基于积分分离+死区PID的逆变电路控制系统研究

为了提高逆变电路模块控制性能,在传统PID控制方法基础上提出了一种基于积分分离+死区PID控制的逆变电路控制方法,可有效解决传统PID控制引起的控制量超过被控对象而造成系统振荡的问题。积分分离+死区PID控制算法是在积分分离PID控制算法内引入死区PID控制算法,综合了两种控制算法的优点,既可延长控制系统使用寿命又可对系统偏差进行限制。最后通过MATLAB/Simulink建立具有逆变电路模块的高频电源仿真模型,将所提PID控制方法应用于其中,验证了所提方法的有效性和实用性。     

仿生正弦前缘对翼面动态失速的影响

动态失速导致叶片气动载荷急剧变化，造成振动载荷激增，桨叶寿命大幅衰减。针对动态失速问题，从座头鲸胸鳍在动态倾转下取得良好的流动特性获得启示，据此模化出仿生正弦前缘翼面（包含3种波峰和2种波长），旨在实现动态失速控制。借助三维非定常数值模拟方法，采用运动网格技术，基于SC1095旋翼翼型，研究了仿生前缘动态失速流动控制机理及运动参数和来流速度的影响。结果表明：正弦前缘大幅度降低俯仰力矩系数峰值和阻力系数峰值；前缘波峰越大、波长越小，阻力系数峰值与俯仰力矩系数峰值的抑制效果越明显，虽然升力系数峰值减小，但其减小量远小于前两者，例如其中一种仿生翼使俯仰力矩系数峰值减小了47.7%，阻力系数峰值减小了36.4%，升力系数峰值减小14.1%；在最大迎角附近，正弦前缘能够缓和失速特性，使载荷变化更为平缓；在高平均迎角、低俯仰频率、低马赫数下，仿生翼动态失速控制效果更强，相比较而言迎角振幅的影响较小。     

基于伴随方法的单级低速压气机气动设计优化

采用梯度方法对某型4.5级压气机最后级进行气动设计优化研究，梯度由连续伴随方法计算确定，多排伴随方程采用伴随掺混面模型进行数值求解。首先，采用基于经验修正的初步设计方法设计带进口导叶的4.5级低速、低压缩比压气机的原始气动外形。之后，在压气机近失速工况对最后级静子叶片进行伴随气动设计优化，通过优化叶型和安装角降低流动损失，目标函数定义为加权求和形式的熵增和流量偏差，优化中对流量进行约束。最后，开展基于伴随方法的多工况气动设计优化研究，改善两个不同转速条件下最后级的气动性能。优化结果表明，基于伴随方法的多排气动设计优化可以通过改变叶片气动外形提升多排全工况气动性能。     

Near-wall topological patterns and flow structures over a simplified Danaus plexippus model

Studies on the high-lift mechanisms of butterfly gliding flights shed light on the design of the micro air vehicles. The flow field around a simplified Danaus plexippus model is investigated using the hydrogen bubble visualization and the Particle Image Velocimetry (PIV) techniques. There are three near-wall topological patterns with different Angles of Attack (AoAs): the separation bubble, the Leading-Edge Vortex (LEV) and the high AoAs flow. For the separation bubble pattern, two saddles and two foci form in the middle of the model. The features of the LEV pattern are the leading-edge separation lines. The topological characteristics of the separation lines are changed by the interaction between the LEV and the Wing-Tip Vortex (WTV). For the high AoAs flow pattern, four unstable foci are found at the forewing and the hindwing respectively. The angle between the trajectory of the WTV and the model increases with increasing AoA even though the slope of the WTV angle versus AoA curve declines at the moderate AoAs.     

Robust model predictive control for satellite formation keeping with eccentricity/inclination vector separation

This study presents model predictive formation control based on an eccentricity/inclination vector separation strategy. Alternative collision avoidance can be accomplished by using eccentricity/inclination vectors and adding a simple goal function term for optimization process. Real-time control is also achievable with model predictive controller based on convex formulation. Constraint-tightening approach is address as well improve robustness of the controller, and simulation results are presented to verify performance enhancement for the proposed approach.     

基于EVENT模型的单向循环航路侧向碰撞风险分析

我国空域骨干航路拥挤不堪,一些支线航路的利用率却很低,单向循环航路的出现很好地解决了这一问题,对其进行安全评估是划设航路最重要的工作之一。在总结EVENT理论和相关文献的基础上,对单向循环航路和混合航路侧向碰撞风险进行比较分析,推算出目标安全等级下单向循环航路容量,并对单向循环航路侧向碰撞风险进行预测。结果表明,单向循环航路侧向碰撞风险远低于混合航路侧向碰撞风险,且未来10年均保持在比较稳定的安全水平。     

展向离散抽吸法控制边界层转捩实验研究

通过实验成功发展了一种生成大振幅稳定条带的有效方法,即展向离散抽吸方法。在此基础上,开展条带控制边界层转捩的研究。实验在水洞中进行,以零压力梯度平板边界层为研究对象,利用氢气泡时间线法观测引入条带前后人工激发转捩边界层中扰动发展变化,分析条带对转捩的控制效果及参数影响。结果表明,展向离散抽吸方法生成的稳定条带最大振幅可达28.4%U（U为自由流速度）;实验中引入的宽度14和28mm的稳定条带都能起到抑制转捩的作用;条带振幅越大、宽度越窄,抑制效果越明显。研究结果为探索降低水/空气中航行器摩阻的新技术提供有价值的参考。     

翼型低雷诺数层流分离现象随雷诺数的演化特征

层流分离现象是翼型低雷诺数条件下出现的典型流场特征。层流分离流动中包含流动分离、转捩、再附等非定常流动结构，层流分离流动的形成与演化会对翼型气动特性产生恶化作用。采用大涡模拟（LES）方法对低雷诺数范围内不同雷诺数下的翼型层流分离流动开展精细数值模拟，研究了雷诺数对翼型气动特性的影响规律及作用机理。LES方法采用隐式亚格子模型，基于结构化拼接网格，对流项离散和时间推进方法分别采用AUSM⁺格式以及双时间步方法。验证算例计算结果表明数值模拟方法的正确性及可靠性，雷诺数对翼型气动特性具有显著影响。随雷诺数降低，时均分离泡外形增大、位置后移，平均阻力系数增大，特别是在较低雷诺数下，翼型升阻力系数随时间出现振荡现象。进一步研究表明，造成不同时均分离泡形态和气动特性的原因在于翼型上表面分离剪切层的失稳与转捩特征。随雷诺数降低，流动黏性增大，导致分离剪切层速度梯度减小，流动发生转捩及再附位置后移，直至翼型表面不再发生转捩和再附。     

基于不确定性的飞行器分离可靠性建模与分析方法

为实现飞行器分离任务可靠性的定量分析和高效精确评估，研究了高超声速飞行器分离任务过程中各种不确定性因素对分离可靠性的影响，提出一种基于不确定性的飞行器分离可靠性建模与分析方法。面向高超声速飞行器分离任务需求，建立分离动力学仿真模型，综合考虑分离过程不确定性因素的影响，利用灵敏度分析方法识别主要不确定性因素，构建分离可靠性模型。针对此模型，提出一种改进主动学习Kriging(IAK)的分离可靠性分析方法，通过新的采样策略选取失效概率更大的采样点作为新增训练点，进行高效可靠性分析。实例结果表明，该方法能够准确描述不确定性因素对分离过程的影响，提升分离可靠性定量分析的精度和效率，为飞行器分离方案的精细化设计提供支撑。     

基于LSTMAttention网络的短期风电功率预测

提出一种基于LSTMAttention网络的短期风电功率预测方法。首先,使用LSTM网络对数值天气预测(NWP)数据的特征信息进行提取,同时采用注意力机制有效分析了模型输入与输出的相关性,从而获取了更多重要时间的整体特征；其次,使用卷积神经网络(CNN)提取NWP数据的局部特征,并引入压缩和奖惩网络(SE)模块学习特征权重,利用特征重新标定方式提高网络表示能力；最后,将局部特征和整体特征进行特征融合,通过分类器输出分类结果。利用NOAA提供的美国加利福尼亚州某风电场的数据进行案例分析,证明了所提方法的有效性。试验结果表明,与BP神经网络、自回归积分滑动平均模型(ARIMA)模型和LSTM模型相比,LSTMAttention模型具有更高的预测精度,证明了该方法的有效性。