基于气弹耦合的旋翼桨涡干扰噪声预测方法

建立了基于气动/弹性耦合的旋翼桨涡干扰（BVI）气动和噪声分析方法。气动模型包括修正Beddoes尾迹模型和CFD模型，噪声计算采用基于声学类比法推导出的FW H（Ffowcs Williams Hawkings）方程，弹性桨叶动力学建模采用有限元方法。应用所建立的方法，对刚性的OLS（operational load survey）旋翼桨涡干扰状态的气动和噪声特性进行了计算，对比了两种气动模型在研究桨涡干扰问题的有效性；以弹性的HART Ⅱ旋翼为研究对象，分析了桨叶弹性、时间步长对桨涡干扰气动载荷和噪声的影响。结果表明:进行桨涡干扰计算时所采用的时间步长不宜超过2°。CFD方法由于固有的数值耗散，计算出的OLS旋翼噪声声压峰值仅为试验值的60%，而修正Beddoes尾迹模型能够避免数值耗散，且具有高效率的优势。考虑桨叶气动弹性能够提高旋翼桨涡干扰噪声的预测精度。      

竞争风险模型下变环境的发动机叶片可靠性分析

针对航空发动机转子叶片的恶劣工况导致其存在多种故障模式,各种故障的失效与使用环境紧密关联,给航空发动机转子叶片的可靠性分析或风险控制带来了难度这一问题,从转子叶片的磨损和裂纹两种主要故障模式特点出发,研究了变环境下的转子叶片磨损故障模型和疲劳裂纹故障模型,提出了一种基于竞争风险模型的转子叶片可靠性分析方法,并给出了求解算法；以某高压涡轮转子叶片为例进行了分析研究.结果表明:在可靠性分析中采用单个故障模型比竞争风险模型风险更大；且在竞争风险模型下,如果不考虑推力环境的影响,以不可靠度要求0.1为例,相应风险增加了33%,验证了所提方法的实用性.      

轴向入射激波反射聚焦的实验和数值模拟

为研究两级脉冲爆震发动机凹腔入口宽度对第2级凹腔中激波聚焦过程的影响，设计轴向入射激波聚焦的实验系统，对不同入口宽度下激波反射聚焦的过程进行了实验和数值模拟。采用纹影系统拍摄凹腔中的流场结构，并测量了凹腔顶点处的动态压力。采用保持强稳定性（SSP）的Runge Kutta格式、weighed essential non oscillation（WENO)格式和块结构网格自适应加密（SAMR）算法对激波反射、衍射和聚焦的过程进行了数值模拟，数值模拟结果和实验吻合较好。通过分析比较相同马赫数激波通过不同宽度凹腔的反射聚焦过程，发现较小宽度凹腔入口下激波反射和聚焦较强，顶点的压力峰值较高，激波聚焦诱导的射流较强。      

混合动理学通量WENO方法拓展

在马赫数2.5来流条件下，开展了高频微秒脉冲放电控制压缩折角激波/边界层干扰非定常性的风洞实验，放电位于压缩折角上游沿流向布局的6对电极之间，所选取的放电频率为14 kHz,接近于来流边界层的特征频率。采用高速纹影成像技术记录流场的动态变化，并基于纹影图像灰度值的时间序列采用平均、均方根、本征正交分解、动态模态分解、傅里叶变换等方法进行处理，对比研究有/无控制情形下激波/边界层干扰的非定常特性。研究发现，对于无控情形的基准流场，流动的低频特性表现为分离激波的振荡及边界层大尺度涡经过激波的脱落行为，中、高频特性表现为边界层小尺度涡与激波的相互作用；对于受控情形，来流边界层内的大涡尺度在放电作用下增大，大尺度涡与分离激波相互作用使得激波的振荡转变为稀疏压缩波的脉动，流经激波的边界层脉动更强，分离激波的低频振荡(10～300 Hz)有所改善。此时，流动的低频特性主要表现为边界层大尺度涡经过激波的脱落行为，而中、高频特性与基准流场相似。     

物理启发的深度学习模型及其在热端部件散热中的应用

热端部件散热是众多空天设备的关键技术。表面温度分布是散热设计中用到的重要信息,常规的解析建模手段和机器学习方法均无法有效地表达此类高维信息。近年来兴起的图像深度学习算法是解决表面温度信息预测的有效手段。然而,现有的基于大数据的深度学习方法往往对于物理数据和小样本数据不适用,体现为泛化精度差、数据兼容性差、可解释性差。因此,有必要结合传热的先验知识发展物理启发的新型深度学习算法,以增强高自由度、高复杂度散热对象上的设计能力。本文基于卷积算子和有限差分求解方式的类比关系,提出了一种物理启发式的循环卷积神经网络。以横向出流的冲击冷却为例,开展了变计算域大小、变工况、变尺寸的批量数值模拟,获取了冲击冷却关键特征的小样本图像数据。进一步通过神经网络的训练,构建了多参数、大范围内有较好拟合能力的温度、传热系数、压力代理模型。研究结果表明,本文提出的物理启发神经网络模型,对于计算域大小没有限制,可以统一表达不同空间范围内获取的物理数据的共性规律。模型的各类超参设定均具有明确的物理意义,且与经典的微分方程求解理论有一定的类比关系,增强了神经网络调参的方向性。通过传热物理规律与黑箱模型的融合,本文实现了小样本多参数物理数据的共性建模。该方法可以迅速重构热端部件的高维分布信息,可服务于热端部件的快速分析设计以及优化。     

空间仿生可变构智能感知网络技术

基于仿生集群系统感知功能与行为的视角，提出了空间感知网络的若干前沿科学问题，包括仿生可变构异构空间分布式智能感知网络设计、单星自主机动对准和协调操控、星群协同相对测量与控制等。在干扰对抗态势下，空间感知网络的生存智能需求是保持各节点的可变构型网络、异构分布式感知与协调控制，从抗扰、容错和节能等角度提出了未来智能感知网络所应具有的安全、绿色和免疫等特征。仿生空间感知网络的目标是通过可变构异构分布式星群设计，实现星群多源信息融合和“眼、耳、脑、体、群”的智能协调，提高感知网络的智能协调能力以及对于空地目标与空间态势的感知、理解、预判和机动处置能力。