波瓣数对波瓣S型混合二元喷管气动热力性能影响

依据某型涡扇发动机波瓣S型混合二元喷管,保持波瓣混合器长度、内扩张角、外扩张角以及宽高比不变,依次取波瓣混合器波瓣数为12,14,16,18,20,建立了一组具有不同波瓣数的波瓣S型混合二元喷管模型.采用经过验证的CFD方法,研究了波瓣数对波瓣S型混合二元喷管气动热力性能的影响规律.结果表明:在波瓣尾缘截面至第1个S弯截面区域,波瓣数对流体混合程度产生很大影响,并且热混合效率近乎随波瓣数增加而增加.在第1个S弯截面至波瓣S型混合二元喷管出口截面区域,波瓣数为16的波瓣S型混合二元喷管模型的总压恢复系数始终最低,其余模型的总压恢复系数以及热混合效率没有明显差别.在波瓣S型混合二元喷管出口截面上,波瓣数为16的波瓣S型混合二元喷管模型的热混合效率最高,达到0.850,然而其总压恢复系数相对于该截面上最高值下降了0.289%.此外,波瓣S型混合二元喷管的渐缩型流道能够提高流向涡强迫混合效果,但同时也加速流向涡的耗散速率.      

基于地面分布式数据中心的天地一体化网络

天地一体化网络通常具有覆盖范围广、数据传输量大等特点。现有的一体化网络研究侧重于网络间传输协议,以及如何有效管理网络资源等。但考虑到当前卫星网络数据处理能力相对较差,而地面网络发展已非常成熟,因此将一体化网络与数据中心网络融合,把数据中心网分布式地接入骨干光网络中,卫星作为网络的传输节点与地面分布式数据中心网络构成统一整体;以中国电信骨干网为基础,针对一体化网络的内部传输代价和外部请求代价等多种因素,进行折中,使用整数线性规划得到网络的最优化部署。所提出的网络架构能很好地满足一体化网络的要求,提供了一种具有竞争力的信息平台设计架构。     

网络图中边集束优化问题

网络规模增大和复杂度提高造成的节点遮挡覆盖和边交叉阻塞等问题成为网络可视化研究的热点.针对网络中出现的视觉凌乱问题,以空间位置和群组关系为出发点,从网络中独立的边和群组两个层次,以边汇合的角度研究边集束技术,将网络中临近的边集聚成束以降低视觉复杂度,提出和改进了分段力导引算法(FDA)简化模型和群组边相容的网络图边集束模型.其中分段集束模型,提出以二次样条曲线表示网络边,通过样条控制点进行迭代汇聚的方法,实现了网络中边的集束;针对分段集束模型中部分连线过度弯曲问题,提出通过CNM聚类算法将网络进行群组划分,在群组结构的基础上对组内连线应用边相容原则,根据连线的匹配系数计算其集束程度的方法,网络图集束后曲线扭曲变形减少,曲线过渡更加平滑.选取国内航空网络作为案例,通过两种边集束模型进行网络图简化,分析结果表明,国内机场的群组结构具有地理属性的相近性,航空网络在整体上呈现出明显的十字脉络,东西走向和南北走向的航线分别汇聚集结成束,表现了航空网络建设在南北和东西方向的总体趋势.本集束简化算法适用性广,绘制的网络图具有良好的视觉效果和可读性.      

基于眼动数据的网络搜索行为预测方法

预测用户的网络搜索行为对改进搜索引擎和提升用户体验十分重要.现有大多数方法是基于用户的交互数据,如查询、点击和鼠标移动等.提出一种基于眼动数据的用户网络搜索行为预测方法.通过眼动实验,采集用户在网络搜索任务时的眼睛运动数据,将这些数据转化成两种数据格式:直方图和序列.直方图数据描述用户注意力的分布情况,序列数据呈现用户的扫视路径.使用4种学习算法对用户决策或用户意图进行预测,同时研究两种数据格式的性能.结果显示,两种数据格式均适合于预测用户决策,而序列数据更适合于预测用户意图.该结果表明,利用眼动数据能够有效预测网络搜索行为.      

基于动力学递推算法的绳系卫星系统刚柔耦合多体模型

利用动力学递推算法建立了空间绳系卫星系统(TSS)的铰接柔性杆动力学模型.所研究的绳系系统包含两颗刚体绳端卫星和一段连接两颗卫星的柔绳,柔绳离散为一系列球铰连接的弹性杆,考虑杆不均匀的纵向一维形变,并利用球铰的运动模拟柔绳的弯曲和扭转;然后基于递推算法推导得出了该刚柔混合离散模型的动力学方程.数值仿真结果表明:所建立的绳系卫星系统模型能够很好地模拟空间系绳的各向摆振和扭转,此外,递推算法的引入能够有效地减少离散模型动力学方程的维数,从而大幅减少计算量.      

基于LSTM的空间机器人系统惯性张量在轨辨识

在空间机器人抓捕目标的过程中,整个系统的惯性张量会随时间变化且在目标被捕获瞬间发生突变,这会严重影响整体姿态控制的精度。针对以上问题,提出了一种基于长短期记忆（LSTM）的系统惯性张量在轨实时辨识方法。首先,对于目标捕获前后的2个阶段,利用拉格朗日方程建立了空间机器人的动力学模型;然后,基于所建空间机器人模型采用域随机化方法生成足量训练数据,并用其对由LSTM网络与多层全连接网络构建的参数辨识网络进行训练;最后,使用训练好的参数辨识网络对系统惯性张量进行辨识。数值仿真结果表明：所提方法能够精确辨识空间机器人抓捕过程中的系统惯性张量,所研究系统的主惯量平均相对辨识误差小于0.001,惯性积的平均相对辨识误差小于0.01。     

超声速尾迹-剪切流的混合增强

超声速条件下燃料和空气之间的高效混合是超然冲压发动机技术上的主要挑战。基于大涡模拟和流动稳定性分析,针对超声速尾迹-剪切流动开展了混合增强方法研究。尾迹的存在改变了混合层流动的速度剖面,对流动稳定性产生了重要影响,使混合层由三维最不稳定变为二维最不稳定,最不稳定扰动波频率和增长率增大。基于流动稳定性结果引入扰动的混合增强方式依然有效,根据稳定性结果设计了波纹隔板。数值结果表明：二维波纹壁引入的扰动未能增长,不具备混合强化效果,而三维波纹壁引入的扰动能够快速增长,具有混合强化效果,且波纹壁参数越接近最不稳定扰动波参数,混合强化效果越明显。     

翼型前缘变形对动态失速效应影响的数值计算

翼型或机翼的动态失速效应所引起的低头力矩和正气动阻尼限制了飞行器气动性能的提高,甚至可能诱导发生不稳定运动。应用于小尺寸机翼的前缘动态变形（DDLE）技术,通过实时改变前缘形状,能够改善翼型前缘区域的速度梯度,进而抑制动态失速效应。采用转捩剪切应力输运（SST）黏性模型结合分区混合动态网格技术,研究了这种前缘变形对机翼俯仰运动所引起的非定常流动的影响,得到通过小幅度前缘变形抑制和延迟动态失速的方法,从而提高翼型的气动性能。翼型NAC A0012的数值模拟结果与动态失速风洞试验结果比较表明：所使用的数值计算方法能够较为准确地模拟翼型在动态失速过程中升力系数与俯仰力矩系数的变化情况,可用于研究前缘变形对翼型俯仰运动所引起的非定常流动的影响。前缘动态变形翼型俯仰运动过程的非定常流场的数值模拟表明：在大迎角下不同幅度的前缘下垂运动能够抑制流动分离的发生,从而抑制动态失速,但在大迎角下小幅度高频率的前缘下垂变形能更高效地抑制动态失速;前缘变形幅度以及变形沿中弧线的分布对升力系数和俯仰力矩系数的影响并不明显。     

二维微槽道电渗流的增强混合

微尺度流动中的混合一直是微流系统研制中的一个大问题,对壁面zeta势非均匀分布情况下的二维微槽道电渗流进行了数值分析,重点分析了这种情况下的微流动混合增强.基于电渗流的Helmholtz-Smoluchowski滑移速度模型,应用SIMPLE方法计算了4种滑移速度在整个壁面上的分布不均匀一致时的微槽道电渗流动的流场及被动标量在其中的混合.计算结果表明,滑移速度的非均匀一致导致微槽道电渗流中的流线发生剧烈的转折,从而使得微槽道流动的混合效率有很大的提高.流场中流线的转折越剧烈、转折的次数越多,微槽道流动混合效率的提高就越大.