针对叶轮机流场分析的不同Spalart-Allmaras湍流模型评价

Spalart-Allmaras（SA）湍流模型在Reynolds-Average Navier-Stokes（RANS）方程求解中得到了广泛的应用。针对叶轮机数值模拟，国内外学者提出了很多修正的SA模型，但它们之间的对比少有研究。为此，综述了原始的SA（SA-standard），SA-neg，SA-Helicity，SA-Ning及SA-R五种不同SA湍流模型。针对NASA Rotor 67和NASA Rotor 37，考察这五种湍流模型对数值计算稳定性的影响及对叶轮机内部流动细节捕捉的能力。研究表明：SA-standard和SA-neg湍流模型计算结果几乎相同；相比于SA-standard湍流模型，SA-Ning湍流模型计算的压比、效率和堵塞流量均较大；SA-R湍流模型模拟的激波/边界层干涉更严重，分离区域更大，计算的压比小，模型修正效果不理想；SA-Helicity湍流模型不仅能极大地提高计算的压比和流量范围，而且能提高计算的稳定性和失速工况下的计算准确性，但计算的堵塞流量和效率较小。     

一种基于学习的高超声速飞行器智能控制方法

针对吸气式高超声速飞行器的飞行控制问题，提出一种基于学习的智能控制方法。为便于控制器设计，将飞行器动力学模型划分为速度子系统和高度子系统：为解决速度子系统控制输入受限的问题，提出一种基于强化学习的智能控制方案；对于考虑有限通信资源的高度子系统跟踪控制问题，提出一种基于事件触发的确定学习控制方案。该方案包含离线学习训练和在线触发控制两个阶段。首先在本地离线学习训练阶段获取并存储系统的未知动态知识，随后利用所获取的经验知识设计基于事件触发机制的在线触发控制器。本文所提方案基于学习的思想将离线学习训练获取的智能体和经验知识应用于在线控制，使得所提方案能够快速计算控制指令且通信资源占用少。仿真结果说明了所提出方法的有效性。