高超声速飞行器并行子空间优化设计

采用正交试验设计方法生成初始数据库,建立二次多项式响应面近似模型,以最大巡航距离为设计目标,机体/推进一体化外形参数和巡航弹道参数为设计变量,对高超声速飞行器进行了多约束多学科的并行子空间优化设计.优化设计获得了多学科融合条件下的最优化外形和弹道参数,可作为飞行器进一步详细设计的参考方案.      

风洞整流孔板流动CFD边界条件建模

风洞设计中,普遍采用孔板、金属网等构件进行整流。但孔板流动很复杂,一般只能依据经验并开展引导性试验进行设计与优化。随着CFD技术的发展,风洞设计自然也希望能利用CFD技术,但孔板等复杂构件的流动对此造成很大挑战。通过忽略孔板大量微小开孔中的流动细节,仅考虑多孔板的宏观效应,建立了一种反映多孔板宏观效应的CFD计算边界条件模型,极大缩减了计算规模,并结合2m×2m超声速风洞引导性试验进行了初步计算应用,取得了一定的效果。     

飞行器静操纵性评估方法研究

建立了一种基于优化思想的配平舵偏求解方法,在此基础上对飞行器静操纵性进行了评估.具体采用三通道线性叠加模型,结合多维线性插值和牛顿-拉夫森算法,对大量的飞行器风洞试验数据进行处理,快速准确地求解出各个状态下的配平舵偏.与传统求解方法相比,该方法求解精度不受搜索间隔限制,求解时间大大缩短.通过对求解结果进行分析,评估飞行器的静操纵性,提高了静操纵性的评估效率和准确性.     

面向飞行试验的多源气动数据智能融合方法

风洞试验和飞行试验是飞行器研制过程中进行气动性能分析与优化设计的重要手段，然而，在高超声速飞行条件下，真实气体效应、黏性干扰效应和尺度效应的复杂变化给气动数据精准预测带来巨大挑战。为了提升天地气动数据一致性，针对某外形飞行试验数据开展了典型对象的天地气动数据融合方法研究。结合数据挖掘的随机森林方法，本文提出了一种面向飞行试验的数据融合框架，通过引入地面风洞试验气动数据，实现了对复杂输入参数的特征分析与特征排序，进一步对不同飞行时刻下飞行试验的气动数据开展了交叉验证。结果表明随机森林的机器学习框架对风洞-飞行试验数据关联具有较好的预测与外推能力，可以有效提升气动数据预测精度，相关研究为复杂环境下气动数据多源融合提供了思路。     

高速空气动力学三大手段数据融合研究进展

风洞试验、数值计算和模型飞行试验三大手段的深度融合，是开展新一代高速飞行器研究的必然需求。本文重点介绍了高速风洞试验设备、数值计算软硬件建设和航天模型飞行试验能力建设情况，以及自主研制的表面温度、热流、脉动压力、摩阻等飞行试验测量技术；并根据气动数据融合特点，提出了一种基于气动数据和物理模型相关度的融合准则，发展了基于组合深度神经网络的气动数据融合方法，解决了不同来源数据之间的数据关联问题，大幅提升了融合数据的可信度，在某高速飞行器俯仰力矩系数和头罩典型构型的气动热数据天地关联方面得到成功应用；综合运用三大手段，开展了高速激波-边界层干扰基础流动问题研究，建立了激波-边界层干扰力/热载荷天地相关性经验公式，修正了压力-热流关联关系，并首次证实了分离泡低频振荡现象在真实飞行条件下客观存在。