航空发动机性能监控系统设计与实现

本文针对某航空单位业务需求分析,利用面向对象技术建立了发动机性能监控模型,提出了一种基于.NET平台的航空发动机性能监控系统(AeroEngine Performance Monitor System,EPMS)框架,采用VS 2010编程环境开发。系统规范了性能监控流程,提升了监控效率、维修信息利用率以及性能评估的准确度。     

面向木星卫星交会任务的探测器飞行路径规划

针对探测器在木星系统内多次借力的飞行路径和轨道优化设计问题,提出了一种基于三层优化思想的飞行路径规划方法,该方法可根据给定的任务约束和交会目标,自动搜索探测器在木星系统内的借力飞行序列,同时完成标称飞行轨道的优化设计。首先,文章在给定轨道动力学模型和木卫借力模型基础上,建立了面向木卫交会任务的两次借力飞行轨道优化设计模型和求解方法;然后,采用结合遗传算法、全局遍历和贪婪算法的三层优化设计思路,给出了一种环木飞行路径规划方法;最后,以木星四颗卫星的交会任务为例进行了仿真分析。仿真结果表明：针对木卫的交会任务,探测器速度增量需求随木卫借力次数的增多,呈现先显著减小后逐渐增大的现象;探测器采用多次木卫借力的策略,可显著降低探测器的速度增量需求;探测器速度增量达到最优之后,借力目标收敛于交会目标,且速度增量随借力次数的进一步增多而逐渐增大。     

空空导弹反强机动目标时间约束滑模制导律

针对空空导弹期望时间拦截强机动目标问题，提出了一种不依赖剩余时间估计的新型攻击时间约束滑模制导律。设计了一种以弹目距离和攻击时间误差加权求和的滑模面，通过分析制导收敛条件，推导得到自适应非奇异权重函数，通过引入有限时间收敛条件，得到了一种有限时间收敛滑模制导律。该制导律在不依赖剩余时间估计条件下保证了终端打击精度和攻击时间约束。通过设计包含滑模变量的附加制导项，显著提升了攻击时间的收敛精度。针对未知加速度机动目标，分析并证明了该制导律对于拦截强机动目标具有良好的适用性。最后通过数学仿真验证了所提出的制导律在不同约束条件下的有效性，并通过对比仿真验证了算法的优越性。     

温度垂直递减率对飞机尾涡影响的数值模拟

为了更深入精确地研究航空器尾涡演变规律，保障航空器安全运行，本文采用数值模拟方法对不同温度垂直递减率下A330-300飞机尾流的耗散规律进行了研究。数值模拟选择SST (Shear stress transport) k-ω湍流模型，通过构建5种不同温度垂直递减率下的温度场，并在温度场内编译A330-300飞机尾流场实现不同温度垂直递减率下的演化。通过数值模拟结果与雷达探测数据的对比验证了数值模拟方法可靠性。计算结果表明，一般湍流强度下，不同的温度垂直递减率主要作用于尾涡衰减阶段，通过改变尾涡内外温度影响尾涡演化。温度垂直递减率越小，尾涡衰减区环量减小得越快；温度垂直递减率越大，尾涡下沉的速率越大，快速耗散后的涡核间距越大。     

大温差下印刷电路板式换热器起动过程建模与实验

针对大温差下的印刷电路板式换热器(PCHE)的起动过程，提出了一种一维瞬态换热计算模型，该模型考虑了印刷电路板式换热器固体结构的内部导热过程，可计算起动过程中换热介质和印刷电路板式换热器的温度响应。同时以N₂为换热介质，开展了印刷电路板式换热器的瞬态换热实验，N₂的最高、最低温度分别为450、103 K，将模型计算结果与实验结果进行对比，冷侧N₂出口温度的模型计算值与实验值之间的平均误差为11.3 K，实验结束时热、冷侧换热量的计算偏差均在7%以内，该结果证明了所提出的计算模型的有效性。在上述计算模型的基础上，对起动过程中印刷电路板式换热器工作参数的空间分布和时域变化特征进行了计算和分析，结果表明换热器的外侧盖板与固体核心区之间的传热过程非常重要，在进行大温差下的瞬态换热过程计算时不应被轻易忽略，同时增大两侧换热介质的流量和减小换热器外侧盖板的厚度是缩短印刷电路板式换热器起动过程响应时间的有效方法，且在一定的流量比范围内，两侧换热介质入口雷诺数之积是影响响应时间的重要因素。     

CFRP层合板雷击烧蚀损伤模拟的电流加载方式分析

通过改进加载方式减小数值模拟与试验结果误差对于提高仿真准确性具有一定意义。本文探究复合材料层合板在不同形式雷击电流下的烧蚀损伤特性，改进Braginskii 电弧半径扩展公式，建立适用于雷击过程的电弧扩展半径数值模型；基于ABAQUS 建立CFRP 层合板有限元模型，分析不同电流加载方式下的烧蚀损伤情况。结果表明：建立的有限元模型能够模拟CFRP 层合板雷击烧蚀损伤；扩展移动加载造成的损伤面积、损伤深度和损伤体积与试验结果对比误差均约为7%，较其他加载方式仿真结果与试验结果对比具有良好的一致性，模拟复合材料雷击烧蚀损伤时应同时考虑电流扩展和移动的影响。     

基于物理信息神经网络的气动数据融合方法

为了解决训练传统深度神经网络对大数据的依赖问题，气动数据中包含的物理结构信息需要被充分利用。物理信息神经网络（physics-informed neural network, PINN）是一种非监督的学习算法，采用深度神经网络直接逼近流场偏微分方程的解，因此适用于气动数据的建模。然而训练PINN时，损失函数反映的是抽样点处神经网络所拟合的偏微分方程值的偏差，对于复杂的非线性偏微分方程，这一偏差不能准确反映神经网络所拟合的函数与微分方程解函数的偏差，而且用神经网络拟合初始条件和边界条件时，不可避免存在拟合误差，误差随空间和时间累计，这使PINN的建模精度相比传统的模型没有优势。为了解决这些问题，本文把PINN与流场的计算流体动力学（Computational Fluid Dynamics, CFD）仿真结果进行融合，在流场抽样点处的损失函数中增加了PINN在该点的输出与流场在该点的CFD值偏差，从而提高了神经网络的建模精度。根据CFD仿真时使用的模型，融合方式采用瞬时模式或时均模式。测试结果表明该方法能够有效提高PINN的建模精度。