MF-1飞行试验表面热流辨识

利用物体内部测点温度辨识表面热流,是一典型热传导逆问题。利用一维表面热流辨识方法处理分析MF-1航天模型飞行试验的温度测量数据,获得了表面热流数据。辨识结果结合数值模拟预测结果可以有效地判断边界层流态变化(再层流化、转捩)发生的区域,达到了预期目标。一维辨识方法模型过于简单有其局限性,比如一维方法没有考虑到测温结构与飞行器壳体之间的横向传热,辨识结果中出现了不合理的负热流,精度不足以支持深入定量对比分析。为了克服这一缺陷,提高辨识精度,采用三维传热模型来分析处理温度测量数据、辨识表面热流,由此得到的辨识结果比一维辨识结果更加合理。在三维传热模型的表面热流辨识计算中,还考虑了接触热阻对测温部件表面温度辨识结果的影响,并通过模拟计算给出了他们的影响规律。通过这一系列分析可以看到,飞行试验中测温部件传热较为复杂,而基于精细传热模型的表面热流辨识方法可以有效获得精度较高的辨识结果。同时这也预示了这一方法在航天飞行试验中应用的潜力。     

用灵敏度法辨识热传导系数及热流参数

利用灵敏度法对一维热传导问题中的热传导系数和热流参数进行了辨识。其中,对热传导方程和灵敏度方程的求解采用具有较高精度的有限控制体积法（ＦＣＶ）;对目标函数的优化采用牛顿－拉夫逊（Ｎｅｗｔｏｎ－Ｒａｐｈｓｏｎ）算法。仿真计算的结果表明：用灵敏度法处理热传导参数和热流参数的辨识问题是可行的、有效的。     

高超声速气动热辨识技术实验研究

为估计高超声速飞行中的气动热流,采用热流辨识技术研究了平板表面的气动热流。首先采用仿真数据对辨识方法进行验证,结果表明,在测量噪声较低时热流辨识结果误差较小。此后,开展了平板的高超声速气动热风洞实验,通过内埋热电偶测量平板内部温度,采用热流辨识法获得平板表面的气动热流,采用辅助测点对比验证了内埋测点辨识结果的可信度。最后将辨识结果与平板边界层热流理论估算结果进行对比,分析了两者产生误差的原因。本文的研究为热流辨识技术的实际应用奠定了基础。     

非稳态表面热流反演算法研究

表面热流的反演是一类典型的热传导逆问题。在采用有限体积法数值求解三维非稳态热传导问题的基础上,将该热传导逆问题转化为优化问题,建立了顺序函数法和共轭梯度法这两类反演算法。采用这两类算法对一个典型算例的计算结果表明:建立的两类反演算法都是有效的,具有较好的抗噪性能。顺序函数法的优势在于算法的推导和实现较为简便,但算法中存在人为确定的参数r,该参数的选取对反演结果有较大影响。共轭梯度法的算法中没有自由参数,但算法的推导和实现都较为复杂,其反演结果的精度和顺序函数法的反演结果精度基本相当。     

非线性热传导逆问题的表面热流辨识方法

当材料的热物性参数随温度变化时,其内部的热传导方程是一非线性偏微分方程,对应的热传导逆问题称为非线性热传导逆问题。本文建立了非线性热传导逆问题的两种表面热流辨识方法:顺序函数法和共轭梯度法,介绍了这两种辨识方法的基本思想和具体算法推导,并针对典型算例进行了仿真辨识,结果表明:两种辨识方法虽然在算法构造、计算效率方面存在一定的差异,但都能给出较好的辨识结果,并且算法受测量噪声的影响较小,具有较好的鲁棒性。     

表面热流辨识技术在边界层转捩位置测量中的应用初步研究

目前工程飞行试验中主要采用近壁热电偶测温法来确定飞行器表面流动的边界层转捩位置,由于测点离表面较近,对温度传感器量程和结构强度有较高要求。为此,提出了基于表面热流辨识技术确定转捩位置的基本思想和处理方法,测点可以距离表面相对较远。但是,当测点越远离受热面,辨识问题的不适定性会越强,因此需要采用仿真辨识方法来对传感器安装位置进行合理选取。在给出二维传热模型表面热流辨识算法的基础上,对两个算例进行了仿真辨识分析。结果表明：基于表面热流辨识技术确定转捩位置是可行的,能给出较为准确的转捩区域判断。     

考虑烧蚀情况下的表面热流辨识

针对烧蚀传热问题,在热解面模型的基础上通过伴随方程推导建立了基于测点温度辨识表面热流的方法,并进行了算例考核。结果表明:热流辨识结果与真值符合较好,辨识结果与真值之间的偏差随测量误差的增加而增加;烧蚀后退量测量结果的误差对辨识结果有较为显著的影响。然后,将该辨识方法用于钝头型碳酚醛材料Narmco4028试件在陶瓷加热风洞中的烧蚀试验结果分析,结果表明辨识出的表面热流与加热功率基本符合,辨识方法是有效的,在工程实际中有较好的应用前景。     

基于内嵌物理机理神经网络的热传导方程的正问题及逆问题求解

建立了一种基于内嵌物理机理神经网络(PINN)的热传导方程的正问题及逆问题求解方法.该方法利用自动微分技术将一维热传导方程嵌入到深度网络的损失函数中,通过以损失函数最小为目标来优化深度网络,求解一维热传导方程以及对方程中的未知导热系数进行辨识.随后,分析了基于PINN求解正问题的收敛精度以及参数辨识的鲁棒性,并得出以下结论:在给定网络结构的情况下,基于PINN求解一维热传导方程的收敛误差在样本点数较少时主要由采样误差主导,而当样本点数较多时,收敛误差由优化误差主导;由于损失函数中包含了方程相关的正则化项,以及采用了自动微分技术,因此,基于PINN的参数辨识方法噪声标签数据具有较强的鲁棒性.     

基于物理信息神经网络的飞机气动参数辨识方法

在飞机设计与研制过程中，通过气动参数辨识建立可靠的飞行动力学模型非常重要。传统的气动参数辨识工程算法，诸如极大似然法，需要给出合理的飞行动力学模型以及待辨识参数的初值。基于传统神经网络的气动参数辨识可以避免飞行动力学建模过程，这种方法需要通过增量法、导数法间接地从神经网络提取气动参数。本文提出了一种基于物理信息神经网络的飞机气动参数辨识方法，可将含待辨识参数的飞行动力学模型作为正则项加入损失函数，直接辨识得到气动参数。该方法可以显著减少建模数据需求，也能提高建模精度。飞行仿真数据验证结果表明，该方法的无噪声、含2%噪声仿真数据，纵向飞行状态空间模型辨识最大相对误差分别为1.80%、4.64%，表明了基于物理信息神经网络的飞机气动参数辨识方法具有可行性，并对含噪声的飞行数据具有泛化性。     

表面热流辨识结果的误差分析与估计

对于工程上的表面热流辨识问题,通常希望能够根据测量精度对辨识结果误差进行快速估计,用以优化测试方案。本文首先对给定单一频率的热流辨识误差进行定量分析,建立了辨识误差与热流频率和测量精度之间的响应面模型。然后对多个给定频率组合情况下的辨识误差规律进行分析,结果显示,频率组合热流中的低频分量能在辨识结果得到较好地复现,高频分量是导致辨识结果出现误差的主要原因。因此,辨识结果精度可以通过最高频率热流分量的辨识误差与测量精度之间的对应关系来进行大致估计。基于这一认识,本文利用时域不同频率组合的热流分量在频域可解耦的性质,通过Parseval定理得出高频分量的能量占比,建立了频率组合热流的辨识误差估计方法,并通过算例进行了验证。     

基于轴对称比拟的高超声速飞行器表面热环境数值与工程耦合算法研究

基于轴对称比拟概念,发展了一套笛卡尔坐标系下的高超声速飞行器气动热环境计算方法。首先利用有限体积法数值求解Euler方程获得较为准确的边界层外缘无粘流场参数,然后基于有限元的四节点单元变换方法,直接利用笛卡尔坐标系下的三维速度分量计算无粘表面流线和尺度因子;在获取无粘表面流线和尺度因子的基础上,利用Zoby、Moss和Sutton提出的热流公式计算表面热流,从而实现数值算法和工程算法的耦合。将上述方法用于求解球锥在攻角分别为0°、8°和16°时的表面热流,并将计算结果同经典流线法结果及实验值进行比较,从而对方法进行考核验证。结果显示:本文计算结果与实验值吻合的较好,计算精度较经典流线法有较大提高。     

凹坑局部干扰热环境数值模拟研究

通过求解雷诺平均N-S方程,采用NND格式和SST两方程湍流模型,对开/闭式凹坑二维和三维流动情况进行了模拟,得到了凹坑局部压力和热流的分布,并与试验结果进行了比较。计算结果表明,凹坑局部峰值压力和热流均出现在后沿附近,且闭式凹坑局部热流较开式凹坑更为严重;在三维流动情况下,由于侧壁的影响,开式凹坑峰值热流沿后沿展向变化较小,而闭式凹坑峰值热流会离开后沿中心而出现在后沿靠近侧壁的区域。     

基于改进PSO-SVM参数优化的发动机起动过程辨识

针对影响支持向量机辨识性能的核函数及相关参数,找出使辨识结果最佳的核函数;结合两种措施改进粒子群算法,优化相关参数,选择最佳的参数组合.对比 BP 神经网络和支持向量机对发动机起动过程的辨识结果,得到支持向量机的辨识精度和收敛时间优于 BP 神经网络,与起动数据基本一致.在训练样本存在噪声的情况下,验证了所建辨识模型具...     

吸气式飞行器进气道唇口三维激波/激波干扰

对吸气式飞行器进气道唇口处三维曲面激波/弓形激波干扰流场进行数值模拟,利用典型三维气动干扰试验对采用的数值计算方法进行验证。利用拼接网格技术及逆距离加权插值方法获得入口处流场的非守恒变量,作为激波干扰研究的入口边界条件。数值模拟表明,唇口处激波干扰流动的三维效应十分显著,曲面激波与弓形激波产生斜交,尽管唇口前缘半径很小,但Edney提出的6类激波干扰类型可能沿唇口展向方向同时存在;第Ⅲ和Ⅳ类激波/激波干扰的诱导使得唇口热流分布异常严酷;激波相交处形成斜向“伤疤”状局部高热流条带,峰值热流达到参考热流的4~6倍,可能引起唇口结构的局部烧蚀或破坏。      

基于径向基神经网络的气动热预测代理模型

为快速获取高超声速飞行器表面热流数据并缩短飞行器气动热设计周期,提出了一种基于径向基神经网络的气动热快速预测代理模型方法。首先,在飞行器表面每一个离散化的网格节点单独构造一种正则化的径向基神经网络。随后,通过训练集对所有网络同时进行训练,获得各自网络的连接权值。最后,所有网格节点的神经网络协同预测飞行器表面不同位置的热流。对NASA火星实验室的椭圆钝化高超声速飞行器的应用表明,所提出的代理模型方法在模型训练完成后能够快速进行飞行器表面热流预测,并且模型具有良好的泛化能力,在驻点及迎风大面积区域热流预测结果与数值模拟的偏差在10%以内。     

基于小波神经网络辨识的PID神经MRAC研究

提出了一种基于小波神经网络辨识的PID神经网络模型参考自适应控制方法。该方法采用小波神经网络作为辨识器,PID神经网络作为控制器在线调节。由于小波变换具有良好的时频局部特性,神经网络具有强大的非线性映射能力,自学习、自适应等优势,采用规范正交的小波函数作为神经网络的基函数构成小波神经网络,该网络兼有小波函数的紧支性、波动性以及神经网络的非线性映射能力,自学习、自适应能力等优点,仿真结果表明用该方法构成的控制系统收敛速度快,逼近精度高,鲁棒性好,优于一般的BP网络控制。     

增强神经网络辨识模型泛化能力的研究

神经网络(Artificial Neural Network,ANN)辨识模型的泛化能力是其最主要的性能之一,增强ANN模型的泛化能力也是近年来国内外有关专家学者研究的重点问题。大量研究表明,ANN模型泛化能力的改善与很多因素相关联,其中恰当的性能指标函数设计是一个重要影响因素。文中在分析常见的基于均方误差最小原则的性能指标函数基础上,通过加入ANN辨识模型权值间的延迟信息,进而获得一种改进型性能指标函数。通过仿真,验证了所设计的改进型性能指标函数对增强ANN辨识模型的泛化能力是有效的。     

电液负载模拟器的神经网络参数辨识

基于神经网络,提出一种根据参数上下界辨识系统参数的新方法。在建立电液负载模拟器模型的基础上,在待辨识参数的上下界内,使用神经网络对动态系统的参数进行辨识,找到一组参数使之满足对实际系统的最佳逼近,使系统在实际输入信号下能更好地复现实际系统的实际输出。并使用另一组实验数据检验辨识结果对实际系统的任意实际输入输出采样数据组的逼近程度。验证结果表明该辨识结果能很精确地逼近实际系统。该方法可用于一般复杂系统的实际参数辨识。     

表面热流可辨识性初步分析

表面热流的可辨识性分析可用于飞行器防热层内温度测量精度和测温点位置的确定,在工程上有较强的实用意义。从无量纲分析和仿真辨识出发,根据防热层材料热物性系数、测点位置、表面热流的频域特性等参数对表面热流辨识结果的影响规律,总结出了表面热流辨识问题的相似参数：基于表面热流频率参数的傅立叶数。此后,以这一傅立叶数为判据,针对不同测量误差值的情况初步建立起了表面热流可辨识性的准则和分析方法。     

飞机短周期运动参数的神经网络辨识

本文提出了一种用馈神经网络辨识飞机短周期运动参数的新方法。该方法的特点是不需要预先假定模型，只需要用获得的飞行数据训练一前馈馈神经网络，就可以用这个网络直接辨识参数的值。模拟飞行数据的仿真结果证明所提出的方法是有效的并且具有较好的鲁棒性。