基于CNN机翼气动系数预测

随着机器学习的快速发展和其突出的非线性映射能力,越来越多的学者将机器学习方法应用到流体力学领域。为克服传统数学拟合不能很好的解决系统非线性问题,以及现有文献中所提及的一些基于神经网络的气动参数预测方法,需要进行参数化处理而带来的不便,同时为实现多变量多输出气动参数快速预测的目的,基于卷积神经网络考虑机翼变迎角和浮沉建立了一种多变量多输出的机翼气动参数预测模型,实现了机翼气动参数的快速预测。结果表明：所建模型具有较高且稳定的预测精度,并且计算效率较计算流体力学(CFD)提高了40倍。     

火星大气模型参数对MSL气动特性的影响

火星大气与地球大气截然不同,飞行器在进入火星时气动特性不同于地球再入. 大气模型的差异主要表现为气体组份、密度和温度等物理参数. 针对火星进入器MSL在进入-下降-着陆过程中的高超声速进入段,利用三维并行程序求解耦合真实气体模型的流体动力学Navier-Stokes方程,分析MSL进入火星大气时大气模型参数对进入器气动特性的影响. 结果表明,通过与海盗号飞行数据的对比,验证了所采用的火星气体模型和计算方法,且其与NASA的 LAURA代码气动特性计算结果也较为一致;大气模型气体性质,即CO₂环境对进入器阻力系数和俯仰力矩系数影响较大,利用空气得到的计算和实验数据必须考虑CO₂效应;密度增大促进了化学非平衡效应,但对进入器气动特性基本没有影响;温度升高大大增强了化学非平衡效应,而对进入器气动特性影响较小.     

基于乘波体的高超音速运载器气动布局设计

采用基于无粘锥形流的反设计方法以Ma=6为设计点设计具有高升阻比的乘波体外形;取基准圆锥激波角为12°,并利用上表面的膨胀降压作用,这一外形优化有效提高了乘波体的升阻特性,在考虑粘性影响的情况下Ma=6时的升阻比可从3.356?3提高到4.598?1;将具有高升低阻效能的乘波体作为机身初步设计单级入轨运载器布局,通过数值模拟的方法进行研究,结果表明布局在大速度范围内的升阻比得到了令人满意的结果,同时具备静稳定性.     

积冰几何特性对翼型性能影响的神经网络预测

积冰几何形状对翼型气动系数的影响是复杂的.采用BP(Back Propagation)神经网络的LM(Levenberg-Marguardt)学习算法,建立明冰的典型几何特性(冰角前缘半径、冰角高度和冰角位置)对翼型气动系数影响的神经网络,得到该3种几何参数对气动系数影响的规律;建立了典型冰形参数对最大升力系数影响的神经网络,该网络能很好的预测冰形参数对应的最大升力系数值;此外,建立了冰型位置对舵面铰链力矩系数影响的神经网络.仿真结果表明,BP神经网络仿真结果与实验值具有高度一致性,并能预测非实验值条件下的气动系数;翼型表面积冰位置变化对气动系数影响最大;铰链力矩系数在失速迎角达到之前就发生突变,可以更安全地用来预测失速的发生.      

基于NACA0030的波纹状翼型气动特性探索

相对于光滑翼型,波纹状翼型的气动特性呈现出一些独特现象。为了深入探索这种布局的气动特点,在前期风洞试验的基础上,以NACA0030翼型为基础,设计了一组具有不同外形特征的波纹状翼型,开展了非定常数值模拟工作,详细研究了低雷诺数（Re=12×104）流动情况下波纹状外形对流场涡流结构和总体气动特性的影响规律。计算结果表明:相对于光滑翼型,波纹状翼型流动的分离流现象更明显,升力和升力线斜率有明显下降,但推迟了失速现象。波纹状翼型表面越光顺,气动特性越接近于光滑翼型。虽然波纹状翼型的压差阻力大于光滑翼型,但是波纹状外形产生的回流可以减小摩擦阻力。      

基于动态逆的BTT导弹自动驾驶仪设计

针对BTT(Bank-To-Turn)导弹的复杂非线性特性和冲压发动机带来的飞行姿态限制,在其自动驾驶仪设计问题上,指出了直接应用动态逆方法存在非最小相位特性,提出了基于动态逆的双阶段设计方法:第一阶段采用动态逆方法设计内环控制器实现攻角、侧滑角和滚转角的跟踪;第二阶段分别基于神经网络和动态逆构造攻角和滚转角速度指令生成器,实现外环对法向加速度、侧滑角和滚转角的良好跟踪效果.六自由度数学仿真验证了该方法的三通道的解耦控制能力和鲁棒性,为BTT导弹自动驾驶仪设计提供了一个可行的方案.      

栅格翼和机身组合体的气动特性计算与分析

给出计算栅格翼和机身组合体亚超音速气动力干扰理论方法.亚音速采用涡格法计算栅格翼气动力,用一个二维偶极子和圆柱映像涡系模拟机身的上洗流场和栅格翼迁移到机身上气动载荷.超音速假定栅格翼处在机身横向流动的上洗流场中,用翼片理论计算机身对栅格翼气动力干扰的修正因子.用本文方法计算了几个栅格翼和机身组合体的气动特性的到了比较满意的结果.      

多向气动驱动器软体仿生舌弯曲状态的研究

以软体仿生舌为研究对象,针对多向驱动器的变形机理,开展了面向软体仿生舌的单/多向驱动器的弯曲特性研究。首先,设计了气动驱动软体仿生舌,其在单/多向驱动器的作用下可实现吐舌、翻舌、卷舌以及斜翻舌等动作;其次,为进一步研究驱动器的变形机理,开展了针对单/多向驱动器的结构及变形工作原理的研究;然后,基于Yeoh模型应变能密度函数,结合力平衡方程,建立了驱动压强和驱动器弯曲变形后曲率半径的非线性数学模型;最后,为验证理论模型的正确性,开展了软体仿生舌的仿真研究及相关实验验证,结果证明了理论模型的正确性。上述研究为其他基于气动驱动的软体结构变形机理的研究提供了理论基础。      

基于RBF网络的导弹滑模动态逆控制律设计

讨论了一种基于径向基函数(RBF,Radial Basic Function)神经网络的导弹滑模动态逆控制律.导弹的基本控制律采用动态逆方法设计,对慢回路设计神经网络滑模控制器以补偿整个控制系统的不确定性.即用RBF神经网络逼近导弹慢模态不确定性的数学模型,并将逼近误差引入到网络权值的调节律以改善系统的动态性能;滑模控制器用于减弱模型不确定性及神经网络的逼近误差对跟踪的影响.所设计的控制器不仅保证了闭环系统的稳定性,而且使模型不确定性及神经网络的逼近误差对跟踪的影响减小到给定的性能指标.最后通过仿真分析,验证了该方法的有效性.      

来流局部干扰对三角翼气动特性的影响

通过在三角翼上游加入干扰圆柱的风洞实验方法,研究了来流干扰对微小型飞行器MAV(Micro Air Vehicle)气动特性的影响.结果表明,在刚性和弹性三角翼顶点上游加入圆柱干扰时,两者均出现缓失速,刚性翼产生缓失速与干扰圆柱尾流关系密切,弹性翼的缓失速不仅与此有关,还与弹性翼的振动有关.无干扰或在机翼顶点加入干扰时,在攻角为4°~18°内弹性翼的升力系数比刚性翼的要大,但升阻比相对要小.由于弹性翼的振动与机翼绕流结构、气动力之间的耦合,弹性翼顶点与翼尖振动的主频随着攻角增大呈规律性的变化,失速攻角附近翼尖的振动主频是其涡脱落频率.      

气动舵机高压反向直动式减压阀的设计及特性

气动舵机在防空导弹的飞行姿态控制系统中是关键部件,直接影响导弹的飞行稳定性及姿态控制能力。弹载高压气体经过减压为气动舵机提供动力,可以减小气源系统所占的空间且尽可能多地携带气体以利于提高导弹射程。针对某型号导弹,设计了一种具有锥形阀瓣的高压反向非平衡直动式减压阀,建立了该类减压阀热力学及静力分析的数学模型,并在此基础上开发了其设计校核软件。建立了基于AMESim软件的稳态及非稳态进口压力下的仿真模型,对其压力、流量特性及阀芯位移特性进行了模拟分析。结果表明:该减压阀在设计参数下具有较好的压力及流量特性,且理论计算结果与仿真分析结果吻合较好。      

基于PCC-LSTM模型的短期负荷预测方法

短期负荷预测是电网合理调度和平稳运行的基础。为提高短期负荷预测精度,提出了一种基于Pearson相关系数(PCC)和长短期记忆(LSTM)神经网络的短期负荷预测方法。该方法运用Pearson相关性分析对原始多维输入变量组成的时间序列进行相关性分析,选取与电力负荷数据相关性较大的影响因素作为输入量,实现原始数据的降维和选优;再通过LSTM神经网络结合Adam优化算法,对与电力负荷相关性较大的影响因素和负荷实际输出序列之间的非线性关系建立网络模型。以嘉捷BOX和重庆丽苑维景国际大酒店的负荷数据作为实际算例,并与Prophet、LSTNet、门控循环(GRU)神经网络模型方法进行对比。结果表明:所提PCC-LSTM模型预测精度均在91%以上,最高可达95.44%,有效提高了负荷预测的精度。      

基于偏差模型的导弹发射动力学仿真

基于偏差模型的导弹发射动力学仿真是根据偏差来源建立相应的偏差模型,将偏差力、力矩与标准状态下的受力叠加得到导弹实际受力,再进行运动状态的求解.这种基于偏差模型的仿真系统既能够单独分析各项干扰因素对发射精度的影响,还能够综合多项干扰进行数值打靶模拟分析.针对某舰载倾斜发射导弹,仿真分析了发射臂振动、推力偏心、导轨不平、舰船运动等干扰因素对初始扰动的影响,并进行了5 000次数值打靶统计分析.在给定的干扰概率分布条件下,命中概率达到93.86%.     

基于模型诊断技术的神经网络实现方法

针对基于模型的故障诊断流程中故障检测和故障识别两个关键问题,提出了一种基于神经网络的实现方法.首先利用BP神经网络进行参数估计,并结合系统模型进行故障检测;然后采用ART2神经网络进行数据聚类,并基于聚类结果进行系统故障识别;最后,设计实现了基于BP/ART2神经网络的故障诊断系统.基于BP神经网络的参数估计方法可以准确地估计诊断对象在不同状态下的参数,为故障检测提供有效依据;基于ART2神经网络的数据聚类不仅可以识别对象的已知故障类型,还可以识别出未知故障,对先验信息较少的系统进行故障识别更具有效性.通过永磁直流电机故障诊断案例的应用,证明方法能具有一定的工程实用性.     

基于BP神经网络的飞行动态实时预测方法

针对传统Back-Propagation网络(简称BP网络)收敛速度慢、网络灵敏度过高和隐含层数难以确定等缺陷,提出一个改进型BP网络,提高了网络预测的实时性和精确性;然后将之应用到飞行动态预测问题上,充分发挥网络模型的学习、记忆和动态自适应性的优势,力图解决飞行器轨迹的描述和预测问题.      

基于多机理竞争退化的导弹贮存可靠性分析

远程转换开关、无线电高度表、雷达角自动装置、陀螺仪和弹上电源是影响导弹长期贮存可靠性的关键部件.明确导弹贮存剖面,通过定期检测得到长期贮存条件下各关键部件的特征电压值,然后采用移动标准偏差方法描述了各特征电压值的贮存稳定性水平,并对其进行退化规律拟合求得各关键部件贮存寿命.提炼出10套导弹产品的各关键部件贮存寿命,通过分布假设检验和分布参数辨识,求得各关键部件的贮存可靠度模型,最后根据导弹产品随机性、分散性、多机理竞争特点,分析导弹产品在悲观和乐观情况下的可靠性结果.本文的研究思路和结论能为长期贮存条件下贮存类产品的贮存可靠性评估、贮存维护方案研究提供技术支撑.     

基于多机理竞争退化的导弹贮存可靠性分析

远程转换开关、无线电高度表、雷达角自动装置、陀螺仪和弹上电源是影响导弹长期贮存可靠性的关键部件.明确导弹贮存剖面,通过定期检测得到长期贮存条件下各关键部件的特征电压值,然后采用移动标准偏差方法描述了各特征电压值的贮存稳定性水平,并对其进行退化规律拟合求得各关键部件贮存寿命.提炼出10套导弹产品的各关键部件贮存寿命,通过分布假设检验和分布参数辨识,求得各关键部件的贮存可靠度模型,最后根据导弹产品随机性、分散性、多机理竞争特点,分析导弹产品在悲观和乐观情况下的可靠性结果.本文的研究思路和结论能为长期贮存条件下贮存类产品的贮存可靠性评估、贮存维护方案研究提供技术支撑.     

基于YOLOv8的卫星遥感图像快速目标检测方法

目标检测相关技术已经广泛应用于空间目标监视、卫星自动寻轨等领域,也是计算机视觉领域最重要和最具有挑战性的研究分支之一,逐渐成为国内外军事领域的应用热点.在现代空天对抗中,通过卫星遥感图像获取近地飞行器目标,借以快速判断敌方部队的有生力量,将使我方部队占据战略优势.针对卫星观测距离过远、遥感图像背景复杂等问题,研究基于一阶段轻量化网络YOLOv8的小样本目标检测算法.通过图像翻转、马赛克数据增强及mixup数据增强等图像增强手段提高了模型的泛化性能;通过多次调整优化函数、降低类别损失增益及降低掩模比等参数调整策略提高了模型的平均精度;通过使用参数预设及加载原优化函数导出的模型提高了模型的运算效率.提出的方法在公开的飞行器数据集进行了验证,验证指标包括查准率-查全率(precision-recall)、平均精度(mAP)和画面每秒传输帧数(FPS).结果表明本文提出的改进型网络模型能满足卫星遥感图像的快速目标检测需要.     

一种适用于火星气动捕获的自适应预测制导算法

火星探测捕获制动需要的速度增量大,制动消耗燃料多,因此针对火星大气密度低、大气不确定性强等问题,提出一种基于解析及自适应预测校正结合的分段式气动捕获制导算法,实现无人钝头体飞行器由双曲线接近段轨道到目标停泊椭圆轨道的轨道转移.考虑到多约束条件,将制导算法分为高度数值预测校正 高度保持 入轨控制3个阶段,其中第三阶段使用基于一阶特征模型的全系自适应预测校正算法.该方法利用施加控制量的时间与最终半长轴改变量的关系形成动态输入变换,以抵消该系统一阶特征模型输入输出间巨大的动态增益.仿真结果表明,该算法即可满足一定的多约束条件,同时能够克服较强的初始条件不确定性和环境不确定性,具有较强的鲁棒性.     

对旋风机转速改变对其气动特性的影响

对旋风机前后级转速比对风机气动特性影响较大,合适的转速比有利于提高对旋风机气动性能。采用数值计算和实验模拟方法研究对旋风机前后两级叶轮转速改变对风机气动特性的影响。首先,通过速度三角形定量分析转速改变对风机功率和内部流动参数的影响。之后,数值计算的结果与实验进行对比,分析基准转速下风机整体性能的变化。最后,通过数值计算结果对风机内部气体的流动进行具体分析,发现在保持进口条件不变的条件下,前后两级叶轮转速改变相同百分比时,第1级转速改变可以更加有效的改变风机的流动参数和性能,综合比较整体性能变化与实际应用确定了最优转速比为1.1∶1,此转速比下传动效率为88.4%时对旋风机效率为75%。