飞机大迎角非定常气动力建模研究进展

准确建立非定常气动力数学模型,是飞机大迎角飞行控制律设计、飞行动力学分析和飞行仿真的基础与前提。鉴于此,对大迎角非定常气动力建模研究进展,包括数学建模方法和人工智能建模方法两类进行了系统综述。其中：数学类建模方法是以对非定常流动现象和机理认识为基础的,主要有气动导数模型、非线性阶跃响应模型、状态空间模型、微分方程模型、非线性阶跃响应与状态空间混合模型以及迎角速率模型等;人工智能方法回避了复杂流动机理,属于黑箱非线性系统建模,主要有神经网络模型、模糊逻辑模型和支持向量机模型等。对于每种气动力模型,阐述了其建模思路和方法,给出了典型应用情况,并对其特点和局限性作了简要评述。最后,指出了当前大迎角非定常气动力建模研究工作存在的问题和未来研究方向。     

网电空间数据链的认知抗干扰技术

为了增强复杂电磁环境中网电空间数据链的抗干扰能力,提出了基于发送-感知-接收（T-S-R）工作模式的同时收发认知抗干扰（SCAJ）技术,通过在感知/接收周期内动态分配感知、接收时隙而实现实时抗干扰。针对所提同时收发抗干扰策略,研究了基于能量检测的干扰感知性能,推导出衰落信道下干扰检测概率的闭式表达,并分析了同时收发认知抗干扰系统容量。仿真结果表明,提出的同时收发认知抗干扰技术提升了网电空间数据链的干扰感知能力,且在自干扰较低时能够提高网电空间数据链系统容量。     

多无人机协同覆盖路径规划

多无人机协同覆盖路径规划(CPP)由于其并行性和容错能力,对于提高无人机完成侦察、监视、搜索等任务的效率具有重要意义。提出了一种基于无人机任务性能评价和任务区域划分的多无人机协同CPP算法。定量分析了无人机执行覆盖任务的能力,根据无人机及携带成像传感器的性能给出了计算无人机任务性能指数的数学公式;提出了一种基于任务性能和子区域宽度的任务区域划分算法,使无人机的总转弯次数达到最少。仿真结果表明,所提出的CPP算法能够规划出全局最优的多无人机协同覆盖路径。     

基于自适应本征正交分解的涡轮级多学科设计优化

为了提高涡轮级多学科设计优化的优化效率,基于本征正交分解(Proper Orthogonal Decomposition,POD)技术,并结合快照样本自适应更新方法,提出了一种综合的涡轮级多学科优化系统。首先,通过进行POD分析,仅保留占优势的基函数,并以POD系数作为新的设计变量,设计变量个数由60个缩减为5个,提高了优化效率。然后,基于自适应进化规则,优化过程中对快照样本进行不断的进化和修正,从而提高POD精度。最后将该方法与涡轮多学科优化流程相结合,建立了一种高效率、高精度的优化策略。某涡轮优化的结果表明:该优化策略适于设计变量较多的复杂优化问题,且具有良好的收敛性,优化后设计点等熵效率提高了3.5%。     

飞机全动平尾颤振特性风洞试验

高机动飞机全动平尾颤振设计的重要手段就是颤振模型风洞试验。针对一个飞机的全动平尾,采用了单独平尾和中央固支的后机身-平尾组合体两种方案的低速颤振风洞试验,研究平尾的基本颤振耦合机理以及后机身垂尾气动力干扰的影响。然后采用半模跨声速颤振风洞试验研究马赫数对颤振特性的影响和机翼干扰对平尾颤振边界的影响。介绍了低、高速颤振模型的设计和风洞试验的结果,并综合形成了完整的平尾颤振特性规律,尤其在跨声速颤振风洞试验中,使用不同超重系数的颤振模型,研究了质量参数对颤振边界的影响规律。风洞试验结果显示,全动平尾颤振特性研究必须考虑后机身的弹性支持,并且需要使用不同的模型方案考虑机身、机翼和垂尾的气动力干扰,跨声速风洞模型需要考虑超重系数的影响。该研究获得了全动平尾颤振特性的一般规律,可作为相关飞行器设计的参考。     

三维中空夹芯复合材料拉伸性能的有限元分析

利用有限元软件Workbench,建立了三维中空夹芯复合材料结构模型,进行拉伸性能研究。利用该模型,探讨了材料在1 mm拉伸位移载荷作用下纤维、树脂和复合材料的应力、应变分布。结果表明:三维中空夹芯复合材料在拉伸载荷作用下,"X"形芯材交叉处应力最大,最容易发生拉伸破坏;上下面板应力最小,最不容易发生拉伸破坏;复合材料在承受拉伸载荷作用时,增强体纤维起主要承载作用,基体树脂起次要作用;当拉伸位移载荷达到1 mm时,材料的破坏模式主要为树脂破裂。     

机器学习方法在气动特性建模中的应用

气动数据建模是飞行性能仿真评估的基础。气动特性建模主要有机理建模方法和“黑箱”建模方法。本文对“黑箱”建模的三类机器学习方法——分类与回归树方法、浅层学习方法和深度学习方法,进行了算法说明与分析应用。将分类与回归树方法、浅层学习方法中的Kriging建模方法、RBF神经网络方法及SVM支持向量机方法分别应用于火箭气动特性建模、三角翼大迎角非定常气动特性建模、气动热试验数据融合,对这几类建模方法的优势和不足进行了比较分析。同时,将流动条件参数组成向量,再映射为图像,与翼型图像构成“合成图像”,建立了基于翼型几何图像、来流马赫数、迎角的翼型气动特性深度神经网络模型,得到了比较好的预测效果,拓展了气动特性深度学习建模方法的使用范围。     

基于核主成分分析的涡轮盘结构设计优化

为解决轮盘形状优化过程中变量多且高度非线性的问题,建立了基于核主成分分析(Ker?nelized Principal Component Analysis,KPCA)技术的航空发动机轮盘优化方法.利用控制点形式的非均匀有理B样条(NURBS)曲线构造涡轮盘截面形状,以控制点的坐标作为设计变量;利用实验设计(DOE)进行...     

改进多元宇宙算法在航空发动机不暖机模型修正中的应用

航空发动机不暖机会产生性能损失,此时原有发动机模型已经不能准确表达发动机性能,因此,需要利用模型修正技术对原有的发动机模型进行修正,以获得发动机不暖机情况下的数学模型.提出了一种改进多元宇宙优化算法(Multi-verse optimization,MVO),并将其应用于发动机不暖机模型的修正研究.在常规MVO算法基础...     

基于时频域转换及雨流法的电子设备随机振动概率疲劳损伤预测

针对电子设备随机振动疲劳损伤存在高度的不确定性问题,提出了一种基于频时域转换及雨流法的概率疲劳损伤预测方法,用于预测某航空电子设备在特定随机振动载荷条件下的疲劳损伤分布。通过采用“等效单元谱”近似计算,本文提出的方法能够在短时间内给出电子设备的损伤概率分布,且计算得到的疲劳寿命均值与试验结果吻合较好。因此在开展复杂功率谱密度（Power spectral density, PSD）载荷谱作用下的随机振动疲劳损伤计算时,具有计算效率高、工程适应性强等优势。