三角翼DBD等离子体流动控制研究进展

现代战机采用较多的三角翼，在大迎角绕流时存在前缘涡破裂等气动问题。作为新型主动流动控制技术，等离子体激励频带宽、响应快、结构简单、便于闭环控制，在解决三角翼气动问题上具有潜力。回顾了介质阻挡放电（DBD）等离子体气动激励的基本原理，及其用于三角翼前缘涡控制的研究进展。从来流条件、几何构型、激励参数等方面分析了DBD等离子体激励对流动控制效果的影响规律；结合不同激励频率下流场演化特性，分析了流动控制机理。最后，从理论研究和工程应用的角度，对三角翼前缘涡控制的发展进行总结展望。     

真实气体效应对Ma10级进气道流动的影响

为了探究高马赫数超燃冲压发动机高速飞行时真实气体效应对进气道流场的影响,仿真获得了不同气体模型下Ma10级进气道流场结构和性能。结果表明:进气道主流流场温度较低,不足以触发空气的离解反应,反应仅发生在边界层内,但反应程度较低,远未达到化学平衡状态,除了边界层温度及热载荷特性,其流场结果则更为贴近冻结流流场,因而化学非平衡模型与热完全气体模型的进气道通流流场结构和性能基本一致。而真实气体效应导致边界层特性的不同,对进气道起动特性产生影响,吸热离解反应通过对进口分离包的抑制和增大进口马赫数将进气道的再起动马赫数从9.8降低到9.4。在对进气道在宽速域应用中的钝化设计研究发现,真实气体效应虽然对前缘钝化进气道流场的压力分布和性能无明显影响,但是其能起到整体降低壁面热流的作用,不仅钝头处的热流降低了1MW/m2,通道内的热流也整体降低了0.1MW/m2。     

某型测试设备供电电流异常故障分析及预防

针对某型综合测试设备在使用过程中出现的变流机供电电流异常情况,通过对检测机理进行分析,深入剖析了变流机供电电流测量故障的排除方法和步骤,提出了合理的预防方法,可有效保证设备的完好率。     

无伞末敏弹双S形尾翼弯折角对气动特性影响研究

为获得双S形尾翼末敏弹弯折角对气动特性的影响,基于计算流体力学方法对两片尾翼弯折角分别为10°、20°和30°的九种组合结构模型气动特性展开研究。获得了模型表面压力分布及阻力系数、升力系数和转动力矩系数随迎角由-30°到30°变化的规律。并通过高塔投放的自由飞行试验进行了动态气动特性研究。双S形尾翼无伞末敏弹流场计算结果显示,随着尾翼弯折角增大,双S形尾翼末敏弹阻力系数减小而转动力矩系数增加。弯折角变化对双S形尾翼末敏弹升力系数影响作用较小。试验结果显示,尾翼弯折角增大时,试验末敏弹弹轴与铅直轴夹角亦增加,即扫描角变大,但随着弯折角继续增加末敏弹的稳定性下降甚至出现翻转失稳而不能实现稳态扫描。通过本文的研究可以为改进末敏弹稳态扫描平台设计提供参考。     

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SVM和EKF的高超声速滑翔飞行器轨迹预报

高超声速滑翔飞行器（HGV）拦截问题中，轨迹预报是成功拦截的重要基础。针对HGV机动能力强、轨迹多变的特点，提出了一种基于支持向量机（SVM）和扩展卡尔曼滤波（EKF）的轨迹预报方法。在HGV的滑翔段机动模式分析的基础上，将HGV的机动运动分解为纵向运动模式和侧向运动模式，进而对运动模式的特征参数予以标定，形成SVM的训练集。建立地基单雷达轨迹跟踪模型，采用EKF对HGV滑翔段轨迹进行稳定跟踪并实现对运动模式特征参数的估计。基于SVM，建立了HGV运动识别框架，实现了对HGV滑翔段轨迹的预报。对平衡滑翔和跳跃机动2种典型机动模式进行数学仿真验证，结果表明，所提方法可以提高对该类目标的轨迹预报精度。      

基于混合深度特征的红外目标抗干扰识别算法

复杂干扰条件下的红外空中目标识别技术是空战对抗领域的热点研究课题,复杂人工干扰严重遮蔽目标,导致目标特征的连续性与显著性遭到破坏,无法全面描述识别对象的特性,造成空中目标识别准确率下降。针对此问题,提出一种基于图像混合深度特征的空中目标抗干扰识别算法。首先,基于卷积神经网络进行图像深度特征的提取,将深度特征与梯度直方图(Histogram of Gradient, HOG)特征进行有效融合,构建混合深度特征。针对作战场景中的目标与干扰的对抗态势多样性,将支持向量机的二分类模型改进为三分类模型,对目标、干扰以及目标干扰粘连三种状态进行精确分类。实验结果表明：在复杂干扰环境下,基于混合深度特征的空中目标抗干扰识别算法正确率为92.29%,该算法可以有效地解决目标被干扰遮蔽、形成目标干扰粘连状态时的抗干扰识别问题。     

基于滑动时窗策略自适应优化支持向量机的航空发动机性能参数在线预测

针对传统航空发动机性能参数时间序列预测方法存在的不足,提出了基于滑动时窗策略自适应优化支持向量机(Support Vector Machine,SVM)在线预测模型。该方法解决了训练样本动态适应性差的特点和老旧数据信息影响预测模型精度的问题。在该方法中,滑动时窗策略实时更新时窗数据训练样本,最终误差预报准则(Final Prediction Error,FPE)自适应地确定嵌入维数,遗传算法(Genetic Algorithm,GA)则实时自适应优化SVM建模参数。应用航空发动机排气温度偏差值(Delta Exhaust Gas Temperature,DEGT)数据进行实例验证,结果表明基于滑动时窗策略的自适应GA优化的SVM (GASVM)在线预测模型比传统的GASVM预测模型预测精度有显著提高。进一步分析了预测模型不同时窗宽度对短期预测精度的影响,展示了1步～10步预测的效果,结果表明在线预测模型在不同时窗宽度下短中期(5步以内)预测效果良好且稳定。文中提出的在线预测模型可用于航空发动机性能参数的预测,实现对航空发动机未来性能变化的预警。