基于卷积神经网络的近壁流动高分辨率平均速度场预测方法

本文设计并验证了基于卷积神经网络的边界层近壁流动高分辨率平均速度场预测方法:首先采用示踪粒子图像对数据集训练卷积神经网络，通过调整神经网络参数可以预测示踪粒子在数据集上的平均跨帧位移；然后使用该卷积神经网络预测像素空间中各像素位置的单粒子位移，得到高分辨率的平均速度场信息。将该方法用于预测湍流脉动较小的边界层近壁区的平均流动，能够将空间分辨率提高到单像素精度。误差分析发现，该方法获得的测速精度略优于传统单像素系综平均互相关算法，且对粒子浓度和示踪粒子图像对数目的要求明显低于后者。     

考虑约束的高超声速飞行器制导与控制一体化设计

针对高超声速飞行器上升段飞行过程中强耦合、强非线性同时要求满足过程约束的特点，提出了一种结合级联控制方法和控制障碍函数的新型三维制导控制一体化算法。首先通过对速度子系统设计控制障碍函数约束算法来满足飞行器的过程约束要求，然后利用反步法、动态逆控制方法设计其余子系统的控制器，两者共同组成制导控制一体化控制器。考虑到飞行器在上升过程中容易遭遇阵风扰动的问题，设计非线性干扰观测器以增强算法的鲁棒性。最后通过李雅普诺夫函数证明了系统的稳定性，并且通过仿真验证了该新算法能够在满足高超声速飞行器上升段过程约束的同时，实现飞行器的三维跟踪控制。