Comprehensive optimization design of aerodynamic and electromagnetic scattering characteristics of serpentine nozzle

Comprehensive optimization design of serpentine nozzle with trapezoidal outlet was studied to improve its aerodynamic and electromagnetic scattering performance. Serpentine nozzles with different center offsets and different ratios of the bases of the trapezoidal outlet were generated based on curvature control regulation. Computational Fluid Dynamics (CFD) simulations have been conducted to obtain the flow field in the nozzle, and Forward-Backward Iterative Physical Optics (FBIPO) method was applied to study the electromagnetic scattering characteristics of the nozzle. Guarantee Convergence Particle Swarm Optimization (GCPSO) algorithm based on Radial Basis Function (RBF) neural network was used to optimize the geometry of the nozzle in consideration of its aerodynamic and electromagnetic scattering characteristics. The results show that the GCPSO method based on RBF can be used to optimize the aerodynamic characteristics of the internal flow and the scattering characteristics of the cavity of the serpentine nozzle with irregular outlet. The optimized model has a higher center offset and a lower ratio of the bases of the trapezoidal outlet after optimization compared to the original model. The optimized model leads to a slight change in aerodynamic performance, with a total pressure recovery coefficient increase of 0.31% and a discharge coefficient increase of 0.41%. In addition, the Radar Cross Section (RCS) decreases also by around 83.33% and the overall performance is significantly improved, with a decrease of the optimized objective function by around 38.74%.     

基于深度神经网络的空间目标结构识别

利用空间目标雷达散射截面(Radar Cross Section, RCS)序列开展空间目标结构识别是空间态势感知的重要组成部分。文章针对 RCS序列受目标物理特性、姿态特性影响大,序列信号非平稳特征明显的问题,利用深度神经网络（Deep Neural Network,DNN）算法解决空间目标结构特征识别的问题;针对特征提取不具区分度的问题,提出利用分形分析提取RCS序列的分数维特征,并利用Fisher判决率对传统特征进行选取;介绍了DNN算法以及数据处理过程;最后,利用一组仿真测试数据对算法进行了仿真验证。分析结果表明,DNN算法在解决利用RCS序列进行目标结构识别这一问题中具有鲁棒性强、识别准确的特点。     

矩形截面高超声速进气道高焓风洞实验

对设计工作马赫数为4.5~6.5的矩形截面高超声速进气道进行了马赫数为6,5及4的高焓风洞实验研究,获得了进气道在不同反压下的性能参数及沿程静压分布.实验结果显示,设计状态下(Ma=6,α=0°),进气道的流量系数和总压恢复系数分别为0.97和0.41,增压比约为来流静压的35倍,隔离段出口马赫数不大于2.6;最大承受反压不小于来流静压的114.5倍.研究还发现,反压升高引起的激波串可停留在内压段,且不影响进气道的流量捕获;当Ma=5,α=0°时,进气道的流量系数不低于0.77,总压恢复系数在0.49~0.67之间.设计工作马赫数及攻角范围内,进气道内未发现明显的流动分离,均可正常起动工作.      

基于矩谐分析的高精度局部地磁场建模研究

高精度地磁基准图的绘制是实现地磁导航的关键。本文论述了应用矩谐分析方法进行地磁场     

机载巡航导弹外形隐身改进的电磁散射影响

隐身技术是提高巡航导弹突防能力的重要技术手段，为分析外形隐身对巡航导弹电磁散射特性影响，建立了隐身、常规巡航导弹电磁模型，基于物理光学法和RCS减缩值，研究了外形隐身RCS曲线分布影响、频率响应特性、俯仰角响应特性。结果表明，外形隐身可大幅降低前后向散射特性，改变RCS散射波峰位置，使前后向曲线向内收敛；频率增加，前向均值和减缩值分别在-32 dBsm、25 dB左右振荡变化，其他角域RCS均值降低而减缩值增加；俯仰角变化较小时不影响散射特性，各角域RCS均值和减缩值呈振荡趋势，前向减缩值约为35 dB左右，后向俯仰角0度时最大。     

理想缺陷目标电磁散射特性提取新方法

武器装备表面理想缺陷对缺陷目标的散射特性有重要影响。从电磁场叠加理论出发,以对应实际缺陷目标和载体为基础,提出一种理想缺陷目标电磁散射提取的计算新方法,采用该方法结合暗室测试和MLFMA数值计算,研究单列、多列缝隙和台阶理想缺陷的散射特性,验证该方法的正确性和实效性。结果表明:新方法计算过程简单高效,具有与MLFMA算法一致的计算精度,可快速实现单列、多列理想缺陷目标的电磁散射特性提取;理想缺陷在镜面散射区域外影响显著,理想台阶的影响相对明显,多列理想缺陷散射具有较强的耦合性,表现为更多的散射波峰,这是各列理想电磁缺陷的叠加效果。     

超宽带矩形微同轴平面对数周期天线

在宽带电子系统轻量化的需求下，基于MEMS矩形微同轴技术设计了10 GHz~50 GHz的超宽带平面对数周期天线。天线采用三节矩形微同轴阻抗变换实现160 Ω到50 Ω的宽频带阻抗匹配，并通过矩形微同轴转共面波导进行馈电。为展现微同轴的馈电优势，验证设计的微同轴平面对数周期天线性能，制备了50 Ω矩形微同轴传输线和天线实物并进行了测试。实测结果表明，在10 GHz~50 GHz频段内，矩形微同轴传输线传输损耗＜0.22 dB/cm，两根间隔0.15 mm的矩形微同轴传输线间隔离度＞60 dB。天线实测反射系数＜-8 dB，增益＞4 dBi，增益波动＜1.6 dB。     

物理启发的深度学习模型及其在热端部件散热中的应用

热端部件散热是众多空天设备的关键技术。表面温度分布是散热设计中用到的重要信息,常规的解析建模手段和机器学习方法均无法有效地表达此类高维信息。近年来兴起的图像深度学习算法是解决表面温度信息预测的有效手段。然而,现有的基于大数据的深度学习方法往往对于物理数据和小样本数据不适用,体现为泛化精度差、数据兼容性差、可解释性差。因此,有必要结合传热的先验知识发展物理启发的新型深度学习算法,以增强高自由度、高复杂度散热对象上的设计能力。本文基于卷积算子和有限差分求解方式的类比关系,提出了一种物理启发式的循环卷积神经网络。以横向出流的冲击冷却为例,开展了变计算域大小、变工况、变尺寸的批量数值模拟,获取了冲击冷却关键特征的小样本图像数据。进一步通过神经网络的训练,构建了多参数、大范围内有较好拟合能力的温度、传热系数、压力代理模型。研究结果表明,本文提出的物理启发神经网络模型,对于计算域大小没有限制,可以统一表达不同空间范围内获取的物理数据的共性规律。模型的各类超参设定均具有明确的物理意义,且与经典的微分方程求解理论有一定的类比关系,增强了神经网络调参的方向性。通过传热物理规律与黑箱模型的融合,本文实现了小样本多参数物理数据的共性建模。该方法可以迅速重构热端部件的高维分布信息,可服务于热端部件的快速分析设计以及优化。     

座舱及进气道对某飞翼布局电磁散射影响

座舱和进气道对飞行器隐身性能有重要作用。为分析座舱及进气道的散射影响特性,建立了四种包含不同部件的电磁模型,结合物理光学法和雷达截面积(RCS)均值相对增值概念,研究了RCS曲线分布影响、俯仰角响应特性、频率响应特性。结果表明:考虑隐身设计的座舱和进气道不改变散射分布特性,RCS曲线分布特性相似;俯仰角增加,座舱影响较小,进气道、混合座舱和进气道前向、后向、周向角域相对增值震荡性递增,频率增加,座舱对电磁散射影响不大,进气道、混合座舱和进气道的前向、后向角域的相对增值震荡减小。座舱对电磁散射影响较小,前向相对增值位于-2.4～1 dB之间,进气道对电磁散射影响较大,前向相对增值为2～12 dB。     

含矩形缺陷结构纤维全缠绕气瓶的爆破压力预测

采用数值模拟与理论分析相结合的方式对含矩形缺陷纤维全缠绕气瓶的力学行为进行分析。基于Hashin准则进行损伤模式表征以及损伤起始判定,并使用参数退化的损伤演化法则,使用FORTRAN语言编写了适用于ABAQUS/Explicit求解器的VUMAT子程序。选择缠绕顺序为[90°_2/18.9°_2/90°_2/28.9°_2/90°_2]纤维全缠绕气瓶为研究对象,分析矩形缺陷深度对于纤维缠绕气瓶应力水平影响。基于缺陷深度对筒体各层周向及轴向应力的影响,采用修正方法提出含缺陷纤维全缠绕气瓶爆破压力预测模型,模型预测结果与有限元模拟结果一致。对含不同缺陷深度的爆破压力做出预测,分析结果表明,当缺陷深度大于1.26 mm时,爆破压力迅速下降,影响气瓶正常使用。