轮盘低周疲劳模拟件设计及试验

航空发动机轮盘长时间在交变大载荷下工作，其盘心、螺栓孔、端齿等应力集中的特征部位容易发生低周疲劳失效。为准确评估轮盘特征部位的疲劳寿命，需设计反映应力梯度的模拟件并开展相应的疲劳试验，从而为发动机结构设计提供重要依据。现有的模拟件设计方法通常保证危险点一定范围内的应力/应变分布与真实构件的一致，但这些方法对“一定范围”的定义缺乏理论依据且未能形成统一认识。为此，提出了一种临界距离范围内SWT参量分布一致的模拟件设计方法，建立了轮盘盘心、螺栓孔、端齿等危险部位的模拟件设计方法，并开展了模拟件的低周疲劳试验。将端齿模拟件100%转速对应的平均疲劳寿命与轮盘旋转疲劳试验结果对比，相对误差为7%，且均为表面薄弱晶面起裂。最后，讨论了该模拟件设计方法的稳健性。     

涡轴发动机时延鲁棒串级PI控制器设计

针对涡轴发动机分布式控制系统中存在时延导致系统性能退化的问题，利用线性矩阵不等式（LMI）方法设计了时延鲁棒串级PI控制器。先利用内模控制（IMC）方法得到涡轴发动机串级控制器内、外环的PI控制器结构；再利用频域回路成形的方法给出保证系统具有期望性能的LMI形式约束条件；利用梯度近似的方法通过劳斯-赫尔维茨判据得到保证系统稳定的控制器参数约束条件；最后，在基于TrueTime的涡轴发动机分布式非线性仿真平台上进行数字仿真。仿真结果表明：在0.04 s时延条件下，当功率需求下降5%时，系统的调节时间小于5 s，功率涡轮转速超调不超过0.5%，且其最大燃油变化率只有传统串级PI控制系统的67%；设计的控制器能有效应对涡轴发动机分布式控制系统中存在的时延问题，同时能够以更小的代价保证系统具有期望的性能。     

基于QoS的卫星网络k端可靠性分析

针对现有可靠性分析方法不能适应卫星网络中信息传播时延长，业务需求多样，导致计算准确性低的问题。考虑卫星工作的多状态特性，研究了多状态下卫星网络可靠性的问题，提出了一种基于QoS的卫星网络k端可靠性分析算法。首先，进行节点融合，对非融合元素采取置零取非操作，进行网络拓扑邻接矩阵变换，得到连通k个节点的路径。相较于传统方法有效地减少了矩阵变换次数，避免了冗余链路的产生。然后，为提升可靠度计算的准确性，根据不同业务的QoS约束条件和链路当前状态，确定网络中满足条件的可用路径，最后，由链路当前状态的可靠度计算出不同业务下的k端路径可靠度。研究结果表明：相较于其他算法，本算法不仅提升了卫星网络在不同业务下k端路径可靠度计算的准确性，而且计算效率提升了33.3%。     

物理启发的深度学习模型及其在热端部件散热中的应用

热端部件散热是众多空天设备的关键技术。表面温度分布是散热设计中用到的重要信息,常规的解析建模手段和机器学习方法均无法有效地表达此类高维信息。近年来兴起的图像深度学习算法是解决表面温度信息预测的有效手段。然而,现有的基于大数据的深度学习方法往往对于物理数据和小样本数据不适用,体现为泛化精度差、数据兼容性差、可解释性差。因此,有必要结合传热的先验知识发展物理启发的新型深度学习算法,以增强高自由度、高复杂度散热对象上的设计能力。本文基于卷积算子和有限差分求解方式的类比关系,提出了一种物理启发式的循环卷积神经网络。以横向出流的冲击冷却为例,开展了变计算域大小、变工况、变尺寸的批量数值模拟,获取了冲击冷却关键特征的小样本图像数据。进一步通过神经网络的训练,构建了多参数、大范围内有较好拟合能力的温度、传热系数、压力代理模型。研究结果表明,本文提出的物理启发神经网络模型,对于计算域大小没有限制,可以统一表达不同空间范围内获取的物理数据的共性规律。模型的各类超参设定均具有明确的物理意义,且与经典的微分方程求解理论有一定的类比关系,增强了神经网络调参的方向性。通过传热物理规律与黑箱模型的融合,本文实现了小样本多参数物理数据的共性建模。该方法可以迅速重构热端部件的高维分布信息,可服务于热端部件的快速分析设计以及优化。     

进气畸变及非轴对称端壁造型对紧凑型压气机中介机匣性能的影响

为掌握畸变进气下非轴对称端壁造型对大径向落差长度比紧凑型压气机中介机匣气动特性的影响机制，采用数值模拟方法研究了畸变进气条件下中介机匣的流动特性，并进一步探索了轮毂非轴对称端壁造型对中介机匣内部流动结构和节流特性的影响。结果显示：进气畸变下中介机匣出口流场高总压损失与畸变主要来源于轮毂表面附面层分离产生的旋流和支板角区分离的共同作用。采用提出的基于三角函数的非轴对称端壁造型方法可有效消除轮毂表面的分离螺旋节点和支板角区分离，使中介机匣性能得到明显提升，总压损失系数降低约11.4%，且畸变进气下轮毂端壁造型对中介机匣节流特性的影响规律与均匀进气不同。