守恒型可压缩一维湍流方法及其在超声速标量混合层中的应用

一维湍流（ODT）方法是一种能在一维计算域上遵循湍流基本物理规律的湍流建模方法。通过结合确定性和随机性求解方法,能够在一维计算域上准确捕捉到湍流统计规律,且降维建模可显著减小计算量。ODT方法主要被广泛用于不可压湍流和湍流燃烧研究,若要将其拓展用于模拟高速可压缩湍流,需对建模方法进行深度改进。相比于不可压ODT方法,本文基于欧拉参考框架,针对可压缩湍流的特性,将因变量由原始变量改为有利于减小可压缩湍流模拟误差的守恒通量,并加入了组分求解模块。对确定性和随机性求解模块均进行了相应的深度改进,开发出具有标量混合模拟功能的守恒型可压缩ODT方法。在确定性模块中改为求解以守恒通量为变量的一维截断控制方程,在随机性模块中构造一维涡时,将三联映射的作用对象也相应地由原始变量改为守恒通量,并选用了可保证变密度情况下动量守恒的双核变换。通过模拟空间发展超声速平面湍流混合层并将自相似阶段结果与实验结果比对,验证该方法对可压缩剪切湍流场中标量混合的捕捉精度。守恒型可压缩ODT方法模拟得到的速度场和组分场的平均剖面和脉动强度分布与实验结果准确吻合,精度明显优于传统的耦合梯度扩散亚格子模型的大涡模拟方法（LES-GRAD.DIFF.）以及耦合线性涡（LEM）亚格子模型的大涡模拟方法（LES-LEM）,且该方法的降维处理使其在降低计算成本方面具有显著优势。     

基于社会网络分析法在国内航空安全管理体系研究现状的应用与分析

社会网络分析法能够对国内航空安全管理体系研究现状提供客观定量的分析。以SMS为关键词,在CNKI里检索收录的相关文献。首先,用SATI软件对检索数据进行预处理,构建共词矩阵;然后,用社会网络分析法中的社会密度分析、中心性分析、聚类分析和核心-边缘分析方法对关键词进行研究,分析当前航空安全管理体系研究现状和其研究趋势,为今后研究航空安全管理体系领域提供了参考。     

不同增长机制下航空网络自愈特性

结合复杂网络理论,从能量的角度分析了航空网络的功能自愈机理,并研究了航空网络在不同增长机制下的自愈特性。首先,将网络结构划分为自愈结构与耦合结构,并针对航空网络3种增长机制进行了分析和抽象建模;然后,从网络全局角度出发研究了美国航空网络在遭受蓄意攻击造成全网功能瘫痪的情况下,网络功能的恢复鲁棒性和网络增长对网络自愈能力的影响。研究表明,美国航空网络具有较好的恢复鲁棒性,接近80%的机场在受到能量冲击造成的短暂失效后具有功能自愈能力。航空网络不同的增长机制对网络的自愈能力有着不同的影响。结果证实,为完善航空网络而建立的机场群,由于其较大的连接需求,加大了网络区域密度,复杂了网络拓扑结构,降低了网络的自愈能力;而小型机场的增加不会影响网络整体的自愈能力。      

面向非结构混合网格高精度阻力预测的梯度求解方法

针对非结构混合网格的特点,通过改进传统的Green-Gauss梯度求解方法,提出了一种可提高非结构混合网格黏性计算精度的节点型Green-Gauss梯度求解方法。利用改进后的方法,完成了DLR-F4翼身组合体算例的计算和对比分析。改进后的梯度求解方法残差收敛更好,下降量级更多,阻力系数和试验吻合更好,激波区域压力分布和分离区域流场细节的模拟更精确,说明改进后的梯度求解方法有效提高了程序的鲁棒性和阻力预测精度,验证了方法的有效性。采用改进后的方法对第5届AIAA阻力预测研讨会的通用研究模型（CRM）进行了详细的模拟分析,结果表明：改进的梯度求解方法更加适用于非结构混合网格的黏性计算,计算精准度达到国际同类CFD软件水平,进一步验证了改进方法的可靠性。     

基于等效时间的混合储能系统高功率密度优化配置

越来越多的电力电子装置应用到多电飞机（MEA）电力系统中,导致MEA用电负荷功率呈现脉动特性,采用混合储能系统（HESS）平抑负荷功率脉动。为减少HESS重量,提出了一种高功率密度的优化配置方法。为建立负荷功率与储能介质之间的关系,提出了等效时间（ET）的概念,比较两者的ET常数作为储能系统类型选取的依据。进一步提出空间矢量法,采用能量型储能介质矢量和功率型储能介质矢量合成负荷功率,确定最优单体和截止频率,实现了HESS高功率密度配置。同时,从能量约束和功率约束两个方面进行HESS的容量的计算。最后,通过算例配置和仿真分析验证了本文所提方法的可行性和正确性。     

混合动力推进系统与飞机数字化设计现状与展望

本文总结了国内外针对混合动力推进系统及飞机发展专门开发的数字化设计工具,归纳了其相应设计方法及特点。综合来看,为了满足混合动力飞机的设计需求,集成高精度电系统和热能管理系统模型,建立针对性的性能评估体系、飞机与发动机设计的数据耦合交互、研究设计与安全性分析相统一的建模方法、基于人工智能方法提高优化设计管理能力是目前面向其特点的关键发展方向,并为其后续的实验验证、适航条例制定等工程应用提供重要的技术支撑和设计依据。     

基于ARCN模型的轴承故障诊断

提出注意力循环机制与胶囊网络融合的注意力循环胶囊网络（ARCN）的诊断模型。提取时序特征信息构建初级胶囊;自适应融合路由机制、注意力循环机制构建数字胶囊特征;基于西储大学轴承实验数据,验证了ARCN模型的准确率、鲁棒性、稳定性、收敛误差,其准确率相比Caps模型识别准确率提高1.2%、收敛误差达到0.2。基于实验仿真平台,采集正常、内环故障、外环故障和滚动体故障的振动信号,并通过小波基变换获取的时频图构建ARCN模型的数据集。仿真实验结果表明:ARCN模型下,每类故障被误诊的概率不超过总样本的1%。      

一种高光谱图像的双压缩感知模型

高光谱图像因其海量数据性,给存储、传输及后续分析处理带来了挑战。压缩感知理论提供了一种全新的信号采集框架。针对高光谱数据的三维特性,提出一种双压缩感知的采样与重构模型。该模型在采样阶段兼顾高光谱数据的空间和谱间稀疏特性,构造了能同时实现空间和谱间压缩采样的感知矩阵;重构阶段不同于传统的压缩感知重构方法直接重构高光谱数据,而是将高光谱数据分离成端元和丰度分别进行重构,然后利用重构的端元和丰度信息合成高光谱数据。实验结果表明,所提双压缩感知在低采样率下重构精度较三维压缩采样提高了10 dB以上,更为显著的是运算速度提升了3个数量级,同时该方法还便于获得端元和丰度信息。