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。     

非线性热传导逆问题的表面热流辨识方法

当材料的热物性参数随温度变化时,其内部的热传导方程是一非线性偏微分方程,对应的热传导逆问题称为非线性热传导逆问题。本文建立了非线性热传导逆问题的两种表面热流辨识方法:顺序函数法和共轭梯度法,介绍了这两种辨识方法的基本思想和具体算法推导,并针对典型算例进行了仿真辨识,结果表明:两种辨识方法虽然在算法构造、计算效率方面存在一定的差异,但都能给出较好的辨识结果,并且算法受测量噪声的影响较小,具有较好的鲁棒性。     

基于流体力学和电磁学方程数值求解的飞行器气动隐身一体化设计

介绍了基于流体力学和电磁学方程数值求解的飞行器气动隐身一体化设计方法.首先介绍了精度相对较高的飞行器气动和隐身特性数值计算方法,即,对于气动性能计算,求解的是结构网格上的NS方程加BL代数湍流模式;对于隐身特性计算,是用时域有限体积法来求解电磁学微分方程以获取RCS值.由于采用了高精度的数值方法,优化时单一设计点的气动性能计算和隐身性能计算变得较为耗时,因此在进行多目标遗传算法优化时本文采用了一种"少量样本计算+Kriging响应面模型建模"的优化策略.针对某类似X-47飞行器的一体化设计算例计算表明,上述设计方法是可行的,实现了优化设计中引入高精度的性能分析方法,有望提高优化结果的可信度.     

乙烯燃烧简化化学动力学模型及其验证

采用“准稳态”方法,从乙烯燃烧的详细化学反应动力学模型出发,建立了包含20个组分和16步总包反应的简化化学动力学模型。为检验动力学模型的有效性,在我国同步辐射实验室燃烧站上开展了乙烯／O2／Ar的层流预混火焰组分测量。应用一维数值方法对实验结果进行了模拟,计算的组分分布和实验测量数据进行了对比。结果表明：简化反应动力学模型能有效地再现详细基元反应模型的反应机理,具有较高精度;但采用乙烯详细化学动力学模型计算结果与实验测量还存在一定的差异,需要进一步改进。     

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.     

利用温度测量结果反演三维热传导问题中热源项的算法研究

利用表面温度测量来反演热传导问题中的热源项是一类典型的热传导逆问题,在采用有限体积法对三维稳态热传导问题进行数值求解的基础上,将该热传导逆问题转化为优化问题,基于灵敏度分析建立了反演算法.采用该算法对一典型算例的计算结果表明:建立的算法是有效的,具有较好的抗噪性能.此外,对反演算法中计算收敛准则的选取进行了较深入的分析,结果表明,由于热传导逆问题的不适定性,优化过程中目标函数值越小并不意味着反演结果与真值更为接近,可以通过设定合适的收敛准则来模拟正则化项的作用,克服不适定性的影响.     

基于深度神经网络的流场时空重构方法

针对流场粒子图像测速实验中时间和空间高分辨率测量代价高的问题，研究了数据驱动的流场时空重构方法。为了对实验测得的低分辨率数据进行时空高分辨率重构，提出了一种基于深度神经网络的流场时空重构方法，并构建了一种基于卷积神经网络和长短时记忆神经网络的混合深度神经网络。该混合深度神经网络能够学习流场的时空演化特征，训练完成后可实现对实验数据的时空高分辨率重构。测试结果表明:只进行流场空间高分辨率重构时，重构出的流场与真实流场之间的均方根误差为0.0065左右，流场数据点数是原来的51倍；同时进行流场时间和空间高分辨率重构时，重构出的流场与真实流场之间的均方根误差可保持在0.065左右，流场时间维度的密度是原来的5倍，可极大提高实验效率，节约实验成本。     

人工智能与空气动力学结合的初步思考

以人工智能为核心的新一轮技术革命及产业变革正在影响着社会的各个领域,世界各航空航天大国均在人工智能与空气动力学的结合方面开展了许多有益的尝试与探索。本文回顾了人工智能技术的发展历程及现状,重点讨论了大数据时代背景下人工智能在风洞试验、数值计算和飞行试验等空气动力学研究的三大手段上的应用,详细分析了人工智能在辅助海量气动数据分析与知识发现上发挥的作用,探讨了人工智能在气动建模与先进飞行器设计中蕴藏的应用价值,并指出了人工智能与空气动力学相结合所带来的挑战。     

高速空气动力学三大手段数据融合研究进展

风洞试验、数值计算和模型飞行试验三大手段的深度融合，是开展新一代高速飞行器研究的必然需求。本文重点介绍了高速风洞试验设备、数值计算软硬件建设和航天模型飞行试验能力建设情况，以及自主研制的表面温度、热流、脉动压力、摩阻等飞行试验测量技术；并根据气动数据融合特点，提出了一种基于气动数据和物理模型相关度的融合准则，发展了基于组合深度神经网络的气动数据融合方法，解决了不同来源数据之间的数据关联问题，大幅提升了融合数据的可信度，在某高速飞行器俯仰力矩系数和头罩典型构型的气动热数据天地关联方面得到成功应用；综合运用三大手段，开展了高速激波-边界层干扰基础流动问题研究，建立了激波-边界层干扰力/热载荷天地相关性经验公式，修正了压力-热流关联关系，并首次证实了分离泡低频振荡现象在真实飞行条件下客观存在。