深空探测光学导航敏感器在轨几何定标方法

光学导航敏感器是光学自主导航的一个核心器件,它所获得的导航目标源的光线指向的精度将直接影响自主导航的精度。设计了一个分步式的光学导航敏感器在轨几何定标方法,该方法先求解外定标参数,然后在外定标所确定的广义相机坐标系下求解内定标参数,从而完成对内外定标参数的标定。为了在星上计算资源与能力有限的环境下,利用更多的参考星图实现对定标参数的高精度估计,利用逐行法化最小二乘方法估计定标参数。实验表明,通过高精度的在轨几何定标,可以有效提高光学导航敏感器的指向量测精度,使其满足光学自主导航的需求。     

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.     

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。     

基于时间谱方法的振荡翼型和机翼非定常黏性绕流数值模拟

 传统的双时间方法在非定常计算中长时间的过渡迭代推进求解导致其计算效率相对较低,针对周期性非定常流动问题的流动特征,发展了一种基于离散傅里叶变换的高效时间谱方法,用于求解振荡翼型和机翼的非定常黏性绕流。在时空耦合的雷诺平均Navier-Stokes(RANS)方程的求解中,对流项的离散应用了Roe的通量差分格式,物理时间项的离散方法为时间谱方法,伪时间推进采用了隐式LU-SGS(Lower-Upper Symmetric Gauss-Seidel)格式。考虑到湍流的时空耦合效应,时空耦合的Spalart-Allmaras一方程湍流模型的物理时间项同样采用时间谱方法进行离散。为了进一步提高计算效率,当地时间步长和多重网格技术等加速收敛的措施均被采用。算例对俯仰振荡NACA0012翼型和Lann机翼的周期性非定常流场进行了数值计算。结果表明:对于周期性非定常流场的数值模拟,相比于传统的双时间方法,用时间谱方法近似物理时间项,不仅能够提高流场的计算精度,而且更能够大幅度提高计算效率。     

复杂旋翼流场的耦合欧拉-拉格朗日数值方法

针对影响旋翼流场求解精度的关键因素“桨叶复杂近体流动”和“尾迹涡畸变”,结合计算流体力学(CFD)方法和黏性涡方法,发展了一套适合于复杂旋翼涡流场分析的耦合欧拉-拉格朗日数值方法:为捕捉桨尖三维效应、激波等细节流场特征,在桨叶近体区域采用CFD方法对其进行求解;针对高雷诺数旋翼流场中桨尖涡的紧凑结构特点,引入黏性涡方法建立了高分辨率的尾迹求解模型;两计算域间的信息交换采用了集中涡源法和边界修正法.应用所建立的计算方法,以旋翼CFD标准验证试验(Caradonna-Tung旋翼)为算例,对尾迹影响明显的悬停状态进行了数值模拟,通过对比耦合边界处流场特征及桨叶表面压力系数分布,验证了方法的有效性.此外,还从旋翼尾迹捕捉精度、涡量耗散特征及计算时间等方面对不同计算方法进行了对比分析,结果表明耦合方法可充分发挥CFD和黏性涡方法各自的优点,在旋翼流场数值模拟方面具有独特的优势.