适用于气动弹性的小波非定常气动力降阶方法

发展非定常气动力模型降阶技术旨在缩减计算耗费并且使得计算流体力学信息能够应用于气动伺服弹性以及设计优化当中。采用小波方法建立基于Volterra级数的非定常气动力降阶模型。在模型识别过程中,激励是光滑连续的且以零阶保持方式进行离散,采样频率选择二的整数幂次。近似的一阶Volterra核基于Haar尺度函数族展开,鉴于Volterra核在系统响应中的衰减特性,可在合适的有限时长截断一阶核。为了获得一阶核的各项展开系数,需要求解由输入/输出数据组成的超定方程,其中涉及到奇异值分解算法。为了验证小波方法的有效性,算例选取了二维的NACA64a010翼型。数值仿真结果表明该方法能够比较准确地预测结构小扰动引起的非定常气动力响应且能描述一定的非线性现象。     

适用于参数可调结构的非定常气动力降阶建模方法

基于计算流体力学(CFD)的非定常气动力降阶模型(ROM)可以极大提高气动弹性分析效率,然而现有的ROM只能针对固定参数结构,即只适合于固定模态振型,这使得现有ROM在气动弹性优化设计和不确定性分析等结构变参问题中应用受限。针对该问题,在文献[20]基础上提出了一种新的适用于任意模态振型的非定常气动力建模方法。首先将待设计/分析的结构进行参数化抽样和模态分析,之后通过主成分分析(PCA)得到若干基振型,再将这些基振型线性叠加即可拟合抽样空间内任何参数下结构的前若干阶振型。当结构参数改动时,仅仅是叠加系数发生变化。算例表明,仅用很少的基振型就能达到理想的拟合精度。经典的气动力降阶方法可用于基振型坐标下的气动力降阶,进一步变换可得到适用于不同结构的ROM,这意味着,结构参数可以在抽样空间内任意调节改动,而ROM却是通用的。该方法能广泛用于气动弹性优化设计和不确定性分析工作,可提高颤振分析精度和效率。     

基于Volterra级数降阶模型的无人机阵风减缓主动控制律设计

针对某型中程长航时无人机阵风减缓主动控制设计问题,提出基于Volterra级数降阶模型和线性二次型/回路传输恢复技术(LQG/LTR)控制的阵风减缓主动控制律设计方法。首先,通过Volterra级数建立非定常气动力的降阶模型,结合无人机飞行动力学模型,并与大气模型耦合,建立无人机阵风响应模型;然后,通过非定常气动力降阶模型耦合的飞行动力学模型进行开环阵风响应,验证模型的有效性;最后,利用特征实现算法得到状态空间形式,采用LQG/LTR方法进行阵风减缓控制律设计。仿真结果表明,提出的控制方法在该型无人机阵风减缓设计上取得较好效果,连续阵风条件下无人机重心过载减小74%,并能维持无人机的高度和姿态稳定。     

飞机大攻角非定常气动力建模与辨识

采用一阶微分方程描述由非线性非定常效应引起的气动力增量 ,从而建立了一种新的飞机大攻角非定常气动力数学模型。研究了模型在缓变运动下的线化形式和动导数表达式。讨论了模型参数的辨识问题。算例证实了所建立的气动力数学模型的正确性和所述模型参数辨识方法的有效性     

压气机叶栅非定常线性自回归气动降阶模型研究

为满足叶轮机械领域高效非定常气动计算的迫切需求,采用线性带外输入的自回归(ARX)理论建立了高亚声速压气机叶栅非定常气动性能降阶模型.该降阶模型构造简单,建立较为容易.通过逐渐增加输入/输出延迟阶数,可以获得较高精度的模型超参数.研究结果表明:降阶模型对线性非定常系统的气动参数响应具有较好的预测精度,但在部分无量纲总压...     

基函数宽度对RBF神经网络气动力模型精度的影响研究

将带输出反馈的RBF（recursive radial basis function, RRBF）神经网络用于构建非定常气动力模型,能够得到一种动态非线性气动力降阶模型（reduced order model, ROM）。隐含层神经元的基函数宽度是该气动力模型的一个重要参数。为了研究基函数宽度对RRBF神经网络的影响,首先通过数学分析和计算仿真研究了训练过程中宽度与神经网络结构之间的关系,而后用NACA0012翼型俯仰运动作为算例,研究模型在不同训练信号、延迟阶数和流动状态的情况进行测试。测试结果表明,基函数宽度对此类非定常气动力模型的稳定性及泛化能力都有较大影响;最优宽度的选择随训练及预测信号的变化有所不同;较多样本时,通常选择55~75的宽度能够保证非定常气动力模型具有较高的预测精度。通过对随机俯仰运动样本的预测结果,验证了宽度的最优选择范围。     

基于气动力降阶的弹性飞机阵风响应仿真分析及验证

低速飞机在阵风作用下容易产生非线性气动力,从而引发非线性气动弹性效应,对飞行安全造成威胁。针对此类问题的分析,经典面元法无法满足计算精度要求,计算流体力学(CFD)/计算结构动力学(CSD)全阶耦合分析效率低下,因此需建立满足工程应用的高精度、高效率的飞行动力学仿真分析模型。针对以上问题提出了一种适用于工程的非线性气动力降阶模型(ROM)用以实现弹性飞机飞行动力学仿真,特别是低速飞机在遭遇大幅值阵风情况下的阵风响应仿真。以风洞试验飞翼飞机模型为对象,利用CFD方法获得了该模型的气动力数据,利用自回归移动平均(ARMA)方法和径向基函数(RBF)神经网络方法分别建立了该模型的线性气动力ROM和非线性修正气动力ROM。结合模型的刚弹耦合飞行动力学方程对模型遭遇阵风情况下的响应进行仿真分析,并将仿真结果和风洞试验结果及CFD/CSD计算结果进行对比。结果表明建立的基于非线性气动力ROM的弹性飞机仿真模型在气动力预测、稳定性分析及阵风响应分析方面的表现都优于基于线性气动力ROM的仿真模型,和试验结果及CFD/CSD分析结果一致性较好,且所建模型在相同工况下的仿真时间远低于CFD/CSD分析方法...     

基于CFD技术的高效叶栅耦合颤振分析方法

为了考虑叶轮机叶片结构与流体之间的耦合效应,同时提高叶轮机颤振数值研究的效率,发展了一种基于非定常气动力降阶模型(ROM)的叶栅耦合颤振分析方法。该方法运用时域计算流体力学(CFD)技术计算少数几个叶片的非定常气动力,通过系统辨识及一些假设构建整个叶栅振动的非定常气动力降阶模型,并在状态空间耦合叶栅结构动力学方程建立叶栅气动弹性方程,采用特征值和时域仿真分析该系统稳定性。运用该降阶耦合方法对STCF4(Standard Test Configuration 4)以及NASA Rotor67叶栅系统的稳定性进行了计算。通过与直接计算流体力学/计算结构动力学(CFD/CSD)耦合方法和非耦合方法计算结果的比较验证了该方法的准确性,且该降价耦合方法的计算效率相对于直接CFD/CSD耦合方法提高了1~2个量级,为叶轮机气动弹性参数研究、失谐研究以及多模态耦合计算等提供了便利。     

基于降阶模型的不同厚度翼型颤振边界预测

为了解决CFD/CSD计算效率低的问题,基于CFD技术,构造降阶的非定常气动力模型,并耦合结构运动方程,建立频域/时域气动弹性系统ROM,采用线性自回归滑动平均模型的系统辨识方法,分析了气动弹性系统的标准模型Isogai二维翼型的颤振边界。结果表明,在翼型最大厚度所在位置保持不变时,计算不同翼型厚度下对应的颤振边界得出,随着翼型厚度增加,跨声速凹坑逐渐左移。因此,当翼型最大厚度所在位置保持不变时,为了达到提高颤振速度的目标,通过采用该方法的计算结果来调整机翼翼型厚度,提高机翼对飞行环境的适应能力。     

非定常气动力的结构自适应神经网络建模方法

讨论了非线性非定常气动力的结构自适应神经网络模型建模方法,该方法具有同时进行结构辨识与参数辨识的优点;利用纵向大振幅强迫振荡风洞试验数据,验证了建模方法及所建模型的有效性,结果表明:结构自适应神经网络模型对非定常气动力有很好的逼近能力,由于采用飞行参数的时间离散数据作为输入量,模型可直接应用于飞行仿真研究。     

非定常气动力非线性微分方程建模方法

为准确描述过失速机动中非定常气动力特性,研究了以非线性微分方程为基本结构的非定常气动建模方法.基于动力学系统建模思想,分析揭示该模型的物理机理,并发展和改进了基于风洞强迫振荡试验的模型参数辨识方法:基于小振幅试验数据,采用线性回归参数辨识方法辨识确定气动模型中特征时间常数等线性参数;基于大振幅试验数据,采用遗传算法全局...     

面向复杂构型飞机的非定常气动力建模与辨识

不论是现代高机动隐身战斗机的设计需求还是常规布局飞机的飞行动力学分析,深入研究大迎角飞行时的非线性非定常气动力模型都极其重要。基于纵向运动小振幅及大振幅强迫振荡试验数据,分析了常规稳定导数模型的准确性,并从导数模型出发发展了简化涡流和分离流时间迟滞效应的非定常气动力线性模型和非线性模型,最后应用风洞典型机动历程模拟试验验证了模型的有效性。结果表明：对于复杂构型高机动飞机模型,发展并改进的非线性微分方程模型可以准确预测飞机不同机动下的非定常气动力特性,具有较强的工程可行性。     

超/高超声速飞行器动态稳定性导数极快速预测方法

飞行器设计早期阶段需要预测大量工况下的动导数。本文发展了一种面向超/高超声速飞行器的动导数极快速预测方法：首先基于当地流活塞理论,将飞行器进行小幅非定常运动所受到的气动力分为受自由来流引起的无附加扰动项以及受物面变形或运动引起的附加扰动项;通过当地表面斜度法、激波后等熵关系求解物面当地流动参数,进而结合非定常运动规律求出飞行器所受非定常气动力;再采用待定系数法对非定常气动力进行提取、辨识,最终得到超/高超声速飞行器动导数。该方法克服了传统方法对CFD流场参数的依赖和耦合,具有极高的计算效率;同时典型算例验证表明,该方法在超声速、高超声速工况下都能够很好预测动导数变化趋势。将该方法应用于复杂外形飞行器动导数预测,并讨论了与CFD方法的误差来源。本文方法可作为高速飞行器总体设计阶段布局选型的工具。     

Unsteady aerodynamic modeling at high angles of attack using support vector machines

Accurate aerodynamic models are the basis of flight simulation and control law design.Mathematically modeling unsteady aerodynamics at high angles of attack bears great difficulties in model structure determination and parameter estimation due to little understanding of the flow mechanism.Support vector machines(SVMs)based on statistical learning theory provide a novel tool for nonlinear system modeling.The work presented here examines the feasibility of applying SVMs to high angle-of-attack unsteady aerodynamic modeling field.Mainly,after a review of SVMs,several issues associated with unsteady aerodynamic modeling by use of SVMs are discussed in detail,such as selection of input variables,selection of output variables and determination of SVM parameters.The least squares SVM(LS-SVM)models are set up from certain dynamic wind tunnel test data of a delta wing and an aircraft configuration,and then used to predict the aerodynamic responses in other tests.The predictions are in good agreement with the test data,which indicates the satisfying learning and generalization performance of LS-SVMs.     

基于CFD/CSD耦合方法的旋翼气动弹性载荷计算分析

为提高直升机前飞状态下旋翼非定常气动弹性载荷的预估精度,在旋翼气动弹性综合分析方法中引入旋翼CFD模块,建立了一套基于CFD/CSD松耦合分析的计算方法和程序。为高效解决流固耦合方法中由于桨叶挥舞、扭转等弹性变形带来的旋翼贴体网格变形问题,采用基于代数变换方法的网格变形技术,桨叶运动变形量和旋翼气动力信息通过流固交接面传递。旋翼流场分析方法中,主控方程采用耦合S-A湍流模型的Navier-Stokes方程,围绕旋翼流场的网格采用结构嵌套网格方法生成,无黏通量计算采用Roe格式,时间推进采用双时间法。旋翼结构分析中,考虑旋翼配平,基于Hamilton变分原理和20自由度Timoshenko梁模型求解弹性旋翼非线性运动方程。分别对CSD和CFD方法进行验证,在此基础上,计算了SA349/2旋翼桨叶在前飞状态下的非定常气动力、挥舞弯矩、摆振弯矩和扭转力矩,并与飞行测试数据进行了对比。计算表明:CFD/CSD耦合方法可以显著提高旋翼非定常气动弹性载荷的分析精度,精确捕捉桨叶表面压强峰值、激波位置等,表明本文发展的旋翼CFD/CSD耦合方法可以有效地运用到旋翼气动弹性载荷的预测分析中。     

基于粒子群优化的WNN飞行数据气动力建模

为了使所建立的气动力模型能准确地描述飞行器的动态特性,提出一种基于改进粒子群优化(IPSO)算法的小波神经网络(WNN)飞行数据气动力建模方法。该方法引入邻近粒子信息和变异操作,对标准PSO(SPSO)算法的不足进行改进,以提高WNN参数的全局搜索能力,克服早熟收敛,再按照所设计的飞行数据的气动力建模流程,构建了IPSO算法训练的WNN模型。试验结果表明:提出的气动力建模方法预测精度高,收敛速度快,能较好控制早熟收敛问题,用于飞行数据的气动力建模是有效的,也是可行的。     

直升机机动飞行旋翼的气动力模拟

探讨了预测机动飞行旋翼气动力的细节问题。在考察非均匀诱速分布、入流动力学和非定常翼型性能的基础上,建立了一种模拟非定常旋翼气动力的新方法。对某一特定机动科目,首先由逆解技术得到操纵输入和飞行姿态;然后综合应用涡流理论、动力入流理论和非定常翼型气动模型来数值模拟非定常的旋翼气动力。通过样例分析给出了紧急转弯和平飞跃升的计算结果。     

Reduced order model for unsteady aerodynamic performance of compressor cascade based on recursive RBF

Based on Recursive Radial Basis Function (RRBF) neural network, the Reduced Order Model (ROM) of compressor cascade was established to meet the urgent demand of highly efficient prediction of unsteady aerodynamics performance of turbomachinery. One novel ROM called ASA-RRBF model based on Adaptive Simulated Annealing (ASA) algorithm was developed to enhance the generalization ability of the unsteady ROM. The ROM was verified by predicting the unsteady aerodynamics performance of a highly-loaded compressor cascade. The results show that the RRBF model has higher accuracy in identification of the dimensionless total pressure and dimensionless static pressure of compressor cascade under nonlinear and unsteady conditions, and the model behaves higher stability and computational efficiency. However, for the strong nonlinear characteristics of aerodynamic parameters, the RRBF model presents lower accuracy. Additionally, the RRBF model predicts with a large error in the identification of aerodynamic parameters under linear and unsteady conditions. For ASA-RRBF, by introducing a small-amplitude and high-frequency sinusoidal signal as validation sample, the width of the basis function of the RRBF model is optimized to improve the generalization ability of the ROM under linear unsteady conditions. Besides, this model improves the predicting accuracy of dimensionless static pressure which has strong nonlinear characteristics. The ASA-RRBF model has higher prediction accuracy than RRBF model without significantly increasing the total time consumption. This novel model can predict the linear hysteresis of dimensionless static pressure happened in the harmonic condition, but it cannot accurately predict the beat frequency of dimensionless total pressure.     

基于翼面压力的飞行器气动力感知技术与自由飞验证

飞行器在大迎角飞行状态下其复杂绕流流动会导致非指令运动出现,严重影响了飞行器的操纵性与飞行安全。现有以惯性元件为核心的机载设备无法直接提供非定常气动力参数,而如何实时感知飞行器大迎角状态的非定常气动力/力矩,是抑制非指令运动现象的核心所在,将是未来战机设计中亟待解决的空气动力学和飞行控制的关键问题之一。针对上述问题,提出基于翼面压力信息获取特征截面滚转力矩系数C_lsec,估算飞行器全机在大迎角状态下的非定常气动力矩,进而判断飞行器的滚转运动的设想。风洞和飞行试验研究结果表明：对于80°/48°双三角翼,0.8c特征截面滚转力矩系数C_lsec与模型滚转力矩存在相关性;在飞行器进行大迎角平飞动作时,非指令滚转运动下的滚转力矩系数C_lsec大幅增加;C_lsec能够比惯性传感器提前预测模型的滚转运动趋势,可为飞行器大迎角状态的非指令运动抑制提供一定数据依据。