航空发动机整体叶环结构的研究进展

高推重比是未来先进航空发动机性能的重要指标,在提高发动机可靠性和维护性的同时,减轻发动机结构重量,提高发动机的结构效率和燃气温度是提高推重比的重要途径.为此,除改进发动机设计方法外,发展和采用先进的轻质高性能材料与高结构效率的整体、轻量化结构是目前主要的发展趋势.     

飞行器栖落机动轨迹可达域分析

飞行器的栖落机动被认为是解决舰载固定翼飞机超短距精确着舰的一种可行方式,已有研究主要集中于栖落过程大迎角气动力建模、标称栖落轨迹优化与轨迹跟踪控制,而鲜有对栖落着舰任务的总体分析。基于飞行器纵向栖落机动动力学模型,引入栖落轨迹可达域的概念,并给出可达域的数学描述;在此基础上,对可达域求解采用计算速度和精度兼具的高斯伪谱法,将可达域问题拆分为三个轨迹优化问题依次求解,首先求解栖落轨迹终端高度上边界,然后求解终端高度一定时的最近轨迹,最后求解终端高度一定时的最远轨迹,并给出相应的轨迹优化数学模型。结果表明：运用该模型及求解方法能快速得到计算结果,无动力飞行器的纵向栖落轨迹可达域为上窄下宽的不对称区域,且左右边界曲线线性度较好。     

先进战斗机过失速机动模型飞行试验技术

具有过失速机动能力的战斗机在近距空战中能够取得快速占位、先敌瞄准、有效规避攻击的战术优势,是先进战斗机的标志性性能要求。模型飞行试验技术作为空气动力学研究三大手段之一,在解决飞行器技术难题、实现技术创新方面发挥了重要作用。本文介绍了中国空气动力研究与发展中心利用带动力自主控制模型飞行试验平台发展的过失速机动模型飞行试验技术,以及开展的先进战斗机构型典型过失速机动模型飞行试验,分述了在大迎角非定常气动建模、宽量程气流系参数测量、大迎角非线性控制、推力矢量控制、大迎角非定常气动参数辨识方面的研究工作与解决这些关键问题的技术途径。通过此项研究,在国内首次实现了先进战斗机构型缩比模型典型过失速机动飞行,相关研究成果可为先进战斗机实现过失速机动飞行能力提供有力的技术支撑。     

基于最差件等寿命曲线的桨轴高低周复合疲劳寿命分析

以Goodman曲线为基础,构造了考虑应力集中系数和疲劳极限强度分散系数影响的最差件等寿命曲线,然后基于最差件等寿命曲线建立了桨轴高低周复合疲劳寿命分析方法,用于预测桨轴的安全寿命,并给出了预测方法的适用范围为低周103～105次循环。采用此方法对两种载荷下的某型航空发动机桨轴进行了高低周复合疲劳寿命预测,并与试验结果进行了对比。结果表明:基于最差件等寿命曲线的桨轴高低周复合疲劳寿命分析方法成功预测一组安全寿命低于低周1 000次循环的载荷,且另一组载荷预测结果也与试验结果相吻合,预测方法是可行的。      

基于网格自适应的飞行器防热材料热传导系数辨识

为准确辨识高超声速飞行器防热材料热传导系数，构造了针对热传导偏微分方程系统的约束泛函极值问题，基于表征多项式逼近性能的Weierstrass定理，采用Lagrange多项式对热传导系数进行参数化建模，进而将无穷维的约束泛函极值问题转化为有限维的非线性规划问题，再利用基于动态优化方程的优化方法将此非线性规划问题转化为常微分方程初值问题进行求解。为从较有限的测量数据中准确地“学习”热传导系数，建立采用“过拟合”判别准则的网格自适应迭代算法改善辨识精度。研究表明本文采用的辨识策略与优化方法有效，辨识结果可以较准确地反映材料热传导系数的变化规律。     

基于梁理论的涡轮冷却叶片蠕变计算

提出一种以梁理论为基础,采用累积损伤理论,利用材料的拉逊-米勒曲线方程计算给定外载荷作用下的等效应力,然后再利用材料的蠕变曲线计算涡轮叶片蠕变变形的方法。使用该方法对航空发动机燃气涡轮工作叶片在经历5个工况后叶尖的蠕变伸长量的平均值进行计算,并与发动机持久试车结果进行对比。结果表明,该方法所得叶尖平均蠕变伸长量与试车后的叶尖最大残余变形的误差为14.0%,验证了该方法在一定精度范围内的有效性。     

空中无人加油自主对接导航制导与控制

空中自主加油技术能大大提高无人机的航程航时,在军用和民用上都有着十分重要的意义。受编队气动干扰、模型不确定性、头波效应、阵风干扰等因素影响,空中无人加油的对接段是所有阶段中精度要求最高和控制难度最大的一个阶段,其导航制导与控制技术是目前研究的难点和热点。本文针对无人-无人空中自主加油场景,深入研究了软管式空中加油自主对接段的鲁棒抗扰导航制导与控制技术并进行了飞行试验验证。首先,为实现受油机加速对接时高度控制不出现振荡,采用总和能量法设计纵向制导律以实现对接末段高度和速度的协调控制;其次,为提高风干扰下的对接控制精度,分别针对加油机和受油机在不同飞行阶段的轨迹跟踪特点采用L1非线性制导思想设计了横向制导律,并采用鲁棒伺服方法设计内环姿态控制律,将积分环节引入角速率控制回路提升系统型别以更好抑制外界扰动对系统的影响;然后,基于单阶段深度学习目标检测算法YOLOV4开发了锥套识别与定位算法,在强光、云雾等复杂条件下进行采样和训练以大大提升视觉系统的鲁棒性,并采用扩展卡尔曼滤波算法将图像定位信息与RTK定位信息进行融合用于相对导航;最后,设计了无人机空中加油自主对接模拟飞行试验方案,在最大程度...     

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。     

基于深度强化学习的空战机动决策试验

空战智能决策将极大改变未来战争的形态与模式。深度强化学习决策机可以挖掘飞行器潜力，是实现空战智能决策的重要技术范式，但其工程实现鲜有报道。针对基于深度强化学习的双机近距空战机动智能决策的工程实现问题，开发了适于应用的深度神经网络在线机动决策模型，发展了通过飞行控制律跟踪航迹导引决策指令的机动控制方案，并进一步开展了软硬件实现工作与人机对抗飞行试验，实现了智能空战从虚拟仿真到真实飞行的迁移。研究结果表明基于本文发展的近距空战机动决策及控制方法，智能无人机在与人类“飞行员”的对抗中能够迅速做出有利于己方的动作决策，通过机动快速占据态势优势。研究结果显示了深度神经网络智能决策技术在空战决策中的潜在应用价值。