非参数化概率盒下随机与认知不确定性的分离式灵敏度分析

灵敏度分析（SA）能辨识影响复杂系统响应的关键参数，为系统的稳健设计提供决策依据。非参数化概率盒作为一种典型的不精确概率模型，可以同时量化随机和认知2类不确定性，且在实际工程中应用广泛。由于非参数化概率盒耦合了随机和认知不确定性，非参数化概率盒下灵敏度分析方法能阐明输入概率盒的随机和认知不确定性对系统响应不确定性的影响程度。从随机与认知不确定性分离式角度出发，提出了一种非参数化概率盒下分离式灵敏度分析（SSA）方法。构建了格点法和期望值法分离非参数化概率盒的随机和认知不确定性，采用双层嵌套不确定性传播算法建立输出响应的概率盒，提出了最大方差和面积度量指标分别衡量系统输入的随机、认知不确定性对输出的随机、认知不确定性的影响。以NACA0012翼型升阻比预测为例，分析了来流参数和湍流模型参数的随机、认知不确定性对升阻比的随机、认知不确定性的影响。     

基于机器学习的智能控制数值虚拟飞行方法

提出并实现了一种基于机器学习的PID智能控制策略下的数值虚拟飞行算法，结合Basic Finner导弹标准模型算例，对所提出算法进行了验证和评估分析，表明本文算法可行，并具有良好的应用前景。首先，搭建了一种基于重叠动网格技术的CFD/RBD耦合数值虚拟飞行仿真模型。针对Basic Finner导弹的标准工况进行了无控自由飞行状态的数值飞行模拟，并结合实验结果对所构建的数值虚拟飞行仿真算法进行了验证和评估，表明所采用的数值模拟算法可用于数值虚拟飞行环境下的智能控制参数设计与仿真评估；其次，结合数值虚拟飞行过程对飞行器气动、姿态和位移等参数的实时控制需求，提出了一种基于BP神经网络算法的PID参数在线学习的智能控制器，并针对Basic Finner导弹的俯仰通道，分别对传统PID控制策略和智能PID控制策略下的导弹自由释放后的俯仰角快速稳定控制过程、阶跃式和正弦式俯仰角输入下的导弹跟踪控制过程进行了数值虚拟飞行仿真模拟。研究表明，基于BP神经网络的PID智能控制器能够根据所获得的实时飞行参数，实现控制参数的在线学习和自我优化、调整，相比于传统PID控制器，对于不同输入工况表现出良好的适应性...     

超临界二氧化碳多槽型干气密封泄漏流动与动力特性研究

针对超临界二氧化碳（SCO₂）旋转机械面临的严重泄漏、气流激振引发转子失稳等问题，以美国通用电气公司10MWe SCO₂循环中高压涡轮的轴端密封为研究对象，设计了螺旋角15°和30°的螺旋槽、T型槽和ST型槽的四种槽型结构的干气密封。采用基于动网格技术和非定常CFD数值方法的微尺度摄动模型，研究了在实验边界条件下干气密封的稳态性能及在轴向简谐微扰动下SCO₂涡轮轴端干气密封的非稳态动力学特性。对比分析了3种动压槽深度、2种动压槽角度下的干气密封泄漏量、静态气膜刚度、动态气膜刚度和阻尼系数。研究表明：四种槽型均满足泄漏流量的设计要求。随着动压槽深度的增加，干气密封开启力与泄漏流量均增大。ST型槽干气密封有着较大的气膜刚度和刚漏比，同时其在面对轴向微尺度摄动时最为稳定，是综合性能最优秀的干气密封结构。