翼型和机翼阵风响应的数值模拟

采用有限体积法来数值求解非定常Euler和NS方程,并在非定常计算中通过引入"网格速度"来计入阵风的影响,实现了对刚性翼型和机翼阵风响应的有效数值模拟。首先采用该方法来对翼型攻角突然增大的阵风、陡边型阵风这两种典型阵风情况下的翼型气动力响应进行了计算,结果表明:计算结果与现有的一些理论结果都符合较好,与文献中计算结果也吻合,NS方程的计算结果与Euler方程计算结果在变化趋势上是一致的,但具体的数值有差别。最后针对攻角突然增大的阵风,对不同马赫数下不同展弦比平直机翼的阵风响应进行了数值模拟,得出的计算结果与文献中的计算结果一致。     

用非线性涡粘性模式计算三维湍流边界层

针对非线性涡粘性模式在求解三维湍流边界层流动时的不足，本文从压力－变形率关联项中的快速项出发，考虑流动非均匀影响，在显式代数应力模式的雷诺应力表达式中引入了反映雷诺应力“松驰”效应的速度二阶导数项，构造了一个新的非线性涡粘性模式。通过对典型算例－翼体角隔流动的计算结果表明，新模式能较好地再现出三维湍流边界层内雷诺切应力方向的发展滞后于速度梯度方向发展这一流动特性。     

高速自旋飞行器气动参数辨识

根据高速自旋飞行器运动的特点，发展了气动参数辨识的一种数学模型，辨识参数包括静态气动导数、气动阻尼导数和马格努斯力矩导数等。仿真算例证实了该数学模型的有效性。应用该数学模型分析处理了某高速自旋飞行器的飞行试验数据．辨识获得了其主要气动参数，并分析了若干常见误差源对气动参数辨识结果的影响。     

数据融合技术在空气动力学研究中的应用

气动力数据通常通过风洞试验、数值计算和飞行试验三种途径获得,三者各有优缺点,为了得到更加完善准确的气动数据,可采用数据融合技术对不同来源的数据进行深加工和利用。针对数据融合技术在空气动力学中的应用进行讨论和探索,首先介绍了数据融合技术在空气动力学中的应用背景、发展现状及数据融合的基本思想,此后综合提出了建立气动数据融合准则的基本思路和两种具有应用价值的融合算法:基于不确定度的数据融合方法和基于气动力建模的数据融合方法,并给出了部分研究应用结果。最后,文章对气动数据融合技术在气动领域的应用前景进行了展望。研究发现,采用数据融合技术后,可以进一步提高气动数据的完整性和准确性,但由于气动数据融合工作不仅需要进行算法研究,同时还需要工作人员的大量经验,融合结果包含较多的人为因素,因此具体采用何种融合方法要根据具体情况而定。     

导弹气动参数辨识与优化输入设计

导弹气动参数的可辨识性和辨识准度很大程度上取决于控制输入设计。首先阐述了导弹气动参数辨识的最大似然方法,在此基础上发展了一种控制输入的优化设计方法,目标函数取为参数估计的不确定椭球体积,最优解搜索采用粒子群优化算法。最后,给出一个样例导弹的优化输入设计和飞行试验气动参数辨识结果。计算分析结果表明,所发展的优化输入设计方法是有效的,辨识获得的气动参数可信度较高。     

绕翼型低速湍流的数值模拟

采用求解低速流动的SIMPLE算法,用标准K-ε两方程模型、非线性K-ε两方程模型和一种改进的K-ε两方程模型来对绕两种翼型（A翼型和GAW-1翼型）在接近失速攻角情况下的低速湍流流动进行了数值模拟。计算结果表明,非线性K-ε两方程模型和改进的K-ε两方程模型较好地模拟出了翼型表面上的分离流动特性,较准确地预测出了分离点位置以及翼型的气动力系数,对翼型与机翼的工程设计具有一定的参考价值。     

过失速机动的模糊逻辑建模仿真

对模糊逻辑建模方法进行了深入的研究,讨论了非定常气动力的模糊逻辑建模与参数辨识方法,针对其在飞机非定常气动力建模与辨识中的应用提出新的思路,使之更具有实用性,并应用于实际算例的计算分析中.利用振荡三角翼的试验数据建立了非定常气动力的两种模糊逻辑模型:一种采用减缩频率进行建模,另一种考虑时间历程对非定常气动力的影响.结果表明,所建立模糊逻辑模型的计算结果与实验数据结果符合较好.采用这两种不同的模糊逻辑模型对飞机的眼镜蛇机动进行了模拟、仿真,检验了模型的实用性.      

多无人机协同覆盖路径规划

多无人机协同覆盖路径规划(CPP)由于其并行性和容错能力,对于提高无人机完成侦察、监视、搜索等任务的效率具有重要意义。提出了一种基于无人机任务性能评价和任务区域划分的多无人机协同CPP算法。定量分析了无人机执行覆盖任务的能力,根据无人机及携带成像传感器的性能给出了计算无人机任务性能指数的数学公式;提出了一种基于任务性能和子区域宽度的任务区域划分算法,使无人机的总转弯次数达到最少。仿真结果表明,所提出的CPP算法能够规划出全局最优的多无人机协同覆盖路径。     

飞机大迎角非定常气动力建模研究进展

准确建立非定常气动力数学模型,是飞机大迎角飞行控制律设计、飞行动力学分析和飞行仿真的基础与前提。鉴于此,对大迎角非定常气动力建模研究进展,包括数学建模方法和人工智能建模方法两类进行了系统综述。其中：数学类建模方法是以对非定常流动现象和机理认识为基础的,主要有气动导数模型、非线性阶跃响应模型、状态空间模型、微分方程模型、非线性阶跃响应与状态空间混合模型以及迎角速率模型等;人工智能方法回避了复杂流动机理,属于黑箱非线性系统建模,主要有神经网络模型、模糊逻辑模型和支持向量机模型等。对于每种气动力模型,阐述了其建模思路和方法,给出了典型应用情况,并对其特点和局限性作了简要评述。最后,指出了当前大迎角非定常气动力建模研究工作存在的问题和未来研究方向。     

非稳态表面热流反演算法研究

表面热流的反演是一类典型的热传导逆问题。在采用有限体积法数值求解三维非稳态热传导问题的基础上,将该热传导逆问题转化为优化问题,建立了顺序函数法和共轭梯度法这两类反演算法。采用这两类算法对一个典型算例的计算结果表明:建立的两类反演算法都是有效的,具有较好的抗噪性能。顺序函数法的优势在于算法的推导和实现较为简便,但算法中存在人为确定的参数r,该参数的选取对反演结果有较大影响。共轭梯度法的算法中没有自由参数,但算法的推导和实现都较为复杂,其反演结果的精度和顺序函数法的反演结果精度基本相当。