软件复用技术在科学计算软件中的应用研究

首先介绍多层软件复用技术及它的两个实践形式,并讨论软件复用的应用策略;接着探讨适合科学计算软件的开发模型;然后,描述民用飞机性能计算软件的开发以说明软件复用;最后,提出软件复用在科学计算软件开发中的需注意的几点事项以及今后应用研究的方向.     

基于语义相似度计算的航天标准关联度评价

随着航天领域各级各类标准编制数量的逐年递增,相关标准之间的交叉重复制定问题随之而来。为解决该问题,文中通过计算语义相似度的方法开展航天领域标准名称、标准范围及主要内容的关联度评价。算例分析结果表明,该方法可以有效评估标准间的关联程度。     

叶轮机械三维不可压Euler方程的直接解法

本文用近似因式分解交替方向隐式格式直接求解叶轮机械中原参数三维不可压Euler方程组。在连续方程中引入“拟压缩性”之后,将原来类型不确定的控制方程变成双曲型方程,给定初边值之后用时间推进法求得稳定解,对一个单级压气机转子内部流场进行了计算,结果与实验值比较符合。     

环球滑翔飞行及其地表投影的近似计算方法

定义了通过滑翔实现环球飞行的概念,并提出了以椭圆轨道理论和分段常滑翔角方法相结合的飞行器环球滑翔飞行地表投影的近似算法。计算和分析表明,初始投送方向角是决定环球滑翔飞行地表投影的关键因素。最后给出的算例验证了该近似计算方法的有效性。     

超声速飞机低声爆布局混合优化方法研究

声爆精确预测及低声爆设计方法已成为新一代军民用超声速飞机研制过程中必须解决的关键难题之一.将改进后的SGD(Seebass-George-Darden)反设计方法、声爆预测算法与遗传算法相结合,形成低声爆布局混合优化方法,利用遗传算法对SGD参数进行优化,得到具有较低声爆超压值和较大有效容积的等效截面积分布,进而得到低声爆布局方案.构建了低声爆混合优化设计环境,可以对方案的声爆水平、感觉噪声级、机体有效容积以及等效截面积分布等进行计算分析,在总体设计阶段具有较高的工程实用价值.优化后的方案采用连翼布局,钝形机头设计,优化后方案的声爆超压值降低了14.51％,机体有效容积增加了15.08％.由于尾部激波强度的不同,地面声爆感觉噪声级随滚转角的变化呈现先变小、后变大、再变小的趋势,对于尾部声爆波形还需进一步优化研究,以降低感觉噪声级.     

面向单机相依任务调度的GPU并行蚁群算法

蚁群算法是一种具有高度并行特征的群智能算法,串行实现过程中具有收敛速度慢的特点,在将其应用到相依任务序列的单机调度问题中时,以任务在不同作业序下的完成时间为基础,建立了单机调度问题的TSP模型。以任务完成时间最优化为目的,实现了一种求解相依任务单机调度的改进蚁群算法,并基于GPU对其进行了并行化设计。实验表明该算法能够完成相依任务的调度处理,通过并行化得到了较高的加速比。     

FlowStar:国家数值风洞(NNW)工程非结构通用CFD软件

计算流体力学（CFD）仿真软件是流体相关的数学物理知识和工程实践经验的数字化表达,是工业数字化转型的重要助推。然而,大型工业CFD软件研发难度极高,需要同时兼顾功能多样、系统稳定、性能优越、交互友好等特征。依托国家数值风洞（NNW）工程,研发出一款通用流场模拟软件NNW-FlowStar,并在航空、航天等工业部门大力推广使用。软件基于非结构有限体积求解方法和大规模并行计算技术开发,结合现代化软件工程思维设计,具备先进的数值方法、高效的计算效率和友好的用户操作界面,可满足各类复杂外形的高效气动模拟。独特的重叠网格技术配合六自由度运动模块,可帮助实现武器分离、舱门定轴转动等各类气动-运动协同仿真需求。多类标模案例和复杂工程应用表明,FlowStar软件算法鲁棒、精度可靠,是一款高精度、高效率、高可靠性的通用CFD仿真软件。通过对软件的架构设计和功能应用进行介绍,使相关从业人员能更好地了解FlowStar软件,最终促进国产自主CFD软件生态的良性发展。     

2.4m跨声速风洞带TPS测力试验数据精度要求分析

成功建立带TPS风洞测力试验技术的一个关键问题是确保试验数据具有足够的精度,必须精细地分配误差。为获得满足工程需要的高精度测力试验数据,给出一种基于计算机符号运算的子程序,完成不确定度计算过程中公式自动推导、计算。最后通过对TPS风洞试验数据精度的敏度分析,给出了某运输机在2.4m跨声速风洞TPS试验中各环节的误差分配要求。     

气压高度试验方法研究

介绍了利用模型表面的压力测量值经计算求出来流静压的方法和试验结果。文中涉及的计算方法为多元回归法,对试验所得压力数据进行处理,可拟合出多个不同参变量下的静压P∞的多元方程,从中选取一组较精确的作为计算公式进行验证试验,结果表明采用该方法测量静压具有较高的精度。     

AC-PSO算法在无人机任务规划中的应用

无人机飞行中合理的路线规划可以减小飞行时间、降低油耗,减小被敌方发现、攻击的可能,从而提高了完成任务的概率.鉴于大部分无人机是以一个相对固定的高度进行侦察和任务飞行,故可将无人机的飞行任务规划视为二维平面的TSP问题.本文进一步将地面防空威胁与飞行距离统一量化,通过求解TSP求取最优无人机任务规划.文中通过分析蚁群算法与粒子群算法,提出了一种新的混合方法AC-PSO算法解决TSP求解问题.算法借鉴了蚁群算法的路线构造方法和粒子群算法的进化策略思想,同时给出了提升算法效率的一些措施.实验验证,该算法和威胁建模方法相结合,能有效地满足无人机飞行任务规划的要求.