GRECO中棱边绕射场计算的改进

图形电磁计算 (GRECO)方法是计算复杂目标高频区雷达散射截面 (RCS)的有效方法之一。分析了原始GRECO方法在判定目标图象棱边象素的不足之处 ,给出了相应的改进措施。改进后的软件能够更准确、充分地判定目标的棱边象素及获得棱边参数。在边缘绕射场的计算方面 ,指出了相关文献中存在的错误 ,给出了基于等效电磁流法 (MEC)和物理绕射理论 (PTD)的边缘绕射场计算式 ,及与物理光学 (PO)场叠加求取RCS的完整表达式。计算实例表明 ,新的方法具有更高的准确度 ,与实验测量值吻合     

尾缘锯齿结构对低压涡轮动静干涉噪声的影响

为满足现代航空发动机"更紧凑的级间距、更高的经济性和更低的噪声"的设计目标,低压涡轮轴向间距设计得越来越小.然而,较小的轴向间距将严重影响涡轮的气动性能及动静干涉噪声,这对流动及噪声控制方法提出了更高的要求与挑战.为此,采用大涡模拟结合FW-H方程研究了不同轴向间距情况下,上游静叶尾缘采用短、长锯齿结构时,一级低压涡轮...     

含面芯脱粘边缘闭合蜂窝壁板压缩稳定性研究

基于有限元软件ABAQUS,分别建立了无损伤和含板芯脱粘缺陷的边缘闭合蜂窝壁板的三维有限元模型。利用3种建模方法对比研究了边缘闭合蜂窝壁板在压缩载荷作用下的屈曲载荷规律和失稳模式。采用夹芯板理论将蜂窝芯等效为正交各向异性结构,板芯之间的胶层使用cohesive单元进行模拟。研究结果表明:随着脱粘尺寸的增加,蜂窝壁板的屈曲载荷呈现下降趋势;当30 mm≤D≤80 mm时结构由混合屈曲过渡到局部屈曲;两种等效模型发生局部屈曲后,无论是结构的屈曲载荷规律和屈曲载荷值还是失稳模式,均近似接近原始模型结果。     

星载合成孔径雷达图像的飞机目标检测

针对大场景下星载合成孔径雷达(SAR)图像中飞机目标检测问题,提出一种端到端的飞机目标检测算法。先在大场景SAR图像中对机场目标进行粗检测,定位机场区域,再通过精确分割算法获得机场的精细区域。对机场区域中的飞机目标进行检测,采用一种基于Canny算子的边缘检测与卷积神经网络结合的飞机目标检测算法。通过飞机边缘检测、边界框预处理等操作确定潜在飞机目标在机场中的位置范围,采用基于GoogLeNet的卷积神经网络对可疑目标进行鉴别。利用星载合成孔径雷达数据对算法进行验证,证明该方法的有效性与实用性。     

锯齿单元对起落架/舱体耦合噪声抑制试验

当前中国民用飞机高速发展，噪声排放问题受到广泛关注。在飞机起降阶段，飞行高度较低且处于机场附近，其噪声直接影响到机场地面周围环境。该阶段内起落架噪声占比较大，成为研究的重点。此外，起落架在收放过程中，除自身脱落涡产生的噪声外，当起落架舱门开启时，舱体空腔内产生自持性振荡噪声，与起落架噪声一起形成更为复杂的起落架+舱体耦合噪声，直接影响到整个着陆系统噪声水平，因此研究起落架与舱体耦合噪声产生机理和抑制措施显得尤为必要。以简化的起落架及其舱体为研究对象，提出一种低马赫数（0.2Ma/0.25Ma）条件下，利用前缘锯齿扰流单元对起落架/舱体耦合噪声进行抑制的方法，并在0.55 m×0.4 m航空声学风洞进行试验验证。首先，从起落架及其舱体耦合噪声产生原因进行分析，分别明确起落架和舱体在耦合噪声各个频段的贡献作用。随后，在舱体空腔前缘安装锯齿扰流单元，以改变自由来流状态，验证降噪措施；同时采用参数化研究方法，研究锯齿扰流单元不同偏角对降噪效果的影响。最后，将起落架模型安装于舱体空腔内，分析锯齿扰流单元对耦合噪声的抑制能力。研究结果表明，锯齿形扰流单元对舱体腔体噪声与起落架/舱体耦合噪声具有明显降低作用，在本试验条件下，30°安装角最佳。预期成果可以应用于起落架/舱体耦合降噪。     

高精度测量燃气轮机叶片前缘的三维轮廓

为了解决高精度测量燃气轮机叶片前缘三维轮廓的难题,提出了一种基于球阵列标定检验方法,直接对金属表面的叶片前缘三维轮廓进行高精度测量的相位轮廓测量系统.通过多角度数据融合算法和非线性最小二乘的递归算法,最后高精度测量出叶片前缘三维轮廓,对叶片前缘16个剖面进行拟合,得出了叶片前缘半径和前缘圆心.结果显示:叶片前缘测量系统、方法和算法的综合误差为±0.03mm.此实验装置和方法测量效率高、精度高,将叶片测量和模型化技术推进了一步.      

Mini-TED跨声速气动特性及其增升机理

通过求解二维可压Navier-Stokes方程,研究了NACA0012翼型加装微型后缘增升装置（mini-TED）后的跨声速流场特性,与Gurney flap （GF）对比分析了几何参数对mini-TED后方涡系及翼型气动特性的影响.将mini-TED的几何细节参数定义为弦向长度和有效高度,两者方向正交.在相同迎角下仅改变mini-TED的弦向长度,后缘涡系结构虽发生变化,但翼型气动力几乎没有影响;反之仅改变有效高度则后缘涡系和翼型气动力系数同时发生明显改变,且与同等高度下的GF气动系数相近.结果表明：有效高度是影响翼型气动特性的决定因素.有效高度改变了mini-TED后涡系的发生范围,而相对于整个翼型绕流,后缘涡系的大小是影响翼型流场最重要的因素,而涡系的微观结构和形态的改变影响相对很小.加装mini-TED后上表面激波位置后移、下表面激波强度削弱,从而翼型表面压力分布特性发生了改变.随有效高度增大,mini-TED诱导的涡系发生区域随之增大,引流作用增强,翼型升力系数、阻力系数和低头力矩系数提高,同时相同迎角下翼型的升阻比明显提高.     

翼型尾缘噪声源空间分布与辐射特性关系

详细研究了翼型湍流边界层尾缘宽频噪声源空间分布与辐射特性的关系.采用基于雷诺平均流场的翼型尾缘宽频预测方法研究了NACA0012翼型湍流边界层尾缘宽频噪声在4种不同工况下的噪声源空间分布与辐射特性.首先计算了NACA0012翼型湍流边界层尾缘噪声源在不同频率下的空间分布.计算结果发现:边界层中湍流是翼型湍流边界层尾缘噪声声源.随着频率的增加,噪声源强度和噪声源空间尺寸都是先增加后减小,噪声源位置不断靠近翼型尾缘.同时也计算了边界层内不同位置处的噪声源对远场噪声的辐射特性,结果表明:边界层内层区域,其噪声频谱能量集中在高频;边界层外部区域,其噪声能量集中在中低频;攻角增大或者来流速度减小,噪声能量向低频转移.      

Mass and performance optimization of an airplane wing leading edge structure against bird strike using Taguchi-based grey relational analysis

Collisions between birds and aircraft are one of the most dangerous threats to flight safety. In this study, smoothed particles hydrodynamics (SPH) method is used for simulating the bird strike to an airplane wing leading edge structure. In order to verify the model, first, experiment of bird strike to a flat aluminum plate is simulated, and then bird impact on an airplane wing lead-ing edge structure is investigated. After that, considering dimensions of wing internal structural components like ribs, skin and spar as design variables, we try to minimize structural mass and wing skin deformation simultaneously. To do this, bird strike simulations to 18 different wing structures are made based on Taguchi’s L18 factorial design of experiment. Then grey relational analysis is used to minimize structural mass and wing skin deformation due to the bird strike. The analysis of variance (ANOVA) is also applied and it is concluded that the most significant parameter for the performance of wing structure against impact is the skin thickness. Finally, a validation simu-lation is conducted under the optimal condition to show the improvement of performance of the wing structure.     

基于分布式深度学习的多星计算卸载策略

在边缘计算增强的低轨卫星网络场景下,低轨卫星集群协同处理地面任务能有效降低用户响应时延。对卫星集群的联合卸载决策和资源分配优化问题进行研究,将其描述为一个混合整数规划问题,并采用了一种基于分布式深度学习算法的卫星边缘计算卸载算法（deep learning based offloading algorithm,DLOA）。该算法使用多个并行DNN用于生成卸载决策并采用经验回放存储新生成的卸载决策,当采用隐藏层结构不同的DNN,收敛速度比同构DNN提升18%,收敛值与最优值的比值基本为1,可以认为已收敛至最优。此外,探讨了DNN的数量对所使用的算法的影响,仿真结果表明采用少量DNN就可以获得近优的收敛效果。通过对不同任务规模下采用不同算法的任务完成率进行研究,结果表明DLOA算法可通过采用异构DNN和优化资源分配方案显著提升完成率,其较单星运算方案任务完成率提升1倍,较二进制粒子群算法方案提升20%。