基于PINN模型的导弹气动特性快速预测技术

随着内嵌物理机理神经网络（PINN）模型的兴起，PINN模型开始应用于许多学科领域。为了实现导弹气动特性的快速预测，借助工程算法，构建了导弹气动数据集，以此训练导弹气动特性预测模型，包含基于多任务学习的神经网络（MTLNN）模型及在MTLNN模型基础上内嵌物理知识的PINN模型。数值模拟通过选取测试集，对比了MTLNN模型和PINN模型的预测效果，结果表明：PINN模型的预测精度较高，且基本控制在1%以内。探究PINN模型的泛化能力，测试集选取导弹气动数据集包络范围之外的数据，PINN模型预测精度仍然高于MTLNN模型。由于PINN模型引入了气动特性参数之间的物理机理，模型对训练样本数量的依赖程度降低，可以进一步节约数据获取成本，为导弹优化设计提供有力工具。     

基于半物理的飞管系统集成验证技术研究

本文基于半物理的飞管系统集成验证技术，详细介绍了基于半物理的飞管系统集成验证平台架构与实现，研究了基于半物理试验的飞管系统仿真建模方法，完成了用于飞管系统半物理试验的仿真模型开发。在某型飞管系统集成试验过程中，搭建了基于半物理的飞管系统集成验证平台，在完整的全系统仿真基础上，通过真件与仿真件之间的逐一替换，逐步完成飞管系统集成验证工作。该方法有效的提高了飞管系统集成效率，满足了飞管系统集成验证需求。     

热障涂层在航空发动机涡轮叶片上的应用研究

从热障涂层在涡轮叶片的应用需求出发,研究了陶瓷热障涂层的材料与制备方法,介绍了热障涂层的基本原理和主要工艺特点,解决了热障涂层在喷涂过程中所产生的堵塞气膜孔、减小排气面积、降低疲劳性能、遮挡等方面的难点问题,给出了热障涂层叶片在试验和试车中的考核结果。