桥梁若干流致振动与卡门涡街

首先介绍了与桥梁流致振动相关的卡门涡街、涡致振动和颤振的概念。在此基础上,讲述历史上塔科马大桥风毁事件的研究争论,并再次澄清塔科马大桥风毁的直接原因是颤振而不是涡激共振。对虎门大桥振动问题,针对风工程领域中涡致振动问题的性质进行了讨论,指出限幅涡振问题,并伴随的锁频现象,本质上仍是结构自激振动问题,卡门涡街起到的是诱发而不是直接的推动作用。最后,对形形色色流致振动问题的差异和共性进行了讨论。     

飞行器智能设计愿景与关键问题

未来飞行器正朝着多元化、无人化和智能化的方向发展，高超声速、超隐身和变体等新型飞行器不断涌现。而传统飞行器解耦分拆的设计方法越来越难以满足未来飞行器综合性能全面提升的要求，只有通过整体化设计才能充分发掘飞行器的潜能。通过分析传统飞行器设计中存在的问题，提出满足全生命周期要求的飞行器智能设计体系理念，利用知识库的构建将智能赋予飞行器平台系统设计、制造生产和运维这3个阶段，并通过数字孪生技术进行飞行器全生命周期的仿真、分析和预测，以对飞行器设计、运行等数据进行更新，使该体系形成闭环。就飞行器智能设计体系中需要的关键技术及涉及的科学问题等进行了讨论，并给出了未来发展方向以供参考。     

随机机翼结构阵风响应的分布函数及灵敏度分析

随机结构在随机激励作用下的结构响应具有随机不确定性,响应的分布函数(CDF)能够充分地体现响应量分布变化规律,只要掌握了响应的CDF,就可以进一步掌握响应的统计信息.基于响应的CDF,对基本变量的分布参数进行灵敏度分析,可以表明基本变量的随机不确定性对输出响应的随机不确定性的影响程度,从而清楚地表明重要随机变量和非重要...     

翼型尾缘低频大功率合成射流的动态载荷特性研究——B：动态气动载荷特性分析

针对NACA0015翼型,设计了适用于风洞研究的尾缘低频大功率合成射流致动器,对翼型尾缘合成射流作用下的非定常气动特性进行了风洞实验研究。研究表明：尾缘合成射流与横流的相互作用能够有效改变作用在翼型上的气动载荷;单侧喷口喷/吸时,喷冲程气动力系数响应幅值约为吸冲程幅值的3倍;双侧喷口同时工作时,升力和力矩系数的幅值并不是单侧喷口单独工作时喷气幅值的简单叠加,而是处于单侧喷气幅值和喷吸幅值和之间;升力和力矩响应的幅值与喷流动量系数的平方根之间存在近似的线性关系;在动量系数不变时,升力和力矩系数响应的幅值会随减缩频率的增加而减小;给定合成射流器行程,升力和力矩响应幅值与合成射流频率之间近似呈线性关系。     

基于欧拉方程的跨音速外形优化设计方法

将流场分析和优化方法耦合起来，形成一种基于飞机轴向截面积分布的设计方法，用以减小跨音速和超音速飞机的波阻，在本文方法中，流场用欧拉方程进行解算，以阻力参数构成目标函数，以多个截面面积（或当量旋成体半径）为约束，选择合适的优化变量，采用传统的梯度法进行优化设计，文中利用非精确搜索措施，避免了用传统一维搜索所需的大量机时，本算法所需机时少，优化效果明显，可用于飞机的初步设计。     

双体振贯采样磁力驱动式月壤采样器设计

为降低月壤采样器的功耗,并减小工作反力,提出一种双体振贯式采样方法,详细设计了两种不同磁力驱动方式的采样器,采用电磁仿真软件得到了采样器的驱动力,利用离散单元法数值模拟软件研究了颗粒单向运移特性,开展了采样器对模拟松散月壤和月壤硬岩的掘进采样试验,验证了采样器的驱动力大小.试验结果表明:采样器针对模拟松散月壤具有较高的...     

相对测量不确定度在微波功率计量中的应用CSCD

本文探讨了相对测量不确定度在微波功率计量中的相关应用,通过微波功率计量中的两个实例,分析了相对测量不确定度的数学模型及评定过程,规范了其表述规则,全面概括了实际应用中的注意事项。     

基于谐振舵面的跨声速抖振抑制探究

跨声速抖振引起的非定常脉动载荷会造成飞行器结构疲劳甚至引发飞行事故,所以跨声速抖振的控制研究逐渐成为航空领域的热点。采用基于Spalart-Allmaras(S-A)湍流模型的非定常雷诺平均方程开展了基于谐振舵面的跨声速抖振抑制研究。首先验证静止NACA0012翼型的抖振边界和频率特性,然后分别从舵偏平衡位置、舵偏幅值、频率以及相角等角度研究了谐振舵面的控制效果。舵偏平衡位置等效于减小了翼型的有效迎角;幅值和频率对抖振抑制效果影响较大,当舵面振荡频率与抖振频率接近时发生共振现象;相角对控制效果有一定影响,在270°相角附近,升力系数幅值减小了60%。在合适的舵偏幅值、频率以及相角组合下,谐振舵面有可能成为跨声速抖振的有效开环控制策略。     

智能赋能流体力学展望

人工智能（AI）是21世纪的前沿科技,流体力学如何在智能化时代焕发青春是值得本领域研究者思考的话题。从智能赋能流体力学角度,就其研究内涵、研究内容、近期研究及难点进行了总结,并对智能流体力学未来的发展进行了展望。研究指出,流体力学计算或试验中所产生的数据是天生的大数据,如何通过深度神经网络、随机森林、强化学习等机器学习方法来利用这些数据,缓解甚至替代理论和方法层面对人脑的依赖,挖掘新的知识,成为一种新的研究范式;相关研究将涵盖流动控制方程的机器学习、湍流模型的机器学习、物理量纲分析与标度的智能化以及数值模拟方法的智能化;借助人工智能技术,发展流动信息特征提取与多源数据融合的智能化是流体力学发展的迫切需求;研究内容应至少涵盖海量数据挖掘方法以及多源气动数据的智能融合;发展数据驱动的流体力学多学科、多物理场耦合建模与控制是工程应用的迫切需求,相关工作涉及多场耦合建模、气动外形智能优化设计以及流动智能自适应控制等方面。