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。     

考虑禁飞圆的滑翔式机动弹道与气动特性参数耦合设计

 为获得滑翔式再入飞行器最佳气动与弹道机动性能,针对规避禁飞圆的远程滑翔式再入问题提出了一种机动弹道与气动特性参数耦合设计方法。耦合设计外环以气动特性参数为设计变量,基于抛物阻力极线模型提取最大升阻比和对应升力系数为气动特性参数;耦合设计内环以泛化升力系数和侧倾角为设计变量,获得给定升阻特性下能规避禁飞圆且满足再入走廊要求的滑翔式再入轨迹。耦合设计问题以再入驻点总热流最小为优化目标,以再入走廊、终端位置和速度为约束,求解满足弹道机动要求且目标函数最小的最佳气动特性参数。提出了一种规避禁飞圆的侧向几何制导逻辑用于内环轨迹设计。仿真算例得出禁飞圆半径越大,需要的滑翔式再入飞行器最大升阻比越大,且再入轨迹刚好能绕过禁飞圆。仿真结果验证了耦合设计方法和侧向制导逻辑的有效性,该方法可为飞行器方案设计时的气动布局选型等工作提供参考。     

飞机结冰在线辨识方法研究

开展飞机结冰气动特性在线辨识研究,不仅可以用于分析结冰对飞机气动特性的影响,而且对于飞机结冰在线识别具有重要的意义。近年来卡尔曼滤波和 H ∞算法在飞机结冰在线辨识中应用较多,二者均具有可靠性高、收敛快等特点,但对于噪声环境下算法的可靠性和精度评估还不够充分。本文针对飞机结冰在线辨识需求,探讨了扩展卡尔曼滤波和 H ∞算法作为结冰在线辨识算法的应用。首先通过 NASA 双水獭结冰研究飞机算例,利用扩展卡尔曼滤波和 H ∞算法,辨识双水獭飞机结冰后的俯仰方向导数,通过考虑阵风扰动和测量噪声后的仿真数据快速估计该飞机俯仰方向上的三个稳定和控制导数,并将辨识结果与参考值对比,发现两种算法均能在2s 之内快速收敛到参考值附近,且滤波得到的状态量与仿真数据吻合较好,说明算法可靠性高且收敛快,具备飞机结冰在线探测的能力。在此基础上利用不同测量噪声统计特性的仿真数据,评估测量噪声对两种算法辨识精度的影响,经分析发现随着测量噪声标准差取值增大,扩展卡尔曼滤波辨识结果精度明显降低,而 H ∞算法的辨识精度变化较小,说明扩展卡尔曼滤波辨识精度依赖于噪声先验信息的准确性,而 H ∞算法不依赖于噪声先验信息,即使数据质量较差,H ∞算法也能得到精度相当的辨识结果。     

跨声速气动参数在线辨识方法研究

以增广扩展卡尔曼滤波作为在线辨识工具,对再入体跨声速区的气动参数在线辨识方法展开研究.系统分析了增广扩展卡尔曼滤波对状态和参数联合辨识效果,发现缓变气动参数辨识效果良好,但气动参数变化剧烈时辨识结果有较大偏差,为克服这一缺点,将强跟踪思想引入到一般的增广扩展卡尔曼滤波器中.通过仿真表明,强跟踪增广扩展卡尔曼滤波器可以有效克服一般增广扩展卡尔曼滤波在参数变化较大时估计误差较大的缺点.     

混合遗传算法在气动力参数辨识中的应用

遗传算法是求解复杂系统优化问题的一种有效方法，具有较强的鲁棒性和全局寻优能力，但计算量大，效率较低。将遗传算法与一维局部寻优算法相结合，构造了一混合遗传算法．并将其用于气动力参数辨识．以取代通常采用的梯度类优化算法。采用该混合遗传算法对某型飞机的横向气动力参数进行辨识计算与分析，结果表明该混合遗传算法是气动力参数辨识的一种有效方法，与遗传模拟退火算法相比．其计算效率有较大提高。     

基于深度学习的翼型反设计方法

建立了一种基于深度学习的翼型反设计方法,将翼型曲线及其对应的压力分布图像作为训练学习对象,建立其内在联系的模型,实现通过卷积神经网络提取压力分布图像的特征,计算获得翼型曲线。该方法直接将压力分布图像作为模型输入,更加直观简洁,同时避免了传统方法中耗时的数值计算过程。模型测试中,6 000组压力分布图像和翼型曲线用于模型训练,另外561组用于模型验证,验证耗时仅67 s,预测的翼型曲线与CFD计算结果的平均相对误差为055%。对比实验中,通过对压力分布曲线添加噪声、改变输出层尺寸等方式,进一步验证和分析了预测模型性能。结果表明该翼型反设计方法具有较高预测精度和较强鲁棒性,能在保证精度的情况下降低计算时间,提高设计效率。     

基于H∞算法的飞机机翼结冰气动参数辨识

针对国内大型飞机结冰防护需求,开展针对大型结冰研究样机的H_∞算法参数辨识结冰探测研究。首先通过参数调节选取一组合适的H_∞算法参数,利用考虑测量噪声的结冰研究样机飞行仿真数据验证H_∞算法的辨识能力,由结果对比发现辨识算法能够跟踪飞机气动导数随结冰累积过程的变化趋势,辨识精度较高,其最大归一化平方根（RMS）误差仅为真值的11%;分析了H_∞算法对81种不同结冰累积过程的辨识能力,通过结果分析发现结冰累积时间较长且结冰速度较慢的情况辨识效果较差,结冰累积时间在100~300 s之间辨识精度较高;最后利用蒙特卡罗仿真分析了不同测量噪声大小对H_∞算法辨识精度和跟踪延时的影响,给出了3个纵向气动导数在随机误差影响下的辨识误差和跟踪延时的统计结果,发现在给定噪声标准差变化范围内,升力和俯仰力矩关于迎角的导数能够得到较为准确的辨识结果,二者的归一化平方根误差均值仅为各自真值的1.8%和4%,其预报延时均值最大仅为3 s和9.5 s。     

基于最大似然法的风洞自由飞试验气动力参数辨识技术研究

采用最大似然辨识算法对风洞自由飞试验数据进行气动力参数辨识,可以避免直接对测量数据进行二阶数值微分造成的气动参数的严重误差。详细介绍了风洞自由飞试验气动力参数辨识的原理及方法,分别通过仿真和实测数据算例对方法进行了具体说明和实现。算例辨识结果表明将气动参数辨识技术应用于风洞自由飞试验,是获取飞行器气动特性的有效途径之一。力导数可辨识性较低,受测量精度影响较大;力矩导数辨识结果与工程软件计算值接近,相对误差在30%以内,基本满足工程精度要求。同时,增加试验数据测量点数、提高数据测量精准度、安装过载测量设备、提升模型加工工艺水平,均有利于提高辨识结果的可信度。     

考虑转捩影响的翼型动态失速数值模拟

用数值求解雷诺平均NS方程的方法来对考虑转捩影响的中低雷诺数下振荡翼型动态失速进行数值模拟,计算中采用了k-ω SST两方程湍流模式,并加入Chen-Thyson转捩模型来模拟流动中的转捩效应.采用该方法分别对雷诺数Re=1.35×105和Re=7.7×104情况下NACA0012翼型的动态失速进行了数值模拟.计算结果显示:计算出的翼型动态失速气动力系数迟滞曲线与实测结果符合较好;对于Re=7.7×104的工况,实测的升力系数迟滞曲线中出现了高频振荡,计算结果有效地捕捉到了这一流动现象,并通过分析瞬时流线的计算结果揭示出尾缘涡的涡脱落是引起该高频振荡的主要原因.此外,通过数值计算分析了中低雷诺数下减缩频率对升力系数迟滞曲线的影响,从结果中看到,随着减缩频率的增加,翼型的失速攻角值会增加,升力系数峰值会增加;当减缩频率减小时,升力系数曲线中的高频振荡频率会增加.通过进一步计算分析知,升力曲线中高频振荡的产生不仅取决于减缩频率,还取决于流动的雷诺数,只有在中低雷诺数、较小的减缩频率下翼型动态失速的升力迟滞曲线中才有可能出现高频振荡.     

基于内嵌物理机理神经网络的热传导方程的正问题及逆问题求解

建立了一种基于内嵌物理机理神经网络(PINN)的热传导方程的正问题及逆问题求解方法.该方法利用自动微分技术将一维热传导方程嵌入到深度网络的损失函数中,通过以损失函数最小为目标来优化深度网络,求解一维热传导方程以及对方程中的未知导热系数进行辨识.随后,分析了基于PINN求解正问题的收敛精度以及参数辨识的鲁棒性,并得出以下结论:在给定网络结构的情况下,基于PINN求解一维热传导方程的收敛误差在样本点数较少时主要由采样误差主导,而当样本点数较多时,收敛误差由优化误差主导;由于损失函数中包含了方程相关的正则化项,以及采用了自动微分技术,因此,基于PINN的参数辨识方法噪声标签数据具有较强的鲁棒性.