基于特征线追踪的气动反设计

随着当今飞行器飞行速度的提高,三维超声速内流道的设计需求日益增加。提出一种基于特征线追踪的气动反设计方法,以解决三维超声速粘性流场设计问题。为了验证特征线追踪方法的设计能力,将其应用于二维超声速喷管和三维方转圆流道设计中。结果表明,设计所得流道内部不存在集中的膨胀波和压缩波,获得了流动均匀的菱形试验区,出口处马赫数误差低于0.5%。特征线追踪方法能够直接设计超声速粘性流场,避免了传统的边界层修正技术引入的设计误差,实现了既能满足预设流场参数分布,又能保证入口和出口形状的三维异形截面超声速流道设计。     

煤油两相连续旋转爆震燃烧室工作特性试验研究

为了深入分析煤油燃料两相连续旋转爆震燃烧室的工作特性,采用富氧空气或氧气为氧化剂,通过试验得到爆震波的时域、频域特征,对两相连续旋转爆震燃烧室中爆震波的起爆过程和稳定后的传播过程进行研究。利用基于激光散射相位多普勒分析(PDA)技术对雾化流场进行了测量,得到喷注器出口不同平面处煤油液滴速度与直径的统计分布。试验结果表明当煤油流量为78g/s,氧气流量为224.0g/s,空气流量为72.5g/s,当量比为1.083时,燃烧室在单波模态下工作,爆震波传播频率为0.904k Hz,平均转速为649m/s。使用氧气作为氧化剂,当煤油流量为81.8g/s,氧气流量为231.8g/s,当量比为1.222时,燃烧室在双波模态下工作,爆震波传播频率为5.882k Hz,平均转速为1848m/s,传播过程中表现出很强的非定常性。在当量比为0.805~0.908的富氧工况下,随着氧化剂中含氧量的增加,爆震波的速度逐步增大,最终达到2440m/s;在当量比为1.057~1.220的富燃工况下,随含氧量的增加爆震波速度呈现线性增长的特征。     

基于条件生成对抗网络的HDR图像生成方法

高动态范围（HDR）图像相比低动态范围（LDR）图像有更宽的色域和更高的亮度范围,更符合人眼视觉效果,但由于目前的图像采集设备大都是LDR设备,导致HDR图像资源匮乏,解决该问题的一种有效途径是通过逆色调映射将LDR图像映射为HDR图像。提出了一种基于条件生成对抗网络（CGAN）的逆色调映射算法,以重建HDR图像。为此,设计了基于多分支的生成对抗网络与基于鉴别块的鉴别网络,并利用CGAN的数据生成能力和特征提取能力,将单张LDR图像从BT.709色域映射到对应的BT.2020色域。实验结果表明:与现有方法相比,所提出的网络能够获得更高的客观与主观质量,特别是针对低色域中的模糊区域,所提方法能够重建出更清晰的纹理与细节。      

风洞干扰对YF16模型实验数据的影响

本文研究了风洞干扰对ＹＦ１６模型实验数据的影响，特别着重于阻塞效应。结论是：提高大攻角实验数据准确度的关键在于减少和修正由于阻塞效应引起的系统误差。     

利用三维激光测速方法研究悬停状态下的桨尖涡

利用三维多谱勒激光测速仪，对悬停状态下模型旋翼桨叶附近的流场进行了实验测量。研究了悬停状态下桨盘附近的流场特征、旋翼桨尖涡的形成和发展，以及桨尖涡对后续桨叶的影响     

环境风洞中流动的PIV测量

对ＤＡＮＴＥＣＦｌｏｗ Ｍａｐ ＰＩＶ 系统作了介绍,并将其应用于环境风洞流场测量。结果表明,ＰＩＶ 技术是研究非定常流动的一种很有效的工具。     

PIV中提取速度信息的一种新方法

通过对PIV中粒子图像固有特点的研究,提出了一种新的速度信息提取方法。该方法先通过模拟人眼判断粒子图像中心点的过程来获得粒子的中心点,再利用这些中心点之间的相关关系求取速度。以内燃机缸内流场的PIV实测图像为例,通过与直接FFT变换求相关的方法进行比较,阐明了该方法的特点。     

自身场磁等离子体推力器数值仿真流场特性分析

磁等离子体推力器以其推力大、比冲高等特点,成为未来深空探测、星际航行任务首选的电推力器类型,研究推力器内部等离子体流场特性,有利于解释推力器出现的物理现象。针对特定自身场磁等离子体推力器,建立磁流体模型,使用TVD Lax-Friedrich格式以及ADI方法对推力器内部及羽流进行数值求解,得到等离子体流场及等离子体参数分布情况,仿真结果显示在高电流工况下,等离子体羽流更加集中,轴向加速效果更加显著,但高电流模式下阴极温度较高,不利于阴极的使用寿命。     

本期导读

<正>附面层抽吸技术现代航空发动机压气机要实现以更少级数达到更高压比的设计目标,需突破大弯角高负荷叶栅研制关键技术。而该技术的难点在于,吸力面附面层低能流体在强逆压梯度下容易从壁面分离,导致流道堵塞,造成发动机气动损失增加及性能下降。大量研究表明,附面层控制技术对于提高压气机性能和改善流场结构有明显作用。因此,若能主动控制叶片表面附面层,使流道中的流场分布更为合理,就有可能推迟或抑制分离,实现更好的气动性能。     

基于快速提升KLDA准则的MSTAR SAR目标特征提取与识别研究

 核线性判别准则(KLDA)是一种非线性特征提取准则。利用KLDA提取MSTAR SAR图像特征,既达到较理想的识别概率,又可克服SAR图像对方位的敏感性。但此时训练样本最多,KLDA的计算代价高。为了解决这一问题,提出一种快速特征向量选择法（FFVS）。FFVS把类别和方位相似的SAR图像分成若干组,然后快速选择各组中部分图像组成一个集合且其到高维特征空间的映射作为一组基。利用该组基的线性组合表示任一样本和投影算子,降低了KLDA中核矩阵的阶数,达到降低计算代价的目的。实验结果表明,FFVS与KLDA组合能达到理想的识别结果。