比,本文提出方法模型输出最大偏差约为一次通过算法的1/34到1/4,模型运行耗时约为一次通过算法的2/5,验证了算法的有效性。     

非结构同位网格SIMPLE类算法收敛性能比较

以非结构网格的SIMPLE算法为基础,将算法扩展为SIMPLEC算法.利用30°角的斜方腔流动计算成果,分析了非结构同位网格的SIMPLE/SIMPLEC算法的收敛性能;比较了因网格的非正交而引入的非正交项的取舍对该算法收敛性能的影响;并采用显式校正步法对SIMPLEC算法进行了显式校正.比较表明,在非结构同位网格SIMPLEC算法中可忽略非正交项,但有必要对压力作亚松弛.显式校正步法可显著地加速在非结构网格上求解N-S方程的收敛性能,而且在不同的松弛因子组合下,均有较好的收敛速率.     

高阶DG格式多重网格方法构造中的不同隐式策略影响研究

DG方法是一种非常具有潜力的高精度方法,但其在对复杂外形的数值模拟方面仍存在内存需求量大、计算量巨大等不足.为了进一步提高DG方法求解Euler方程的效率,在传统p型多重网格的基础上,结合LU-SGS和GMRES两种隐式迭代方法,研究其整体加速性能.p型多重网格方法通过对不同阶次多项式近似解进行递归迭代求解,来达到加速收敛的目的.高阶近似(p＞0)使用显式龙格库塔格式,最低阶近似(p=0)使用隐式格式.对NACA0012翼型和ONERA M6机翼跨音速无粘流动进行数值模拟,结果表明:与显式TVD-RKDG时间格式相比,DG(p0)层上采用LU-SGS和GMRES的p型多重网格方法收敛速度均得到明显提高,且GMRES迭代法性能最佳,LU-SGS迭代法次之.     

A method of airfoil shape completing

An iteration method for airfoil shape completing using the pressure coefficient distribution specified on its sought part is proposed. The incompressible flow viscosity is taken into account by the boundary layer model, the iteration process is constructed with the use of G.Yu. Stepanov’s idea. The solution algorithm is compiled and a set of numerical calculations is carried out. It is shown that the method proposed offers advantages over the well-known numerical-analytical scheme of solving mixed inverse boundary-value problems of aerohydrodynamics in the case of viscous incompressible fluid.     

基于改进烟花算法的资源分配

资源分配问题作为一个NP-Hard问题,在云计算、无线电、卫星调度、多无人机协同作业等领域皆有研究需求,是一个共性的数学问题。烟花算法作为一种智能优化算法,具有求解大规模资源分配问题的能力,但也存在求解精度低等问题。为了提高传统烟花算法的计算效率和全局寻优能力,提出一种改进烟花算法,用遗传算法中的变异算子替代高斯变异操作,并增加模拟退火流程。最后在多无人机协同作业任务分配数学模型上进行仿真验证,实验结果表明在收敛速度以及计算精度方面,该算法均优于其余3种烟花算法。     

解大型结构特征值问题的同时迭代的一个新算法

本文提出了同时迭代法的一种变型算法,用来求解大型结构动力分析中的广义特征值问题。使用了E_k子空间和特征方向的概念,证明了该算法的收敛率,并讨论了如何在计算机上实现的某些细节问题。通过统计每步迭代所需运算量和大量的实际计算,表明该算法与当前几种常用的同时迭代法或子空间迭代法相比,收敛率相同,但减少了每步迭代所需的计算量,提高了计算效率。     

基于QSS的自适应多步校正算法及其在柔性航天器动力学中的应用

量化状态系统（QSS）算法是一种基于状态变量离散化的数值积分方法,该方法与基于时间离散的传统方法显著不同,QSS通过计算状态变量每次跃迁所需的时间来推进下一步的积分。在求解非刚性常微分方程时,QSS算法比传统算法更具优势,但它不适合求解刚性问题。为此提出一种基于QSS的自适应多步校正算法（AMCQSS）,该算法以QSS为基础、结合隐式多步法思想,在计算过程中可以自适应选择二步法或三步法,以有效提高求解刚性问题的精度和效率。通过对柔性航天器动力学的仿真求解,验证了算法的可行性。将该算法与ODE23tb、ODE15s、ODE45以及QSS等算法进行对比,结果表明AMCQSS算法既能保证求解的效率及精度,又具有较好的收敛性和稳定性。     

二维不可压分离流计算的约束迭代法

本文提出约束迭代法以改进不可压分离流计算中的迭代收敛性。在每个时间步的迭代中,对涡量传输方程的边界涡量,预先进行近似估计。因此它相当于一种隐式的边值算法。 两个翼型的算例表明,约束迭代法具有高的收敛速度。由于无需寻找最优松弛参数,因而节省人力,便于使用。     

Kepler方程的一种迭代加速算法

采用Steffensen迭代法求解椭圆轨道下的Kepler方程,克服了不动点迭代法收敛速度慢以及Newton迭代法需要重复计算导数值和迭代结构相对复杂等方面的不足。试验表明利用该方法求解Kepler方程既满足了高精度要求,而且收敛速度快。同时它还能满足不同的偏心率和不同的精度的要求,因而是求解Kepler方程的一种较理想算法。