燃气- 蒸汽联合循环性能计算平台界面开发

为实现联合循环机组的快速设计、性能优化及分析,基于热力学定律,采用面向对象及混合编程技术开发了燃气-蒸汽联合循环机组热力性能计算平台。针对燃气-蒸汽联合循环系统流程结构,运用Fortran语言编译了联合循环热力性能计算模块,并借助混合编程技术与C#界面程序实现对接,完成软件界面的编译。提出界面的整体架构及类的实现与继承,构造出窗体类、计算接口类及灵敏度分析接口类,实现了所开发软件的性能计算功能。该软件能快速开展循环方案设计、优化及变工况的性能分析等工作,为机组的设计和优化提供有益指导。     

可重复使用液体火箭发动机寿命问题探讨

可重复使用火箭发动机与一次性发动机的核心区别在于其对发动机的使用寿命提出了更高的要求,面向未来航班化航天运输系统的发展目标,寿命问题愈加重要,亟待突破发动机关键部组件的寿命评估难题。综述了寿命问题的研究进展,分析了推力室、涡轮、管路、密封结构等部组件的失效机理与寿命评估方法,总结并展望了相关研究的重点与方向,为可重复使用液体火箭发动机的研制奠定基础。     

基于粒子群寻优的高精度星敏感器在轨标定方法

星敏感器结构设计与安装过程会产生多种误差,主要误差源有星敏感器像平面主点误差、主距误差、倾斜误差与旋转误差,这些误差影响了星敏感器在轨标定的精度。本文根据星敏感器的误差模型,提出了一种高精度的星敏感器在轨标定方法。在已知含有误差的像平面的基础上,构造一个虚拟的像平面。当粒子群优化算法使含有误差的像点投影到虚拟像平面上的坐标与无误差时像点的坐标一致时,再利用Quest解算出三轴姿态角求得两个像平面之间的姿态矩阵,得出两像平面之间的关系。结果表明：星敏感器姿态确定精度较高且比较稳定。这种方法与传统标定方法的优势在于不依靠陀螺信息,原理简单,提高了数据的准确性。     

直升机动力舱冷却系统冷却孔进气优化设计

对某型民用直升机动力舱冷却系统冷却孔的进气性能开展优化研究,参考飞机辅助动力单元(Applicant power unit,APU)进气系统形式设计了两类收风装置。采用数值仿真手段,对比分析在多个速度的前飞状态和不同爬升率的爬升状态下3处冷却孔的进气性能。结果显示基于Scoop型设计的收风装置在直升机大速度前飞状态收风效果最好,但在小速度前飞状态进气性能没有得到改善。基于Flush型设计的收风装置同样具有改善进气性能的作用,其最显著优点是在所有飞行状态均保证较高的冷却进气量。为后续的优化设计研究工作指明了方向。     

利用低轨道卫星间微波信号探测反演温湿廓线

通过同时测量微波信号的折射和吸收信息,低地球轨道卫星间（LEO-LEO）微波掩星探测技术能够独立反演温度和水汽廓线。通过仿真手段,首先,正演模拟了微波信号穿过大气层后由折射和吸收效应分别导致的相位延迟和振幅衰减,在此基础上,对温度、水汽和云中液态水反演廓线进行了个例分析,然后,统计分析了温度和水汽在不同纬度带的反演性能,以及云对反演精度的影响。结果表明：温度在约35 km以上存在明显正偏差,高纬度的最大,中纬度次之,低纬度最小。水汽反演误差在约4 km以下明显增大,低纬度的最大,中纬度次之,高纬度最小。有云存在时,需要去除云的吸收作用,否则温度和水汽会出现明显的正偏差。上述研究为进一步发展LEO-LEO掩星探测计划提供了理论参考依据。     

重复使用液体火箭发动机用材料及工艺研究进展

系统梳理了国外几种典型的可重复使用液体火箭发动机用材料及工艺情况,着重介绍了氢氧火箭发动机、液氧/煤油火箭发动机、液氧/甲烷发动机等可重复使用液体火箭发动机的推力室、涡轮泵、喷管等关键构件材料选用及成型工艺情况。分析各种液体火箭发动机性能需求及结构特点,探究关键材料及工艺技术发展趋势,对比国内可重复使用液体火箭发动机材料及工艺研究现状,为后续可重复使用液体火箭发动机材料及工艺技术发展方向提供思路。     

基于点云聚类评估的激光雷达鲁棒定位方法CSCD

基于先验地图的激光雷达定位方法在封闭工业场景下得到了广泛应用,然而环境变化、行人和车辆等动态物体的干扰会影响激光雷达与先验地图的匹配精度。提出了一种动态环境下基于点云聚类评估的三维激光雷达鲁棒定位方法:通过设定角度和距离双阈值,对点云深度图像进行分割聚类,相较于传统分割方法,分割结果对点云噪声更为鲁棒;通过对原始点云进行分割聚类,在粗匹配结果下评估聚类的匹配度,剔除误匹配聚类进行二次匹配以提高匹配精度;通过聚类评估的结果判断匹配成功和失败的点对,进而对点云整体匹配结果的正确性进行评估,相较于传统仅基于距离阈值的判断准则,具有更高的准确性;最终,分别通过公开数据集和实际试验验证了该算法的有效性。试验结果表明,相较于传统匹配方法,该方法有效提高了动态场景下的定位精度和匹配结果评估的准确度,定位误差可以维持在10cm以内。     

A generative deep learning framework for airfoil flow field prediction with sparse data

Deep learning has been probed for the airfoil performance prediction in recent years.Compared with the expensive CFD simulations and wind tunnel experiments, deep learning models can be leveraged to somewhat mitigate such expenses with proper means. Nevertheless, effective training of the data-driven models in deep learning severely hinges on the data in diversity and quantity. In this paper, we present a novel data augmented Generative Adversarial Network(GAN), da GAN, for rapid and accurate fl...     

On developing data-driven turbulence model for DG solution of RANS

High-order Discontinuous Galerkin(DG) methods have been receiving more and more attentions in the area of Computational Fluid Dynamics(CFD) because of their high-accuracy property. However, it is still a challenge to obtain converged solution rapidly when solving the Reynolds Averaged Navier–Stokes(RANS) equations since the turbulence models significantly increase the nonlinearity of discretization system. The overall goal of this research is to develop an Artificial Neural Networks(ANNs) model with low complexity acting as an algebraic turbulence model to estimate the turbulence eddy viscosity for RANS. The ANN turbulence model is off-line trained using the training data generated by the widely used Spalart–Allmaras(SA) turbulence model before the Optimal Brain Surgeon(OBS) is employed to determine the relevancy of input features.Using the selected relevant features, a fully connected ANN model is constructed. The performance of the developed ANN model is numerically tested in the framework of DG for RANS, where the‘‘DG+ANN" method provides robust and steady convergence compared to the ‘‘DG+SA" method. The results demonstrate the promising potential to develop a general turbulence model based on artificial intelligence in the future given the training data covering a large rang of flow conditions.     

大涵道比涡扇发动机核心机试验性能评定方法

为了在试验验证阶段准确、全面地剖析涡扇发动机核心机性能，基于核心机多次试验结果，提出在工程中易实现的核心 机性能评定方法。通过试验确定测量参数，介绍核心机性能评定工作流程，论述性能评定关键参数的测量和计算方法。分析部件 流量、效率等参数变化对核心机循环功及油耗的影响，以涡轮为例阐述部件试验与核心机试验差异的原因包含气动构型、工作环 境、测量不确定度、冷气4个维度的因素，论述了通过减少漏气、优化工作线等手段提升部件效率，讨论核心机流量、循环功、耗油 率对整机的支撑作用。核心机与部件偏离的合理范围应参照测量不确定度，超出合理范围的偏离采用了单因素敏感性分析方法 分解到部件层级。结果表明：该方法适用于大涵道比涡扇发动机核心机试验性能评定，对其他构型的核心机也有一定借鉴作用。