高超声速全动翼面全时域耦合分析方法及应用

在流场-结构温度场同步计算方法的基础上,建立了多物理场全时域耦合分析方法,将方法应用于沿轨道运动的高超声速全动翼面热气动弹性稳定性分析。采用基于有限体积模型的CFD同步计算方法求解高超声速流场和结构温度场,建立映射关系实现结构有限元模型气动载荷加载和温度场赋值。采用移动坐标系和动网格相结合的方式描述变速度飞行和翼面偏转过程。通过坐标系变换将翼面偏转过程和振动过程的网格变形量叠加,考虑翼面振动和偏转的耦合非定常效应。针对沿轨道运动的高超声速飞行器,建立了同步计算方法与全时域耦合分析方法相结合的热气动弹性稳定性分析流程。研究发现,与同步计算方法相比,全时域耦合分析方法能够模拟结构振动对流场和结构温度场的影响,计算得到的监测点热流密度波动幅值占热流峰值的10%左右,而温度变化并不明显,相比于刚体模型,监测点温度只下降了0.3%左右。全时域耦合热气动弹性分析方法得到的颤振临界点在4-5号状态点之间,颤振形式为铰链扭转模态与一阶弯曲模态的耦合颤振,与"冻结"模态的热颤振方法结果一致。     

DLR-F6翼身组合体的高阶精度数值模拟

基于雷诺平均Navier-Stokes(RANS)方程和结构网格技术,采用五阶空间离散精度的加权紧致非线性格式(WCNS)和剪切应力输运(SST)两方程湍流模型,开展了DLR-F6翼身组合体的高阶精度数值模拟研究。主要目的是确认WCNS模拟跨声速典型运输机构型的能力。采用粗、中、细3套网格开展了网格收敛性研究,从气动特性、压力分布、表面流态等方面研究了网格密度对DLR-F6翼身组合体气动特性的影响;采用中等网格开展了来流迎角对气动特性的影响研究。通过与试验数据、CFL3D软件和TRIP软件计算结果的对比,表明网格密度主要影响激波位置和压差阻力系数,同时对翼身结合部分离区大小有一定影响;采用高阶精度计算方法显著提高了气动力系数的模拟精度,力矩系数数值模拟结果与试验的差异有待进一步分析。     

基于自适应估计的光电平台目标跟踪方法

在基于图像的目标跟踪系统中,跟踪器延迟对系统的稳定性和跟踪精度产生不利影响.通过对光电平台伺服系统的理想控制指令的分析,给出了一种基于自适应估计的跟踪器延迟补偿方法.该方法采用自适应估计器快速估计目标速度,预测目标位置,同时结合无人机位置和姿态信息预测控制指令实现延迟补偿.仿真结果表明:该方法在目标机动和载机机动情况下能够有效提高光电平台的跟踪精度.     

升力式再入的三维再入走廊与再入界面窗口

针对升力式再入飞行任务设计对地理信息的需求,提出了以“来路走廊”和“去路走廊”为代表的“三维再入走廊”概念,重新定义了“再入界面窗口”概念。其中,“再入界面窗口”解决了“已知着陆点,估计初始再入点的可行地理区间”问题;“三维再入走廊”则系统、直观地揭示了升力式再入飞行器对“临近空间”多重大气层的覆盖能力及其整体变化趋势。求解算法使用高精度积分律的直接配置非线性规划法,配合无奇异的数学模型,可满足全球到达任务的设计需求。基于美国X-33和Advanced Guidance and Control (AGC)项目的测试任务数据,一系列算例检验了“三维再入走廊”与“再入界面窗口”概念的合理性。“三维再入走廊”有助于工程总体设计、军事指挥和商业空天交通指挥人员对类型化的升力式再入任务进行设计和分析;有助于高层决策人士对升力式再入的机动能力进行系统理解和直观把握。     

苜蓿内生菌中高效AHL降解菌的筛选和鉴定

从中国新疆、内蒙古和墨西哥等地分离苜蓿内生菌133株,平板筛选到8株细菌具有N-酰基高丝氨酸内酯(N-Acyl-L-homoserinelactone,AHL)降解活性,其中活性较强的菌株有r-12、r-9和R1.5.对8株AHL降解菌做AHL唯一碳源试验,结果发现菌株S35和N46在液体AHL唯一碳源培养基中生长情况较好,D_(600 nm)分别为0.415和0.386,菌株r-9的生长情况最差,D_(600 nm)为0.015.菌株R1.5还具有耐高温、耐盐碱、能分解无机磷、在无氮培养基上生长等优点.经细菌形态学观察、生理生化试验以及16S rDNA序列分析,初步确定菌株R1.5为1株地衣芽孢杆菌.     

一种实用的Turbo码编译码设计

Turbo码对解决远距离微弱信号处理问题提供了良好的途径,然而其交织器对存储的要求和译码算法的复杂性,提高了其工程实现的难度。本文提出一种实用的方案,采用二次置换多项式（QPP）交织器和线性拟合Log—Map译码算法,减少了计算量,节省了存储空间。同时,通过参量优化设计,提高了纠错性能。仿真实验结果表明,该方案能够满足低信噪比条件下的误码率要求,易于工程实现。     

基于深度学习的飞行器故障情况下可配平能力快速预示方法

针对飞行器在执行机构故障条件下配平能力受限的问题，本文提出了一种基于深度学习的故障情况下可配平能力快速预示方法。首先，建立飞行器气动力矩和执行机构故障模型，并给出飞行器旋转配平条件。其次，在不同执行机构故障情况下，采用基于二次规划的可配平能力求解方法，在迎角/侧滑角二维平面内进行遍历求解，得到当前故障情况下的可配平能力剖面，并采用8个特征点进行包络，同时为所提方法提供样本。再次，利用深度神经网络强大的拟合能力，从样本中提取故障和气动力矩信息作为网络输入，特征点的迎角和侧滑角的值作为网络输出，离线训练深度神经网络。利用训练好的深度神经网络根据当前故障信息实时计算可配平能力剖面。最后，通过仿真验证了所提方法的有效性和实时性。