面向非结构混合网格高精度阻力预测的梯度求解方法

针对非结构混合网格的特点,通过改进传统的Green-Gauss梯度求解方法,提出了一种可提高非结构混合网格黏性计算精度的节点型Green-Gauss梯度求解方法。利用改进后的方法,完成了DLR-F4翼身组合体算例的计算和对比分析。改进后的梯度求解方法残差收敛更好,下降量级更多,阻力系数和试验吻合更好,激波区域压力分布和分离区域流场细节的模拟更精确,说明改进后的梯度求解方法有效提高了程序的鲁棒性和阻力预测精度,验证了方法的有效性。采用改进后的方法对第5届AIAA阻力预测研讨会的通用研究模型（CRM）进行了详细的模拟分析,结果表明：改进的梯度求解方法更加适用于非结构混合网格的黏性计算,计算精准度达到国际同类CFD软件水平,进一步验证了改进方法的可靠性。     

基于双eN方法的翼身组合体流动转捩自动判断

发展翼身组合体复杂外形流动转捩自动判断方法,对高亚声速民机自然层流（NLF）机翼设计具有重要意义。使用多块结构化网格和三维雷诺平均Navier-Stokes（RANS）方程求解器,耦合边界层方程求解和基于线性稳定性理论（LST）的完全双e^N方法,发展了一套可同时计及Tollmien-Schlichting波和横流不稳定性扰动诱导转捩的翼身组合体流动转捩自动判断方法。对DLR-F4翼身组合体绕流进行了转捩自动判断,将得到的转捩位置与试验结果进行比较,验证了所发展方法的正确性。使用上述方法对配置自然层流机翼的中短程民机翼身组合体外形进行了数值模拟,并将结果与单独机翼的转捩位置进行了对比,结果表明机身三维位移效应增强了自然层流后掠机翼边界层的横流不稳定性强度,导致翼根转捩位置提前至前缘区。     

融合机床精度与工艺参数的铣削误差预测模型

为弥补现有五轴联动数控铣床加工飞机结构件的加工精度评估系统的不足,提出利用机床精度检测数据和零件特征及其工艺参数来构建评估指标体系,基于BP神经网络建立了飞机结构件加工误差预测模型。通过完成训练的网络权值分布,计算出各输入指标对最后评估结果的影响,并通过实例分析检验了模型的可靠性。结果表明,经BP神经网络模型训练得到的结果和样本零件的三坐标测量机测量数据基本吻合,选取的评价指标具有有效性。该评估模型能够有效地融合机床精度检测数据和零件特征及其加工工艺参数,对飞机结构件的铣削加工误差进行预测。     

跨声速层流翼型的混合反设计/优化设计方法

跨声速层流翼型设计须兼顾优良的超临界特性和自然层流特性,因而对设计方法提出了更高的要求。针对现有反设计方法和直接优化设计方法的不足,发展了一种适用于跨声速层流翼型的混合反设计/优化设计方法。该方法引入了基于经验的局部流场特征作为反设计目标,翼型性能指标作为直接优化设计目标,然后加权形成了混合反设计/优化设计总目标,并同时考虑了气动和几何约束。优化算法采用基于自适应并行加点技术的代理优化,流动数值模拟采用耦合基于线性稳定性理论的e^N转捩自动判定的雷诺平均Navier-Stokes（RANS）方程求解器。针对现代中短程民用客机需求,以NPU-LSC-72613翼型为基准,开展了层流翼型减阻的混合反设计/优化设计。分别将局部目标压力分布、总阻力作为反设计和直接优化设计目标,得到了较好的优化结果,验证了方法的有效性。经过2轮优化结果显示混合反设计/优化设计总目标显著下降。所设计翼型吸力面局部压力分布与目标压力分布基本一致,总阻力下降15.5%;吸力面和压力面层流范围均大于55%倍弦长,激波强度显著减弱,说明所设计翼型同时具有优良的超临界和层流特性。将所设计翼型配置到机翼上,通过三维数值模拟进行校验,结果显示所设计跨声速层流机翼升阻比提高了6.64%,在一定升力系数范围内,气动性能均有显著提高,验证了所设计跨声速层流翼型在机翼设计中的适用性。     

FOD缺口型损伤对TC4疲劳极限强度的影响

针对TC4钛合金风扇/压气机叶片前缘常遭受的外物损伤(FOD)缺口型损伤,进行了不同冲击角度下高速弹道冲击试验研究、损伤特征与应力集中分析,开展了冲击后不处理和冲击后去残余应力退火试样的高循环疲劳试验和疲劳极限强度预测。结果表明:随着冲击角度的增大入射侧损伤尺寸和应力集中系数基本保持不变,出射侧缺口损伤深度和损伤长度减小。损伤深度范围为0.6~1.5mm,应力集中系数范围为2.6~3.4。缺口型损伤试样的疲劳极限强度下降为光滑试样的27%~53%,与应力集中系数并不是呈反比关系。退火试样的高循环疲劳(HCF)性能或略微下降或基本不变,表明残余应力影响较小,残余应力对疲劳极限强度的影响程度不足光滑试样的10%。缺口型损伤试样的HCF性能与损伤底部半径的相关性不明显,随着最大损伤深度和损伤长度的增加而下降,表明制定维修手册时应着重考虑缺口型损伤的最大深度和损伤长度。Peterson经验公式对HCF性能的预测精度不理想,误差最大为45%,需要发展高精度的FOD缺口型损伤构件HCF性能预测方法。      

空中交通拥挤的识别与预测方法研究

随着航空运输业的迅猛发展,空中交通拥挤现象日益严重,空中交通拥挤研究已经成为国际民航界的一个研究热点。其中,空中交通拥挤的识别与预测是空中交通拥挤研究的主要内容之一,在此基础上综述了国内外有关空中交通拥挤识别与预测方法的研究状况。首先概述了基于不同拥挤形成因素和拥挤后果的空中交通拥挤概念的研究状况;接着依据所用交通数据时间尺度的不同,分别针对基于短期数据的阈值判别方法、基于长期数据的聚类识别方法以及基于混合数据的综合评价方法综述了空中交通拥挤的主要识别方法;然后分别基于数理算法(统计算法、交通流模型算法和智能算法)和计算机仿真模拟技术综述了空中交通拥挤的主要预测方法;最后指出了空中交通拥挤识别与预测问题的近年研究热点和未来的研究方向。     

星上系统时间算法研究

针对星上缺乏系统时间会出现钟差整体漂移的问题,本文提出两种新的钟速初值预报方法建立集中处理模式下星上系统时间算法：用每颗星第1天的前两历元的钟差预测钟速初值和用每颗星每天的前两历元钟差预测钟速初值。仿真结果表明,算法合理,两种方法得到的自主系统时间与国际全球导航卫星系统服务时间(IGST)相比,60天的偏移程度均在100 ns以内,用每颗星第1天的前两历元的钟差预测钟速初值建立的系统时间稳定性更好。     

基于预测扭矩前馈的涡轴发动机内模控制方法

基于内模原理设计了涡轴发动机功率涡轮转速控制器.针对主旋翼扭矩变化对功率涡轮转速的干扰,提出了一种基于极端学习机的扭矩预测方法.极端学习机训练基于动态仿真数据,其输入通过相关分析获得.基于内模原理的功率涡轮转速控制器采用极点配置的设计方法,将输入信号的内模直接加入控制器,实现鲁棒跟踪.扭矩前馈采用比例微分(PD)控制策略,实现对发动机负载变化干扰的有效补偿.数字仿真结果表明:极端学习机扭矩预测精度高,扭矩相对误差小于1.5‰,与不加前馈控制相比,所提出的控制方法减小了机动飞行过程中功率涡轮转速的超调或下垂30%以上.      

空间相机热平衡试验温度预测方法改进及应用

为实现对航天器热平衡试验平衡温度的预测,建立了热平衡温度预测的方程式,对影响预测结果的各参数进行了分析。首先,由节点网络法推导出平衡温度表达式,介绍了其基于非线性最小二乘法的求解过程,建立了平衡温度的迭代方程;其次,结合大量的试验数据,对影响迭代结果的3个因素进行了统计分析,并最终确定了各因素的合理取值范围;最后,利用温度预测程序对某空间相机热平衡试验中低温工况的平衡温度进行了预测,并与试验结束后的结果进行了对比。结果表明,预测温度与试验数据的误差为±1℃（在3%之内）,满足精度要求,对热平衡温度准确的预测有效的缩短了试验时间,节省试验费用。     

PREDICTION OF SURFACE ROUGHNESS FOR END MILLING TITANIUM ALLOY USING MODIFIED PARTICLE SWARM OPTIMIZATION LS-SVM

It is difficult to construct the prediction model for titanium alloy through analyzing the formation mecha- nism of surface roughness due to the complicated relation between influential factors and surface roughness. A no- vel algorithm based on the modified particle swarm optimization （PSO） least square support vector machine （LS- SVM） is proposed to predict the roughness of the end milling titanium alloys. According to Taguchi method and features in milling titanium alloys, the influences of cutting speed, feed rate and axial depth of cut on surface roughness are investigated with the analysis of variance （ANOVA） of the experimental data. The research results show that the construction speed of the modified PSO LS-SVM model is two orders of magnitude faster than that of back propagation（BP） model. Moreover, the prediction accuracy is about one order of magnitude higher than that of BP model. The modified PSO LS-SVM prediction model can explain the influences of cutting speed, feed rate and axial depth of cut on the surface roughness of titanium alloys. Either a higher cutting speed, a lower feed rate or a smaller axial depth of cut can lead to the decrease of surface roughness.