湍流燃烧机理和调控的活性子空间分析方法

高效、低排放等需求促使发动机燃烧趋于近极限燃烧组织,亟需在稳定可控燃烧方面取得突破。湍流燃烧机理复杂,影响湍流燃烧数值模拟预测的物理化学和初始/边界条件参数众多。但是在该高维映射关系中,预测目标量往往仅在输入参数空间中的少数方向上梯度显著,称之为活跃方向。当活跃方向与空间基的方向不一致时,采用传统的全局敏感性方法难以高效地分析出主控参数以及后续的湍流燃烧机理。而活性子方法可以通过梯度的协方差矩阵特征分解得到上述活跃方向。本文综述了活性子空间方法理论及在湍流燃烧模拟中的应用：即探究海量输入参数空间中的活跃方向,构造低维活性子空间和低维响应面,从而高效地量化模拟不确定性、表征主控物理过程,从而揭示湍流燃烧机理。最后,进一步探讨了基于活性子空间分析方法的湍流燃烧调控。     

考虑重心位置不确定性的无尾无人机优化设计

飞机的飞行性能与重心(CG)位置密切相关,尤其是后掠式无尾飞机的重心位置对其飞行性能影响更甚,如果重心位置发生变化,升力分布随之改变,进而影响飞机航时。针对这个问题,从气动布局和设计方法两方面,设计了一种航时对重心位置不敏感的无尾无人机(UAV)。气动布局上,提出了利用螺旋桨动力配平纵向力矩的鸥翼(GW)布局,以减小重心位置变化对升阻特性的影响;设计方法上,采用稳健性优化设计(RDO)理论,分析重心位置不确定时的航时低敏感度问题。以一架小型电动无人机为研究对象,建立了无尾无人机稳健性优化设计环境,包括总体设计、代理模型构造以及稳健性优化。分析结果表明:利用螺旋桨动力配平的鸥翼布局使重心可用范围增加了5%;静安定裕度在5%~15%变化时,该布局可以有效提高航时稳健性。采用稳健性优化得到的无人机几何参数,大幅度降低了重心位置对航时的影响,显著提升了满足约束的概率。     

利用时延神经网络的动载荷倒序识别

将时延神经网络引入动载荷识别研究中,结合时延神经网络的"记忆"特性、因果有限长冲激响应（FIR）系统理论与振动响应的求解原理,提出一种利用时延神经网络的时域动载荷倒序识别方法。对一个受两点随机动载荷作用的舵面模型结构进行载荷识别验证实验,结果表明,用本文方法识别的两个激励点上识别载荷样本的时间序列与真实载荷样本的时间序列之间的均方根误差分别为0.635 4和2.543 7,识别载荷样本时间序列与真实载荷样本时间序列的相关系数分别为0.965 7和0.826 2,功率谱密度曲线也能够较好吻合。本文提出的方法具有不需要结构动力学模型、识别精度高的优点。     

测量不确定度的发展和应用研究

测量不确定度是表征赋予被测量的量值分散性的非负参数,是与测量结果相关联的参数,是对测量结果质量的定量表征,表明测量结果量值的可信程度。测量不确定度适用于各种准确度要求的各类科学技术与工程测量领域。测量不确定度的理论与应用研究逐步深化,正如国际单位制单位已经与各种测量紧密结合并在全世界普遍使用一样,测量不确定度必将在测量领域发挥更大的作用。测量不确定度的推广应用是一项具体而又艰巨的技术基础工作,涉及领域多、技术难度大,应得到足够重视。本文综述了测量不确定度概念、发展动态、主要评定方法、推广应用的必要性和对策。     

非经典粘性阻尼离散系统随机振动响应分析

为了解耦非经典粘性阻尼离散系统随机动力方程,本文引进"复模态对位移"(Paired Complex Modal Displacement-PCMD)的概念,用以表示复模态及其共轭复模态的配对位移。基于这一新概念,给出了非经典粘性阻尼线性离散系统的解耦分析,由此构成一个在随机激励作用下随机响应分析的简洁方法。另外,还采用了虚拟激励法进行功率谱密度矩阵分析,与传统方法进行响应的功率谱密度矩阵分析相比,这一方法大大提高了随机振动分析的效率。     

复杂背景下快速移动目标的实时跟踪

提出了适用于跟踪在复杂背景下快速移动目标的实时跟踪系统.利用基于马尔可夫场模型的背景减除算法检测像素变化,以跟踪移动目标.分割掩膜的先验概率用马尔可夫场模型来表示,因此目标跟踪任务即被转化成最大后验问题.实验结果表明,本文算法在简单背景或复杂背景下的离线和在线移动目标跟踪方面均有较好的效果.     

正态云模型雾化性质统计分析

对于超熵较大情况下的正态云模型,说明了云模型雾化过程.通过统计分析云滴离散的整体趋势,说明超熵增大过程中,云滴整体趋于离散.通过分析各论域区间内云滴离散趋势,说明靠近概念核心的云滴的离散速度相对缓慢.归纳云模型雾化性质:在超熵取值持续增大的过程中(HeEn/3),正态云表示的概念的论域范围持续增大,呈雾化状态,但靠近概念核心的论域区间内的云滴不失数量优势.雾化性质适用于建模偏离正态分布、缺乏共识的定量数据,期望表示概念语义值核心,熵描述概念语义的离散程度,超熵表示各种语义的共识程度,扩展了云模型知识表示的应用范围.     

MEMS陀螺随机漂移在线补偿技术

为了提高微机电系统(MEMS,Micro Electro Mechanical System)陀螺测量的精度,提出了一种陀螺随机漂移的在线补偿方法.在静态时在线建立随机漂移的自回归滑动平均(ARMA,Auto Regressive Moving Average)模型,并针对随机漂移模型随时间慢变的特性,引入虚拟噪声补偿技术加以补偿.针对载体运动状况的未知性,建立机动角速率模型.在此基础上采用自适应卡尔曼滤波技术对随机漂移和角速率进行实时估计.通过试验表明:随机漂移模型、角速率模型以及滤波算法能够满足姿态测量系统的动态应用需要,且姿态测量精度较补偿前有了显著的提高.     

MEMS陀螺仪随机漂移仿真和试验

为了提高使用精度,研究了某微机电系统(MEMS,Micro Electro Mechanical System)陀螺仪的随机漂移模型.应用时间序列分析方法对经过预处理的陀螺仪量测数据进行建模,提出采用状态扩增法设计Kalman滤波器.进行速率试验和摇摆试验,验证了在静态和恒定角速率条件下,滤波后的误差均值和标准差分别为滤波前的55%和12%.针对在摇摆运动时随着振幅的增加滤波效果下降的问题,设计了自适应Kalman滤波器,分析了衰减因子的选取原则.仿真结果表明:常值衰减因子法和自适应衰减因子法都能显著改善摇摆运动时的滤波效果,而自适应衰减因子法的精度更高.     

2.4m跨声速风洞大型飞机试验不确定度评估

2.4m跨声速风洞作为中国目前唯一的大型跨声速气动力试验设备,在中国大型飞机研制中发挥着十分重要的作用。因此,对该风洞试验数据质量的评估、控制和改进提高是一项紧迫的工作。笔者通过完善不确定度计算方法、详细标定基本不确定度源和编制评估软件等工作,建立了该风洞大型飞机试验的不确定度评估方法,并对某大型飞机模型试验结果开展了具体的评估与分析,澄清了该风洞大型飞机试验数据的质量水平。