应用后缘装置的跨声速层流翼型多岛优化设计

高雷诺数状态下,自然层流技术(Natural laminar flow,NLF)是减小机翼表面湍流摩擦阻力的有效方法。然而由于层流翼面上大范围顺压梯度的存在使得后缘处的恢复压差更大,产生更强的激波。因此在减小摩擦阻力的同时又增加了激波阻力。本文采用后缘装置(Trailing edge device,TED)来控制翼型后缘处的激波强度,基于线性稳定性理论(Linear stability theory,LST)的eN方法对流动进行转捩判断,进而应用多岛并行多目标进化算法(multi-objective evolutionary algorithm,MOEA)以获得大范围层流区域和弱化激波强度为目标对翼型进行优化设计。优化结果表明合作均衡策略耦合进化算法可以快速地捕捉到该多目标问题的Pareto阵面解,阵面上翼型的波阻力和摩擦阻力性能较初始翼型大大改善。同时,采用后缘装置控制激波强度时,无论在设计点还是偏离设计点时,优化后翼型均具有良好的升阻力特性和鲁棒性。     

面向狭小空间的起落架收放轨迹智能设计方法

扁平化气动外形是高超声速飞行器获得较高升阻比的优先布局，但该外形严重约束了起落架的收藏空间，常规机构很难满足要求，只能采用复杂机构的三维运动实现起落架的窄空间收放。然而，当前主流的计算机辅助设计迭代试凑法在解决空间机构设计问题方面非常依赖工程经验，耗时耗力且很难得到最优结果。为解决这一问题，创新性地提出基于智能优化算法的起落架复杂机构自主设计方法。首先，分析并建立起落架收放机构的运动学理论模型；然后，建立起落架结构间距离描述及碰撞检测模型，并运用深度神经网络自主设计起落架收放机构的最优运动轨迹；最后，以某狭窄舱段的起落架收放策略设计为例，应用该设计方法进行设计。结果表明:所提设计方法可以快速得到最优的起落架收放机构设计方案，可用于指导高超声速飞行器起落架收放机构的设计。      

基于CFD/CSD松耦合的直升机配平分析方法

针对直升机配平问题，基于CFD/CSD松耦合策略建立了计入旋翼气弹效应的配平分析方法。旋翼桨叶CSD求解器与旋翼CFD求解器以桨叶弹性轴和变距轴线为媒介，通过线性插值方法交换气动载荷和响应数据。CFD模块和CSD模块在时域内推进，旋翼每旋转一圈交互一次数据，以CFD模块计算的气动力来修正配平计算中气弹分析的气动力输入，直到配平量和CFD气动力在迭代过程中不再变化，即得到耦合配平解。以SA349/2“小羚羊”直升机小速度前飞状态为算例，计算表明所提方法收敛迅速、稳定性良好，计算结果与飞行实测值的对比分析验证了方法的有效性，对桨叶气动力曲线及桨涡干扰等现象具有很好的捕捉能力。      

基于滑动子空间的杂波样本筛选方法

针对受目标污染的非均匀杂波辅助样本筛选问题，本文利用超低旁瓣子空间平滑加窗处理，克服已有的非均匀杂波样本筛选方法面临的初始协方差矩阵包含目标信号而引起的目标相消问题。一方面，采用超低旁瓣子孔径滑窗方法大幅提升旁瓣区信杂噪比，结合拟合方差偏离量提取目标大信号能量并予以剔除。另一方面，结合广义内积（Generalised Inner Product,GIP）等算法在子空间平滑的基础上进一步剔除非均匀杂波样本，从而得到独立同分布的杂波协方差矩阵。基于子孔径滑窗的杂波样本剔除方法能够大幅降低系统运算复杂度，提高系统应用效能。通过对机载实测数据的验证分析，该算法能够改善目标的输出信杂噪比，保留微动效应的离散弱目标信号，具备很高的工程应用价值。     

固体火箭发动机喉衬用轴编C/C复合材料的烧蚀及热结构特性研究进展

固体火箭发动机喉衬用轴编C/C复合材料的工作环境面临高温、高压、高速燃气流和大量凝聚相颗粒的烧蚀和冲刷,对材料的抗烧蚀性能和热结构特性要求十分严格。因此,从烧蚀实验和热结构特性实验研究、热结构特性预测与气体-颗粒两相流数值模拟三个方面,论述了轴编C/C复合材料的烧蚀及热结构特性研究进展。总结讨论了实现真实烧蚀工作环境的模拟和影响烧蚀实验参数的控制是高温烧蚀实验的难点,对于铝颗粒添加下工况的烧蚀实验和在细观尺度下热结构特性参数的测定实验是重点;提出从实验件类型、实验系统设计和对比有无铝颗粒添加下的工况进行烧蚀实验;提出采用一种热稳定性材料取代界面的实验方案进行热结构特性参数的测定实验。在热结构特性研究的细观尺度方面,组分材料之间的界面对热结构特性的影响有待深入研究,提出在代表性体积单元模型的基础上引入温度的周期性边界条件来实现热结构参数的预测。在气粒两相流数值模拟方面,发动机内不同相之间相互耦合作用以及对轴编C/C复合材料的机械侵蚀是数值模拟研究的难点,提出使用SDPH-FVM耦合的方法去解决内流场燃烧流动的问题,进一步可用来揭示内流场燃烧流动机理。     

基于深度混合模型评分推荐

从用户-项目评分矩阵中学习用户对项目的个性化偏好,对于评分推荐来说至关重要。许多推荐方法如潜在因子模型,无法充分利用评分矩阵中的交互信息学到较好的个性化偏好而得到较差推荐效果。受深度学习中Wide and Deep模型应用于APP推荐启发,本文提出一种深度混合模型并命名为DeepHM用于评分推荐。与Wide and Deep模型相比,使用DeepWide和DNN部分重构Wide模型和Deep模型得到DeepHM,并且DeepWide和DNN部分共享交互信息输入。因此,DeepHM可以更有效地使用评分矩阵中的用户和项目的交互信息学到个性化偏好信息。DeepHM将评分推荐作为分类问题旨在提高推荐准确性。实验表明在公开的Movielens数据集上DeepHM算法相比现有的基于评分推荐模型具有更好的效果。     

无刷双馈电机静止坐标系数学模型的研究

由于没有电刷和滑环,提高了运行的可靠性,降低了维护成本,因此无刷双馈电机(BDFM)在变速恒频发电领域有着广阔的应用前景。由于特殊的结构和工作原理,BDFM数学模型十分复杂。从BDFM多回路空间矢量数学模型出发,推导出了两个静止坐标系之间的坐标变换关系以及功率绕组静止坐标系数学模型和控制绕组静止坐标系数学模型,推导过程简洁明了。所得结果为BDFM理论分析和不同控制策略的研究提供了理论基础。MATLAB/Simulink环境下的仿真结果验证了数学模型及坐标变换关系的正确性。