CFD空间精度分析方法及4种典型畸形网格中WCNS格式精度测试

计算流体力学中的精度阶数体现的是数值解随着网格加密向精确解收敛的速度,计算格式、网格质量和边界处理等都会影响计算精度。5阶非线性加权紧致格式(WCNS-E-5)是一种具有较高的精度和分辨率的有限差分格式,对强激波和复杂网格的适应性强。但是,格式的模板自适应选择器和网格的复杂性等都会对最终计算精度造成影响。为了分析精度,首先给出了两种通过数值解反推计算格式精度的方法:一种方法适合已知精确解的情况,另一种方法适合未知精确解的情况。然后在斜交网格、拉伸网格、拐折网格和扭曲网格等4种典型畸形网格中考察了WCNS-E-5格式的精度,考察算例涉及线性波动问题、等熵涡传播问题和超声速边界层问题等。计算结果表明WCNS-E-5在这四种网格中都体现出高阶精度。     

基于新算法的干扰机自适应收发隔离技术

针对电子干扰机中侦察接收天线和干扰发射天线之间存在的收发隔离问题 ,提出了基于有源干扰对消的自适应收发隔离技术。介绍了应用该技术的自适应收发隔离系统的组成和基本原理 ,并针对系统的具体应用 ,提出了一种新的变步长LMS自适应算法。理论分析和仿真均表明该算法具有较高的收敛速度和良好的收敛性能 ,能有效地应用于自适应收发隔离系统中。     

GPS/INS组合导航系统自适应滤波算法与仿真研究

随着组合导航系统应用环境的日趋复杂，给噪声统计特性的准确描述带来困难，这将造成Kalman滤波器不稳定甚至发散。首先对目前解决此问题常用的自适应滤波方法进行了总结和分析，在此基础上，给出了基于滤波收敛性判据，结合Sage-Husa自适应滤波和强跟踪Kalman滤波的改进自适应滤波算法。最后以GPS／INS组合导航系统为例进行了计算机仿真，结果表明：该算法可有效抑制滤波发散，具有较大范围的自适应能力。     

航空发动机数学模型中方程解法与局限性分析

基于部件法建立的发动机数学模型中含有大量非线性方程求解过程,目前所采用的插值法在理论上存在一定的局限,使得发动机性能仿真时常引起模型不收敛.本文首先以发动机部件非定常流计算过程为例,归结给出模型中非线性方程的数学形式及其特点,然后采用实例对解法的局限性进行分析,并得出结论:建议使用插值法求解时应注意两点:迭代初值选取直接影响算法的收敛性;迭代过程采用最近三个近似解来拟合,不一定能真实反映原方程轨迹,会导致迭代发散.     

非线性方程迭代算法收敛性分析

从几何上分析了迭代格式xn+ 1=φ(xn)所产生的序列收敛于方程根的收敛条件 ,导出了不依赖函数可导性判断迭代序列收敛的收敛定理 ,给出了产生收敛的迭代序列的技巧。     

线性广义系统的迭代学习控制

讨论了正规，稳定，无脉冲的定常广义系统的迭代学习控制问题，通过构造满足广义约束的Lyapunov函数来分析定常广义系统在P型学习律下迭代学习误差的收敛性问题，同时给出在每次迭代时初态固定于同一点的误差收敛的充分性条件，最后给出数值仿真算例说明该学习律的有效性。     

高超声速压缩拐角湍流计算的收敛性分析

应用基于shear stress transport(SST)湍流模型的隐式紧耦合方法对高超声速压缩拐角流动进行了数值计算.考察了差分格式、限制器以及湍流时间步长等7个因素对湍流计算过程稳定性和收敛性的影响.结果表明:差分格式和限制器对收敛性有很大影响,总体而言耗散性越大的差分格式和限制器收敛性越好;增加湍流时间步长对收敛性影响很小;适当降低湍流变量最低限制值有利于湍流方程的收敛;增大Courant-Friedrichs-Lewy(CFL)数和隐式内迭代次数可显著加速收敛,但均存在最优值,超过最优值则加速效果不明显.      

NASA共同研究模型翼身组合体数值模拟研究

采用结构网格求解器WiseManPlus软件,对DPW5提供的NASA共同研究模型CRM翼身组合体构型进行数值模拟研究.采用雷诺平均N-S方程,选择SA一方程湍流模型和SST两方程湍流模型,开展了网格收敛性分析及抖振分析计算研究,评估了该软件对此类民机构型的阻力预测能力.按照DPW5的要求,采用会议统一提供的基准结构网格进行计算分析,研究结果表明,计算的巡航设计点的阻力及大攻角下的气动力系数与试验值吻合较好,达到会议统计分析平均水平.计算结果表明,所采用的结构网格求解器WiseManPlus软件计算精度较高,适用于大型民机高速巡航及抖振现象的数值模拟研究.     

叶片外换热计算程序STAN5收敛性改进

涡轮叶片外换热计算程序STAN5,采用Patankar-Spalding方法求解可压缩边界层微分方程,获得流动及温度边界层内的参数分布,进而得到叶片表面的外换热系数分布。本文分析了STAN5程序的求解方法,研究了程序在外流场存在较强逆压梯度时出现计算不收敛及错误收敛等现象的机理,并对程序进行了两点改进:修正了逆压梯度下边界层内部速度分布,建立了边界层内部沿流向的网格分布与主流压力梯度间的联系。改进后的程序有效地避免了计算发散等问题。     

空域数据重排的后多普勒自适应处理方法

传统的后多普勒自适应处理方法,如因子法(FA)和扩展因子法(EFA)虽然能大大降低自适应处理时的运算量和独立同分布样本的需求量,但由于实际中均匀训练样本数目的限制,当天线阵元数进一步增大时,FA和EFA抑制杂波和检测动目标的能力会显著恶化。针对这一问题,提出了一种空域数据重排的后多普勒自适应处理方法。该方法将多普勒滤波后的空域数据重排为一行列数相近的矩阵,空域滤波器权系数也表示成可分离的形式,从而得到一双二次代价函数,利用循环迭代的思想求解权系数。实验表明该方法具有快速收敛,所需训练样本少的优点,尤其在大阵列、小样本条件下该方法抑制杂波的性能明显优于FA和EFA。