高效率的特征型紧致WENO混合格式

特征型紧致加权基本无振荡（WENO）混合格式HCW-R结合了迎风紧致格式CS5-P和WENO格式,具有十分优异的分辨率特性。但在求解多维方程组时,HCW-R格式需要求解块状三对角方程组,因而计算代价十分高昂。采用迎风紧致格式CS5-F代替CS5-P,构造了一个新的特征型紧致WENO混合格式HCW-E。由于HCW-E的特殊形式,其可沿迎风方向、由边界处向内推进求解,避免了处理三对角或块状三对角方程组,从而其计算代价与显式格式无异。虽然就分辨率而言,HCW-E稍逊于HCW-R,但前者的计算效率要显著高于后者。因此,当花费相同的计算代价,HCW-E格式可以获得更好的数值结果。一系列求解Euler方程组的数值试验验证了HCW-E的高分辨率特性和相比HCW-R更高的计算效率。HCW-E格式的效率优势在求解高维问题时更为明显。      

基于增量-迭代算法的SABRE系统非线性分析流程设计

随着大型复杂装备结构分析的非线性问题日益突出,基于线性理论的有限元分析方法已难以满足复杂工程结构设计与研制需求,必须借助非线性有限元方法来获得结构的全状态力学性能。鉴于工程结构对非线性有限元分析的迫切需求,在新架构下的自主CAE软件SABRE系统中,基于增量-迭代算法研发了非线性有限元计算流程和相应的功能模块,初步实现了结构非线性分析功能。数值算例表明,研发的分析流程具有较高的精度,可进一步基于该流程进行功能的扩展和性能的提升。     

基于“各向异性”四面体网格聚合的复杂外形混合网格生成方法

复杂外形粘性流动的计算网格生成一直是阻碍CFD实际工程应用的瓶颈问题之一,虽然三棱柱/四面体混合网格的出现极大地缓解了这一问题,但是在飞行器几何外形非常复杂的情况下,在粘性边界层内生成高质量的贴体三棱柱网格仍然是非常困难的事情。本文从"各向异性"四面体网格的生成算法中得到启示,发展了一种基于"各向异性"四面体网格聚合的混合网格生成方法。通过对DLR-F6翼身组合体和F16战斗机外形的混合网格生成及数值模拟表明,该方法生成的混合网格具有网格质量好、自动化程度高等特点,对提高复杂外形飞行器关键气动参数的模拟精度具有重要意义。     

有限转角转台中一种新的位置补偿算法

针对有限转角转台角位置误差的特点,提出一种新的线性谐波复合补偿算法,仿真验证了算法的有效性。     

静气弹中非线性气动力建模方法与分析

大展弦比低雷诺数气动布局容易较早出现气流分离,会带来明显的非线性气动力问题。针对此类布局提出了一种建立基于Kriging插值的非线性压力系数分布模型的方法。从Navier-Stokes方程计算的不同状态下飞机的压力系数中提取不同坐标的系数。利用Kriging插值函数建立CFD压力系数对迎角导数的响应面,将插值结果代入偶极子网格法(Double-Lattice Method,DLM)修正其线性方法。利用无限板样条(IPS)方法进行气动结构耦合,实现了有限元结构的非线性气弹响应分析。算例结果验证了方法对于静气弹分析的有效性,同时能准确地反映弹性带来的气动效率的降低和非线性力矩特征。     

基于混合正交法的环喉式膨胀偏流喷管性能影响因素研究

利用混合正交法设计数值模拟实验对环喉式膨胀偏流喷管(ATEDN)的工作过程进行研究,以获得ATEDN在不同工作模态的流场特征并分析入口压力、扩张比和塞锥基底半径三个影响因素共同作用下喷管性能的变化规律及各因素对喷管性能影响的显著性。采用FLUENT商用软件对ATEDN在0～31 km高度范围内的工作状态进行模拟。模拟结果表明,ATEDN在不同工作高度下存在开放-固壁反射、开放-自由边界反射和闭合三种基本工作模态。根据喷管流动经历的不同工作模态特征,将喷管的工作过程进行分类,具有不同工作过程的喷管推力性能存在显著差异。结果对比发现,在所选的参数水平下,塞锥基底半径是影响高度积分平均比冲的最显著因素,其次是扩张比,入口压力影响最小。随着喷管扩张比的增加,高度积分平均比冲降低;随着喷管入口压力和塞锥基底半径增加,高度积分平均比冲增加。     

逆向卸荷式气体减压阀的静态特性分析

对影响减压阀压力调节精度的非线性因素——摩擦力和流体稳态力进行了研究与讨论,建立了逆向卸荷式气体减压阀的静态特性数学模型,其中计算结果与实验结果相吻合。分析结果表明,摩擦力和流体稳态力对减压阀的静态特性偏差有着不同程度的影响,因此在设计过程中应该考虑摩擦力、流体稳态力对减压阀静态特性的影响。     

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。