多段翼型大迎角分离流动的DELAYED RANS/LES混合算法

多段翼型的大迎角绕流发生大范围附面层分离,具有明显的三维与非定常流动特性。RANS/LES混合算法继承了LES对流动分离区大尺度漩涡准确模拟的优点,避免了纯LES算法需求网格量巨大与亚格子模型壁面函数不成熟等问题,对分离流动的模拟效果优于RANS算法。以S-A湍流模型与Smagorinsky亚格子模型为基础,借鉴DDES的附面层延迟控制思想,构造了可用于对接网格、重叠网格的DELAYED RANS/LES混合算法。研究了GA（W）-1多段翼型的大迎角分离流动及其气动特性。     

非均匀有理B样条曲线及节点插入算法在透平叶片优化设计中的应用

将非均匀有理B样条(NURBS)曲线及节点插入算法应用到透平叶栅的二维参数化造型,可以兼顾造型参数的实际物理意义和型线调节的灵活性;将控制点可调的NURBS曲线应用到三维叶片积叠线造型,能够构造任意形状的弯、扭、掠叶片.在此基础上搭建的透平叶片三维气动优化平台,将参数化造型、网格自动划分、流体计算并行求解集成在一起,应用实验设计和响应面分析方法进行多目标寻优.对某单级实验透平分别进行单排叶片和整级优化后,单排叶片总压损失降低了0.57%;单级绝热效率提高了0.8%.      

基于解重扩算法的GPS抗干扰实时接收机研究

提出了一种基于解重扩算法的GPS抗干扰实时接收机系统的硬件实现方案。此方案充分利用解重扩算法和GPS接收机的特点,将两者紧密耦合,并根据FPGA和DSP的不同性能,实现了资源的合理配置。实测数据验证表明,该系统不仅能够抑制干扰信号,而且可对卫星信号产生较大增益,实现多波束抗干扰。     

一种联合估计的有源校正高精度测向算法

针对存在系统误差的阵列模型,提出了一种有源标校下的联合估计测向算法。该算法把误差矩阵估计转化为误差系数估计,并采用到达角精确已知的源信号进行标校,在此基础上使用最小二乘法联合估计幅相不一致误差系数和互耦误差系数,最后使用结合误差矩阵的MUSIC算法测量信号的到达角。仿真表明,该算法仅需要3个标校源,其精度相比于无阵列误差情况下降0.05°,具有较好的工程可实现性。     

天线组阵中SUMPLE算法的合成相位漂移补偿

针对SUMPLE算法在低信噪比时存在的相位漂移问题,在分析权值估计误差引起的合成信号相位漂移现象的基础上,提出一种以固定时刻合成权值作为参考的补偿算法。该算法以收敛后某个固定时刻的合成权值作为参考,其他时刻的相位补偿值通过与该参考权值进行相关计算得到。从理论上分析了该算法的可行性,并进行仿真验证。理论分析与仿真结果表明,所给出的相位补偿方法能有效地消除合成信号的相位漂移现象,补偿后的合成信号相位中心稳定。     

山地风场平均及脉动风速特性试验研究

山地风场具有与平地风场截然不同的特性,为了研究平均和脉动风速在山地中的空间分布规律,进行了10个不同坡度和高度h的三维轴对称山体模型的边界层风洞试验。试验结果显示:平均风速在山顶达到最大加速,在背风面山脚达到最大减速;山体坡度越大,山顶加速效应越大,背风面山脚减速越大。脉动风速均方根值在山体迎风面和山顶均与平地风场接近,在背风面山脚增加最大,在其后5h位置,恢复与平地风场相同。根据试验结果提出了新的山地风场平均及脉动风速分布模型。     

多帧PML规整化湍流退化图像复原算法

从湍流退化图像中有效地恢复出原目标图像,是空间目标成像观测亟待解决的问题。为解决强模糊实际观测湍流退化图像的复原问题,本文提出了多帧PML规整化图像复原算法。该算法主要利用非线性规整化项在点扩散函数和目标图像的估计过程中进行平滑。为验证算法的有效性,针对强噪声退化图像进行了恢复实验,实验结果证明,该算法对于强噪声湍流退化图像的复原是非常有效的。     

基于黏性涡模型的旋翼流场数值方法

 建立了一种适用于旋翼非定常流场特性分析的黏性涡数值方法。在该方法中:流场中的大尺度涡被离散为若干微小的涡元,通过求解涡量-速度形式的Navier-Stokes方程模拟涡元的输运等过程;黏性扩散效应采用高精度的粒子强度交换法进行计算,而桨叶附着涡以及新生涡环量采用了Weissinger-L升力面理论进行求解;为显著提高计算效率,在诱导速度及其梯度的计算中还引入了快速多极子算法(FMM)。应用上述方法,对悬停和前飞状态下的多个旋翼流场算例进行了计算,通过对比旋翼尾迹涡量特征和诱导速度分布等,验证了该方法的有效性。此外,还将本方法与旋翼计算流体力学(CFD)方法及传统的自由尾迹方法进行了比较,结果表明黏性涡方法在兼顾效率的同时,还能够更好地捕捉旋翼尾迹运动。     

多无人机对地攻击任务分配算法

在不确定条件下的战场环境中,实时有效的动态任务分配是多无人机顺利完成对地攻击任务的关键.文章基于拍卖机制原理提出了多无人机的动态任务分配算法,给出了算法流程,构建了收益计算函数,并对算法效率进行了分析.仿真试验表明所提出的算法同传统方法相比,大大减少了通信计算量,具有更好的实时性     

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。