排序方式: 共有26条查询结果,搜索用时 31 毫秒
11.
采用计算流体力学(CFD)数值模拟方法,研究战术导弹大迎角状态下涡破裂导致滚转力矩随迎角非线性增长引起舵面控制能力不足的现象。首先通过标准模型的数值分析,验证了所采用的CFD方法具有三角翼前缘涡破裂现象的捕捉能力;然后采用雷诺平均Navier-Stokes方程对某“++”字正常布局导弹构型(含弹翼、弹身、尾舵和整流罩等)进行了数值模拟,结果显示亚声速状态下滚转力矩在迎角大于20°时出现非线性增长,导致全动尾舵的滚转控制能力不足。通过分解各部件对滚转力矩的贡献,并分析流场结构,探明了该现象发生的流动机理,其主要原因是:随着迎角的增长,弹体迎风面的尾舵前缘涡首先发生破裂,导致其平衡诱导滚转力矩的作用被削弱。 相似文献
13.
基于"第一届CHN-T1标模CFD可信度研讨会"的相关计算安排,采用CFL3D求解器结合组委会提供的结构网格进行CHN-T1标模的气动特性计算。对比发现CFL3D求解器的SST湍流模式相对SA模式具有更好的网格收敛性。对标模的抖振特性进行了分析,发现抖振起源于机翼中段的激波/边界层干扰,进入抖振状态后当迎角继续增大,激波将持续增强,同时外翼段的后加载减小,使得低头力矩下降,操纵特性变差。对静气弹效应进行了分析,发现该效应主要影响了变形较大位置的升力系数以及激波强度。大雷诺数下机翼截面压力分布后加载包围的面积增大,机翼上表面超声速区的吸力平台有所下降。 相似文献
14.
利用计算流体力学(CFD)方法预测阻力是飞行器气动设计中的关键环节。采用广义Richardson外插方法分别对数值方法预测二维简单构型的压差阻力、摩擦阻力和三维复杂构型的总阻力的精度进行了分析。在NACA 0012翼型无黏绕流和平板湍流边界层两个算例中验证了NSAWET程序和广义Richardson外插方法,分别得到数值算法预测压差阻力和摩擦阻力能达到的名义精度。进而模拟三维通用研究模型(CRM)翼身组合体绕流,得到的阻力名义精确值在DPW 5的统计误差带范围之内;综合DPW 5的计算结果来看,不同CFD解算器的结果之间存在一定差别,阻力预测精度总体上不符合二阶。可见,标准Richardson方法采用的二阶精度假设难以普遍适用,有必要采用广义Richardson外插方法得到名义精度。针对不合理的名义精度,采用Roache建议的方法加以限制。广义Richardson外插方法有助于提高误差分析的合理性,可以进一步降低网格对阻力预测的影响。 相似文献
15.
自然积冰对于航空飞行安全造成重大隐患,飞机在穿越富含过冷水汽的云层时冰形将按一定的物理规律积聚生长。介绍了一款三维结冰数值模拟软件AERO-ICE,该软件由网格自动生成、空气流场RANS计算、水滴场欧拉方法计算、结冰热力学分析四个模块组成。在空气流场计算方面,采用SPF k-v2-ω湍流模型,该模型引入湍流非平衡特性修正,预测的带冰翼型最大升力系数和失速攻角相对SA和SST模型有显著的提高。水滴场欧拉方程由于源项较大,迭代求解时容易发散,AERO-ICE软件采用流场光顺、二阶MUSCL空间离散以及LU-SGS隐式时间推进方法改善了数值稳定性。在结冰热力学分析模块,AERO-ICE软件同时具有Messinger与Myers模型,并将Messinger模型预估的壁面温度作为Myers模型的边界条件,从而解决了Myers模型温度设置的经验性问题。AERO-ICE软件支持多块网格、多重网格加速技术与大规模并行计算,其冰形计算结果得到了初步的验证。 相似文献
16.
超临界机翼多目标气动优化设计的策略与方法 总被引:2,自引:2,他引:0
超临界机翼的气动设计十分复杂,往往需要借助于有效的优化手段。然而,优化方法本身往往无法直接表达真实完整的设计意图,因此需要将工程需求和约束转换为优化方法所能处理的数学形式。本文首先探讨了梯度优化方法和进化类优化方法在气动优化中的表现。之后简要总结了前人在飞机气动设计中提出的准则和要求,并基于压力分布形态定义了超临界机翼气动设计的关键特征及定量要求,探究其在超临界机翼气动优化设计中的应用效果。研究结果表明,在多目标优化中引入面向压力分布形态特征的目标和约束,能有效引导优化体现工程设计思想,进而提高优化效率。 相似文献
17.
18.
本文对两端固定的弯曲薄板在其支承简谐运动激励下的振动特性问题进行了实验研究,重点考察了在不同的初始曲率下激振频率ω的变化对弯曲薄板振动响应形态的影响规律,实验表明,在某些频率段上弯曲薄板会发生多周期及混沌等复杂运动。 相似文献
19.
机器学习辅助湍流建模在分离流预测中的应用 总被引:1,自引:0,他引:1
数据驱动湍流建模是近年来发展的提高雷诺平均N-S方程预测精度的有效手段,通过机器学习算法能够从高置信度数据中自动提取特征,建立准确的从平均流动特征到雷诺应力的预测模型。针对高雷诺数下积冰翼型绕流这一类典型的复杂流动分离问题,基于此前研究者提出的机器学习预测框架,从输入输出特征选择和翼型绕流中数据分布特性两个方面出发,对机器学习预测结果的光滑性和准确性进行改善。提出了基于雷诺应力张量分析和流动特征辨识的输入特征选择准则;提出了局部区域建模方法以及基准模型和机器学习预测模型混合的代入计算方法。将改进方法应用于积冰翼型绕流问题之中,结果表明改进的方法能够准确给出训练集和预测集上的雷诺应力结果,并且代入平均流计算可以得到和真实分布更加接近的流动和机翼表面压力分布。 相似文献
20.
针对辅助动力装置(APU)控制系统传感器故障,提出了一种基于协方差优化集成极限学习网络(COSELM)的传感器智能解析余度方法。该方法能够根据在线序列预测误差的最小方差来自适应更新单个在线序列极限学习机的权重系数,发挥和权衡各个学习模型的优势,通过提高模型算法的稳定性和泛化性,改善传感器智能解析余度的精度。通过在某辅助动力装置控制系统传感器解析余度的验证表明,提出的COSELM方法可以解决传感器在发生偏置故障时的信号重构问题,重构误差不超过1%,适用于不同辅助动力装置个体,为其提供可靠的解析余度。 相似文献