星点坐标辅助的全天区三角形星图识别算法

随着当前星敏感器视场（FOV）的增大,探测能力的提高,一帧图中拍摄到的恒星更多。但是受星敏感器光谱范围的限制及空间环境干扰影响,星等测试精度一般不高于0.2 mV。为了充分发挥当前星敏感器视场和探测能力的优势,并避免星等误差的影响,提高全天区星图识别算法在线应用的适用性,提出了一种星点坐标辅助的全天区三角形星图识别算法。该方法采用"全局初步搜索识别—局部精细匹配验证—最优结果选取"的算法思想。首先,根据星敏感器探测到的极限星等范围构建导航星表,选取亮星构建角距星表,既确保了星表的完备性,又有利于充分利用星敏感器的探测能力。然后,在三角形约束条件下进行角距匹配识别,得到一个或多个导航三角形,在该识别环节提出了非线性矢量法查找星表,既提高了定位精度,又能采用单精度数据类型降低存储空间。最后,提出局部天区星点坐标匹配算法进一步消除冗余匹配,同时又识别出视场内更多的观测星,有利于提高识别率和定姿精度。试验结果表明,与其他一些经典的星图识别算法相比,所提算法在识别率和星表容量方面更有优势。识别率可达99.9%,且随着星等的增加,存储容量增加的最少。所提算法更加适于大视场、高星等敏感范围的星敏感器在线应用。     

固化工艺参数对聚酰亚胺复合材料性能影响

采用热压罐成型工艺制备了MT300/902聚酰亚胺复合材料,测试了加压温度、加压大小和固化温度下复合材料的力学性能,分析了不同固化工艺参数对复合材料力学性能的影响规律。结果表明:MT300/902聚酰亚胺复合材料固化时的最佳加压时机为240～260℃、加压不小于1.2 MPa、固化温度在310～330℃为最佳。按照最优的成型工艺参数制备的复合材料构件质量高,缺陷能够控制在2%以下,力学性能进一步提高。     

翼身融合运输机分布式电推进系统设计及油耗评估

针对翼身融合运输机开展了分布式电推进系统的总体设计与油耗评估。通过数值计算完成了70t载质量翼身融合飞机的气动设计与优化。在巡航马赫数为0.80和10km高度的设计点,最大升阻比达到了24。通过求解积分边界层方程组,完成了电推进系统的总体设计。电推进系统包含10个推进风扇,风扇直径为1.45m,压比为1.35,巡航功率为2.94MW。建立了考虑燃烧过程的发动机一维性能模型,对发动机油耗进行了评估,获得了不同发动机循环参数下燃油消耗。建模结果表明,基于翼身融合布局和分布式电推进技术,可使运输机的油耗较C-17节省近50%。      

航空发动机燃烧室试验通用测试系统设计与应用

为了规范使用航空发动机燃烧试验测试系统和试验数据计算方法,提出了1种新的测试系统结构。该系统统一了试验数据输出格式,方便了试验数据入库管理,降低了软件使用维护成本并提高试验质量和效率。建立了基于组态王OPC(用于过程控制OLE)的通用燃烧室试验测试系统,其中的采集与试验系统分别采用VC和VB语言开发。本系统已成功应用于不同燃烧室试验器测试系统的搭建并完成多项试验任务,缩短了测试系统的开发周期,降低了测试系统的维护成本,提高了燃烧室试验的质量和效率。     

基于嵌套网格的CHN-T1标模数值模拟

为响应第一届航空CFD可信度研讨会(AeCW-1),对CHN-T1标模翼身-尾翼组合体构型采用两种RANS求解器进行了基于结构化嵌套网格的网格收敛性研究和抖振特性计算,并与对接网格结果进行了对比分析。参考AeCW-1网格生成指南自主研发了一族以约3.3倍规模增长的稀-中等-密-特密嵌套网格系列。相比于分区点对接网格,融合了贴体网格和笛卡尔网格优势的嵌套网格从根本上降低了网格生成难度,单块网格拓扑形式更为合理且正交性较好,同时能够有效地平衡近场和远场的网格量。对于跨音速运输机构型,同等规模下嵌套网格的物面网格密度较对接网格更大,能够对激波和分离等复杂流动进行更理想的预测。对比计算过程中,自研求解器OFS3D表现出了较高的嵌套网格计算效率和可靠性,而NASA CFL3D求解器的嵌套网格计算能力有待进一步挖掘和验证。计算还发现,不同湍流模型得到的表面压力分布、分离区大小以及最大升力系数存在差别,而风洞模型支撑和机翼静气弹变形对飞行器力矩特性预测影响较大。     

基于深度神经网络的粒子图像测速算法

粒子图像测速(PIV)作为一种流体力学实验技术,能够从流体图像中获取全局、定量的速度场信息。随着人工智能技术的发展,设计用于粒子图像测速的深度学习技术具有广泛的应用前景和研究价值。借鉴在计算机视觉领域用于运动估计的光流神经网络,采用人工合成的粒子图像数据集进行监督学习训练,从而获得适用于流体运动估计的深度神经网络模型,并且能够高效地提供单像素级别分辨率的速度场。文中采用人工合成的湍流流场粒子图像进行初步实验评估,并讨论PIV神经网络的隐藏层输出和内在原理,同时将训练而成的深度神经网络模型与传统的相关分析法、光流法对比;随后进行射流流场测速实验,验证深度神经网络PIV的实用性。实验结果表明,文中提出的基于深度神经网络的粒子图像测速在精度、分辨率、计算效率上具有优势。     

飞行仿真气动力数据机器学习建模方法

基于机器学习思想,提出了一种大空域、宽速域的气动力建模方法。该方法利用飞行仿真弹道数据辨识的气动力数据,采用人工神经网络技术,实现了对高度、速度、姿态和舵偏角等多维度强非线性特性的全弹道气动力数据的高精度逼近。首先,分析了神经网络层数、隐含层神经元个数等对建模误差的影响,通过对典型弹道气动数据的神经网络建模计算,确定了较合适的神经网络层数和较优的隐层神经元个数。进而,利用飞行仿真的弹道数据辨识出沿弹道的气动力,采用神经网络建立了包含多个弹道融合的气动力模型,输出量分别为三轴气动力系数和力矩系数。最后通过气动模型输出量与原样本数据的对比,以及4条未参与训练弹道气动数据的预测,验证了该气动力建模方法具有较高的精度。建模结果表明:采用神经网络方法建立的飞行器气动力模型,对拟合多源耦合输入全弹道非线性气动力是可行的和有效的,在样本覆盖的高度、速度、姿态和控制舵偏角范围内,气动力拟合能力较强,并具有一定的外推性。该项研究可以为基于飞行试验数据的气动建模提供新的方法,并且能为飞行器气动力数据挖掘、飞行仿真和总体性能分析提供参考。     

CFD软件自动化验证确认云平台设计与实现

针对大型计算流体力学(CFD)软件的验证与确认,为了减少人工成本,提高软件质量和开发效率,并适应于未来高性能计算发展的要求,基于云计算思想,提出了自动化测试云平台的解决方案。该方案采用模块化的浏览器/服务器(B/S)网络架构;利用LAMP(Linux+Apache+MySQL+PHP/Python)开发工具;建立了持续集成的专业数据库;构建了涵盖可靠集群监控、复杂作业调度及大规模并行计算功能的云端环境;实现了通过便捷的网络访问,自动加载测试算例、提交集群计算、监测实时进度、自动化后处理、输出分析结果,并提供丰富的实验对比图、误差分析报表和汇总报告等;完成了对大型CFD软件的自动化验证与确认。将该方案应用于某大规模并行计算的CFD软件,验证了该解决方案的可行性与实用性。     

基于SIFT算法的含碳颗粒凝胶推进剂雾化场速度分析

雾化是凝胶推进技术的关键问题之一,雾化过程中的液膜、液丝及液滴等的速度分布、液膜厚度等参数对于判断雾化效果、揭示雾化机理具有重要作用。为了对含碳颗粒凝胶推进剂雾化场的速度进行定量分析,提出了一种基于SIFT关键点匹配的雾化场速度计算方法,并以雾化场速度分析为基础,提出了一种新的液膜厚度估算方法。结果表明:雾化场速度随射流速度的增大而增大,随撞击角度的增大而减小;雾化场平均速度与射流速度的比值vato/vjet在0.6~0.9,可用于表征雾化效果,vato/vjet越小,雾化效果越好;射流撞击形成液膜的厚度在0.04~0.13mm,液膜厚度随着射流速度及撞击角度的增大而减小;凝胶推进剂的雾化效果随着碳颗粒浓度的增大而降低,随着碳颗粒粒径的增大而略有改善。     

超声电机温度-转速特性及补偿方法研究

针对超声电机转速随温度升高而明显降低的问题,基于电机等效电路模型,分析了电机温升对LC谐振电路电压增益和压电陶瓷片机械谐振点的影响。通过实验数据拟合计算,提出了一种针对温度变化对控制信号频率进行补偿的方法,并通过实验验证了该温补算法的有效性。