基于嵌套网格的CHN-T1标模数值模拟

为响应第一届航空CFD可信度研讨会(AeCW-1),对CHN-T1标模翼身-尾翼组合体构型采用两种RANS求解器进行了基于结构化嵌套网格的网格收敛性研究和抖振特性计算,并与对接网格结果进行了对比分析。参考AeCW-1网格生成指南自主研发了一族以约3.3倍规模增长的稀-中等-密-特密嵌套网格系列。相比于分区点对接网格,融合了贴体网格和笛卡尔网格优势的嵌套网格从根本上降低了网格生成难度,单块网格拓扑形式更为合理且正交性较好,同时能够有效地平衡近场和远场的网格量。对于跨音速运输机构型,同等规模下嵌套网格的物面网格密度较对接网格更大,能够对激波和分离等复杂流动进行更理想的预测。对比计算过程中,自研求解器OFS3D表现出了较高的嵌套网格计算效率和可靠性,而NASA CFL3D求解器的嵌套网格计算能力有待进一步挖掘和验证。计算还发现,不同湍流模型得到的表面压力分布、分离区大小以及最大升力系数存在差别,而风洞模型支撑和机翼静气弹变形对飞行器力矩特性预测影响较大。     

超声速低声爆布局分层优化方法

声爆抑制是发展新一代超声速民机必须突破的关键技术。总体布局参数的合理设计可以使飞行器具有良好的声爆特性。为了提高全局进化算法在布局设计中的优化效率,提出一种基于数据挖掘的分层优化方法,利用数据挖掘中的决策树算法提取设计知识,获得设计变量分层信息,指导低声爆布局分层优化;针对某超声速低声爆飞行器,选取后掠角、上反角、展弦比、梢根比、长细比五个总体布局参数作为设计变量,开展分层优化数值实验,并与一体化优化形成对比验证。结果表明：分层优化方法能够搜索到与一体化优化高度吻合的最优解,分层优化的收敛速度显著高于一体化优化,且对随机寻优历程的表现更稳健。     

基于深度强化学习的智能空战决策与仿真

飞行器空战智能决策是当今世界各军事强国的研究热点。为解决近距空战博弈中无人机的机动决策问题，提出一种基于深度强化学习方法的无人机近距空战格斗自主决策模型。决策模型中，采取并改进了一种综合考虑攻击角度优势、速度优势、高度优势和距离优势的奖励函数，改进后的奖励函数避免了智能体被敌机诱导坠地的问题，同时可以有效引导智能体向最优解收敛。针对强化学习中随机采样带来的收敛速度慢的问题，设计了基于价值的经验池样本优先度排序方法，在保证算法收敛的前提下，显著加快了算法收敛速度。基于人机对抗仿真平台对决策模型进行验证，结果表明智能决策模型能够在近距空战过程中压制专家系统和驾驶员。     

超声速飞行器近场声爆信号反演技术

超声速民机是新一代民机的重要发展方向，其独有的声爆现象是制约其在陆地上空进行超声速飞行的最关键因素。对超声速飞行器的气动外形进行反设计是声爆抑制的有效途径。基于等效面积分布开展反设计，需要远场感知声压级作为直接指导。为此，提出了逆向传播分别与本征正交分解（proper orthogonal decomposition, POD）及伴随方程结合，根据远场声爆信号反演近场声爆信号的方法。采用第二届声爆会议（SBPW）提供的LM1021标模算例，并从远场频域内声压级、响度级和感觉噪声级进行反演可信度评估。结果表明，对于给定的任意远场声爆信号，基于逆向传播结果进行POD反演及伴随方程反演，都可以得到较为准确的近场过压信号，且伴随方程反演方法具有更优的高频信号即局部激波信号反演能力，远场感知声压级更精准。反演结果相应的等效面积分布与参考值高度吻合，表明此方法能够为等效面积指导的低声爆气动优化设计提供基础。