自主空战连续决策方法

未来空战正朝着无人化、自主化方向发展,自主空战决策方法是未来空战的重要支撑手段之一。传统空战决策方法由于维度限制,存在无法处理连续动作与远视决策的问题。基于Actor-Critic 方法提出空战连续决策的统一架构,依据空战训练经验对状态空间、动作空间、奖励及训练科目进行合理设计,测试多种连续动作空间强化学习算法在高不确定性空战场景下的学习效果并进行可视化验证。结果表明：基于本文提出的方法架构,可以实现连续动作下的远视价值寻优,智能体可以在复杂空战态势下做出最优决策,对随机机动飞行目标有较高的击杀率,且空战机动轨迹具有较高的合理性。     

弹体超声速绕流与底喷流干扰流场的数值模拟

利用ＴＶＤ有限体积格式数值模拟了弹体超声速绕流与底喷注相互干扰的复杂流场。采用四步Ｒｕｎｇ－Ｋｕｔｔａ时间推进多步法及“冻结粘性”技术,加速了迭代收敛,节省了计算机时。     

转速对压气机级间篦齿封严影响的实验

对压气机级间篦齿封严进行了实验研究.不同压比下（1.05~1.3）,研究转速（1500~8100r/min）对压气机级间篦齿封严的工作间隙变化、泄漏特性、温升特性和旋流特性的影响.结果表明:随转速的增大,工作间隙减小,流量降低;小压比时流量系数降低,较大压比时流量系数变化微小.系统风阻温升随转速增大而增大,转速越大时,其温升越明显.另外,随转速的增大,出口盘腔同一径向位置的旋转比增大;同一转速下,随出口盘腔径向位置的增大,旋转比降低.      

SVM在气体减压器稳定性能中的应用

使用支持向量机(SVM)研究涡轮气封减压试验系统中高压卸荷膜片式减压器的稳定性问题,主要集中于以往方法不易涉及的多结构参数变化.针对稀疏易有残缺的小样本空间,与BP(back propagation)神经网络模型进行对比,得出SVM方法在所研究数据集上的一些结论:SVM模型预测性能在多结构参数变化情形下优于BP神经网络模型,预测误差平均降低了25.5%;SVM的泛化性好于BP;在双参数、三参数情形下,SVM模型为气体减压器的设计提供了更好的决策支持,给出了优化结构参数的设计建议.      

高旋转数下带肋回转通道的换热特性

为匹配真实发动机转子叶片的工作条件,将实验回转通道气体压力提高到500kPa以上,使雷诺数和旋转数范围分别扩展到10000~70000和0~2.08.在此基础上通过实验方法研究了高旋转数下带45°倾角斜肋的方形截面回转通道的换热特性.结果表明:回转通道的第1通道前缘面传热系数随旋转数的增大先减小,在达到临界旋转数后换热随旋转数增大而增强;低旋转数下,回转通道的第2通道前后缘面换热差异较小,随着旋转数的增大,前缘面换热始终强于后缘面,这种换热特性与光滑通道完全不同.      

基于ADE-ELM的涡轴发动机建模方法

提出了基于自适应微分进化-极端学习机(ADE-ELM)求解平衡方程的高精度涡轴发动机实时部件级模型建立方法.基于牛顿-拉夫逊(N-R)迭代模型,以迭代计算前模型平衡方程残差为输入,迭代收敛后平衡方程猜值修正量为输出,训练极端学习机,并采用自适应微分进化(ADE)算法优化极端学习机(ELM)参数,提高猜值修正量映射精度.ADE算法中采用sigmoid型自适应缩放因子,提高了微分进化算法的寻优能力.在涡轴发动机不同飞行状态下的测试结果表明,以N-R迭代算法模型为基准,基于ADE-ELM的发动机模型,最大建模误差约为一次通过算法的1/3,运算耗时约为一次通过算法的1/3,验证了算法的有效性.      

高温圆管内多孔介质耦合换热的辐射作用

通过数值模拟圆管内填充多孔介质的辐射对流耦合换热,研究高温固体骨架辐射效应对温度分布及换热的影响.基于局部非热平衡模型分别建立流体和固相能量方程,采用蒙特卡罗法求解固体骨架的辐射换热;对不考虑热辐射引起的温度场偏差和管壁发射率以及多孔结构参数的影响进行讨论.结果表明:多孔固体骨架的辐射效应对入口段温度场的影响明显,不考虑辐射将导致较大偏差,壁温为1500K时最大偏差为16%.管壁发射率对温度场影响较小,壁温为1500K时影响小于3%.孔隙率或孔径增大,壁面辐射热流密度比例增加,辐射效应体现明显.      

二维气动问题中Kriging代理模型精度影响因素

以二维跨声速临界翼型的阻力特性为对象,探讨样本点数目、Kriging代理模型参数及其类型等对模型精度的影响.阻力系数采用计算流体力学（CFD）方法得到.模型精度的验证采用交叉验证方法,采用平均误差、最大误差和标准交叉验证残差来衡量Kriging代理模型的精度.研究结果表明:①Kriging代理模型预测气动阻力效果较好.②模型精度随样本点的增多而提高,剔除与样本点响应趋势不相符的“奇异点”后,模型精度显著提高,平均误差减小5%~38%,最大误差减小13%~77%.③核函数类型对模型精度的影响最大,相关参数次之,回归模型的影响最小.采用高斯相关函数、2阶多项式回归模型,以及合适的相关参数值时,Kriging代理模型的精度最高.      

文氏管对旋流流场影响的数值研究

为了研究文氏管对旋流流场的影响,将文氏管+套筒组合的旋流器,通过与无文氏管的旋流器、带内文氏管的旋流器和带外套筒的旋流器这三种结构的性能对比发现,文氏管不仅对旋转射流起到过渡作用,使速度场周向分布均匀,而且对射流速度大小起到一定的调节作用;文氏管的存在可以使流场局部湍动能增大,但因文氏管结构的差异会造成旋流强度不同程度的变化,引起回流区尺寸变化;文氏管+套筒组合的旋流器不仅能提供较强的旋流流场,使火焰筒内回流区面积较大,而且对燃烧室进气压力的调节范围也较广,一定范围内能保证流场结构的稳定;此外,套筒扩张角的增大能促进回流区的径向扩张,使回流区宽度增大;存在一个临界的内文氏管扩张角57°,使文氏管+套筒组合的旋流器流场回流区结构出现分离,形成两个独立的回流区。     

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。