基于多信号流图与分支定界算法的故障诊断

针对实时在线故障诊断问题,提出了一种基于多信号流图和分支定界算法的故障诊断方法。通过建立多信号流图模型生成相关矩阵作为诊断知识,进而由相关矩阵以及观测向量产生冲突集,使最小诊断集的求解过程映射为整数规划问题;采用分支定界算法,通过对冲突集的分支、定界以及剪支得到故障诊断的最优解,从而避免了穷举问题造成的搜索"爆炸"。以某型机载燃油系统为对象对本文提出的算法进行了验证。结果表明:本文算法与常用的多信号流图诊断推理算法TEAMS-RT相比,算法速度相当,故障定位精度更高,很好地涵盖单故障以及多故障组合,可以胜任大规模复杂系统的故障诊断。      

开放空腔壳体入水流场结构及流体动力特征研究

基于混合介质雷诺平均Navier-Stokes方程,对开放空腔壳体垂直入水运动过程开展了数值研究,得到了压力场、速度场分布,空泡波动、闭合特征,空腔气体涨缩规律,以及流体动力变化规律,并分析了空腔结构在入水运动过程中对流场结构和流体动力的影响。结果表明:液体随气体涨缩同步进出开放端;开放端局部形成波动的压力源和周期性的压力场、速度场分布;入水空泡呈现波动形态,其扩展程度与开放端液体流速相关;空泡内形成气体漩涡,随空腔涨缩往返进出空泡,对空泡闭合具有抑制作用;流体动力呈波动变化规律,频率与气体涨缩频率一致,幅值与气体涨缩程度成正比。开放空腔结构在入水过程中空腔内气体发生涨缩运动,对流场结构和流体动力产生周期性扰动作用,在一定程度上可以减缓冲击、维持空泡及运动的稳定性。      

高超声速飞行器舱内压力预测

针对高超声速飞行器独特的飞行状态及环境特点,对其舱体内部压力变化进行了预测研究。综述飞行器的被动式及主动式舱内压力控制系统特点,提出采用准一维等熵流公式结合计算流体动力学(CFD)进行舱内压力预测的方法,研究被动式充排气系统对舱内压力变化的影响,为高超声速飞行器充排气系统的设计提供了重要的参考和依据。     

远程高压大流量减压阀的研制

研制一种远程、先导式高压大流量减压阀;介绍了该减压阀特点,建立了减压阀数学模型,利用Matlab进行该减压阀动力学仿真,研究各个参数对减压阀性能的影响.根据仿真结果,加工了一台实物产品.搭建了减压阀性能测试试验台,分析了压力、流量特性,并和仿真做了比较.结果表明:仿真和试验符合的比较好,说明仿真对减压阀的研制与分析具有指导作用.该减压阀使用方便,安全、可靠,已经用于数个试验中.     

飞行器鼻锥凹腔-发散组合冷却数值模拟

尖锐鼻锥冷却方案是可复用式航天飞行器研究领域一个十分重要的课题。传统发散冷却虽然可以有效降低鼻锥结构温度,但是由于驻点外极高的热流、压力,会出现驻点冷却效果差的问题。迎风凹腔结构是一种针对鼻锥驻点区域的减阻防热方案,尖锐唇口的分流作用可以使附近压力、热流降低。因此,提出一种新型冷却结构——凹腔-发散组合冷却,利用迎风凹腔结构对驻点的强化冷却解决发散冷却中驻点难以冷却的问题。以楔形鼻锥为物理模型,对发散冷却、迎风凹腔结构和凹腔-发散冷却3种冷却结构进行数值模拟,并和无冷却的纯鼻锥结构进行对比。结果表明,与传统发散冷却相比,使用凹腔-发散组合冷却可以使结构温度峰值下降16.8%;与没有冷却的纯鼻锥模型相比,鼻锥头部圆弧段表面平均温度降幅可达64%,证实了这种新型冷却结构的可行性和高效性。     

受轮缘密封结构影响的1.5级涡轮封严流与主流的相互作用以及轮缘密封间流动干扰

为探究动叶上游不同轮缘密封结构封严出流对1.5级涡轮端区流场及轮缘密封间流动干扰的影响区别,通过Shear Stress Transport （SST）湍流模型对无密封腔室,上游密封结构分别为简单斜向、简单径向,下游密封腔室为简单轴向的1.5级涡轮进行了非定常数值模拟。结果表明：轮缘密封间干扰使带径向密封结构模型的下游轮缘腔室内封严效率偏低,并增强了固有的非定常不稳定特性。上游密封结构变化对动叶和第2级静叶流动的影响差异分别位于35%、65%叶高范围内;径向密封结构增加了上游静叶的堵塞效应、动叶入口气流的欠偏转程度、叶根吸力面负荷与14%叶高以上的轮毂通道涡强度,并在第2级静叶入口处产生更多低频压力波动,使其尾缘脱落涡尺度增大但13%叶高以上的轮毂通道涡强度较弱。与无密封腔室相比,通入封严气体总量为主流流量的0.8%时,带斜向密封结构的1.5级涡轮气动效率降低了0.94%,且带径向密封结构的1.5级涡轮气动损失额外增加了0.17%。     

分腔流量比对涡轮曲端壁表面冷却特性实验

利用高速风洞及压敏漆（PSP）技术,研究了端壁表面不同分腔流量比对端壁表面的气膜冷却效率的影响。对比各个分腔在不同流量比下端壁表面的气膜冷却效率的详细分布发现：端壁表面的气膜冷却效率随着槽缝流（分腔1）流量比的增加而增大,随着槽缝喷射冷气流量的增加,冷气在端壁表面的覆盖范围变广,同时冷却效果也有所提升;随着端壁前部分腔（分腔2）冷气流量比的增加,叶栅通道喉部上游区域的冷却流体会出现明显的吹离壁面的情况,端壁表面的气膜冷却效率也会随之减小;端壁后部分腔（分腔3）冷气流量比对端壁表面的冷却效率的影响与分腔2类似。     

智能赋能流体力学展望

人工智能（AI）是21世纪的前沿科技,流体力学如何在智能化时代焕发青春是值得本领域研究者思考的话题。从智能赋能流体力学角度,就其研究内涵、研究内容、近期研究及难点进行了总结,并对智能流体力学未来的发展进行了展望。研究指出,流体力学计算或试验中所产生的数据是天生的大数据,如何通过深度神经网络、随机森林、强化学习等机器学习方法来利用这些数据,缓解甚至替代理论和方法层面对人脑的依赖,挖掘新的知识,成为一种新的研究范式;相关研究将涵盖流动控制方程的机器学习、湍流模型的机器学习、物理量纲分析与标度的智能化以及数值模拟方法的智能化;借助人工智能技术,发展流动信息特征提取与多源数据融合的智能化是流体力学发展的迫切需求;研究内容应至少涵盖海量数据挖掘方法以及多源气动数据的智能融合;发展数据驱动的流体力学多学科、多物理场耦合建模与控制是工程应用的迫切需求,相关工作涉及多场耦合建模、气动外形智能优化设计以及流动智能自适应控制等方面。     

机器学习在流动控制领域的应用及发展趋势

流动控制作为流体力学中的重要跨学科领域,一直是科学研究和工程应用关注的焦点之一。由于流动系统具有强非线性等复杂特征,对流动的控制尤其是闭环控制,一直颇富挑战性。近年来机器学习的迅速发展为许多学科带来了新的方法、新的视角和新的观点,对于流动控制领域亦是如此。通过回顾现阶段三类基于机器学习的流动控制方法,为主动流动控制领域的研究者展示机器学习在流动控制中应用的整体概况,进而勾勒出本领域的发展趋势。     

复杂电磁环境下频谱智能管控技术探讨

作为国土空间的重要组成,电磁频谱空间呈现出环境错综复杂、目标类型多样、用频行为多变等新挑战,导致频谱安全问题日益严峻。面向复杂电磁环境下频谱秩序安全、频谱对抗安全和频谱共享安全等需求,基于人工智能的频谱管控成为电磁频谱领域的重要研究方向,存在着具有挑战性的基础理论问题和关键技术难题。首先,调研了复杂电磁环境下频谱智能管控的国家战略需求,然后,提炼了智能频谱管控的科学意义与技术挑战,进一步从频谱管控模型机理、频谱态势感知、频谱行为推理、频谱安全决策和频谱管控应用系统等5个方面梳理国内外研究现状,并分析了相关发展动态及研究趋势。