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。     

基于Bang-Bang控制思想的迭代学习控制算法研究

根据迭代学习控制基本原理,吸取了Bang-Bang控制的思想,提出了新的迭代学习控制算法。与常用的利用迭代误差或误差变化率进行控制率计算的算法相比,该算法只需根据迭代误差的符号即可计算控制率,不仅大大减小了计算工作量,而且增强了系统的抗干扰能力。给出了算法表达式和控制结构图,进行算法收敛性分析。仿真结果表明该算法的有效性和收敛性。     

基于迭代学习控制的导弹PID控制器参数寻优

针对设计导弹PID控制器时存在的对比例、微分、积分3个控制参数大量盲目试凑的问题,利用迭代学习算法对控制参数进行自动寻优,最终得到最佳控制参数,从而实现了对PID控制器参数自动寻优的目的,简化了控制器的设计过程。通过仿真结果验证该方法在PID控制器参数自动寻优上是有效的,同时也为导弹控制器参数整定提供了工程适用的方法。     

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。     

基于成分的燃烧室出口燃气温度计算方法

针对燃烧室不同温度下燃气组成的不同,提出建立不同燃气模型以推算燃气温度的两种计算方法。基于物质守恒、化学平衡和能量守恒原理建立温度计算方程,根据能量守恒方程的不同表达形式给出平均比定压热容法和焓值法,同时给出两种求解非线性方程组的数学解法:三变量迭代法和牛顿法,并采用VB(Visual Basic)编制燃气分析测试程序实现温度算法。列举计算实例比较两种算法的区别,结果显示:随着油气比的增加,两种计算方法得到的燃气温度相差越大,考虑热离解的高温算法结果更小,原因在于燃气中离解组分的摩尔分数随着温度升高而增加,燃烧实际放热量减小,导致燃气温度减小,所以当燃气温度较高时建议采用高温算法更符合实际燃烧情况。      

介质涂覆位置对球面收敛喷管电磁散射特性影响

外形设计和隐身材料使用是缩减目标雷达散射截面积(RCS)的两种常用方法。为了研究雷达吸波材料(RAM)对于球面收敛矢量喷管(SCFN)的RCS减缩效果,采用引入阻抗边界条件后的迭代物理光学(IPO)法,研究了球面收敛二元喷管及8种吸波材料涂覆方案的电磁散射特性,并获得了X波段下9种模型的后向RCS随探测角度的变化规律。研究结果表明:吸波材料涂覆可以有效地缩减球面收敛喷管的RCS;合理的涂覆方案可以在保证RCS缩减效果的基础上,降低吸波材料的使用量;相比全涂覆方案,仅在喷管出口和球面段进行涂覆,可以在吸波材料减少30%使用量的情况下,达到全涂覆方案80%的缩减效果。     

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。