基于CFD/DSMC羽流仿真的新型运载火箭二级尾舱整体防热方案研究

针对使用大推力发动机的某新型运载火箭二级尾舱防热问题,引入了CFD/DSMC结合的方法用于四喷管并联的高空羽流干扰流场及羽流回流热流的仿真分析,预示了第二级发动机工作时羽流回流在二级尾舱产生热流的分布情况,并以此为基础提出了可有效阻隔四台并联发动机高空羽流回流的新型轻质、柔性整体防热结构,使二级尾舱内热流降低95%以上,改善了火箭二级尾舱的热环境。     

火箭协同优化中的气动代理模型研究

随着运载火箭研发模式转变，快速迭代和协同优化设计成为主要发展方向，这就要求作为小回路论证中重要一环的气动特性计算能够实现在线输出数据，亟需研究一种快速计算气动特性的代理模型，代替耗时的CFD计算和风洞试验参与到总体优化设计中。综合比较多种快速计算途径，选择高斯基Kriging插值和BP神经网络两种方法构建代理模型。使用脚本控制的Cart3D软件生成数值试验样本，样本点精度与Fluent软件计算误差小于14%。通过样本点训练、内参优化和加点策略，最终获得相对误差小于10%的代理模型，能够实现给定外形参数在线秒级输出气动数据，极大地推动了气动计算在总体论证中的作用。     

人工智能气动特性预测技术在火箭子级落区控制项目的应用

发展了一种基于人工智能算法的气动特性预测技术,在开展部分工况风洞试验基础上,结合少量数值仿真结果,通过机器学习模型预测全部工况气动特性。该方法能够降低研制成本,缩短周期。先后解决了相关函数选择、模型超参数训练、数据检验和“人在回路”应用等关键算法与技术问题,应用于运载火箭子级栅格舵落区控制项目气动研制,获得了设计所需完整的气动特性数据。2019年7月26日火箭飞行搭载试验验证了预测方法的正确性。最后,提出了人工智能技术在气动设计应用的分级概念和标准,划分和识别人工智能的能力,确定阶段性功能,为人工智能与气动设计结合与应用提供参考。