用于飞行仿真的空间大气紊流场生成与应用研究(英文)

研究了三维空间大气紊流场生成及其在大型飞机实时飞行仿真中的应用。分析了针对大型飞机飞行仿真的扰动风场的建模需求。通过在频域空间直接进行蒙特卡罗法随机抽样,经三维傅里叶逆变换获得空间大气紊流场。采用Von Karman模型,更加准确地描述大气紊流场特征。运用傅立叶变换的复共轭对称特性,保证最终生成实的紊流场。通过无因次化方法解决了变尺度和变强度的紊流场生成问题。针对生成的空间紊流场设计了紊流梯度的计算方法。针对飞机连续穿越紊流场的问题,提出基于空间对称扩展的紊流场扩展方法。经时域相关性检验证明,基于该方法生成的紊流场与传统时域方法相比,具有较好的空间互相关特性。最后针对Boeing747飞机,给出了一个在空间紊流场中的飞行仿真实例。与传统质点化模型的仿真结果相比,基于空间紊流场和四点模型的算法更能表现出飞机穿越紊流场飞行的随机特性。     

静电场对轴对称射流雾化效果的影响

设计和组装一台实验装置,研究了柴油通过压缩空气进行喷射时,静电场对轴对称射流液体的浓度分布影响。结果表明：在无电场作用时,随着靶盘距喷嘴距离的增加,液流浓度逐渐减小;当喷雾压力增加时,射流轴线上的液流浓度变化较大;随着距轴心线距离的增加,液流浓度的变化逐渐趋于平缓,最后基本达到稳定。在静电场作用时,随着电场强度逐渐增大,液流的雾化分布与增加空气压力时液流的雾化分布具有基本相同的特点,电场强度对射流轴线上液流浓度的影响最为明显。利用实验结果拟合了液流浓度的准则关系式,得到了无量纲坐标内液流浓度的变化规律,为获得最佳雾化效果的设计提供了参考。     

基于离散伴随的流场反演在湍流模拟中的应用

精确模拟湍流流动是学术界和工业界均普遍关注的问题。采用数据驱动湍流建模的思路,建立了基于离散伴随方法的流场反演框架。通过为SA模型涡黏性输运方程的生成项乘以非均匀分布的系数,并利用有限的观测数据对该系数进行推断,实现对SA模型的修正。为了提高带有物理约束的离散伴随优化的效率,发展了约束增广的伴随方法,其高效性在本文得到了验证。选取了结冰翼型和周期山2个分离算例进行分析,所得结果在2个算例中均能以很高的精度拟合观测数据,并能借助湍流模型的修正将有限的观测信息泛化到整个流场。分析表明,流场反演所推断出的修正区域具有较为明确的物理意义,能够指导湍流模型的进一步改进。     

流体力学深度学习建模技术研究进展

深度学习技术在图像处理、语言翻译、疾病诊断、游戏竞赛等领域已带来了颠覆性的变化。流体力学问题由于维度高、非线性强、数据量大等特点,恰恰是深度学习擅长并可以带来研究范式创新的重要领域。目前,深度学习技术已在流体力学领域得到了初步应用,其应用潜力逐渐得到证实。以流体力学深度学习技术为背景,结合课题组近期研究结果,探讨了流体力学深度学习建模技术及其最新进展。首先,对深度学习技术所涉及的基本理论做了介绍,阐释流场建模中常用深度学习方法背后的数学原理。其次,分别对流体力学控制方程、流场重构、特征量建模和应用等几个典型的人工智能与流体力学交叉问题应用场景所涉及的深度学习技术研究进展进行了介绍。最后,探讨了流体力学深度学习建模技术所面临的挑战与未来发展趋势。     

基于卷积神经网络的深度学习流场特征识别及应用进展

深度学习架构的出色性能使得机器学习在流体力学中的应用得到新的发展,可以应对流体力学中诸多问题和需求。卷积神经网络（CNN）强大的非线性映射能力以及分层提取信息特征的功能,使其成为当下流场特征研究不容忽视的工具。围绕这一研究前沿与热点问题,概述和归纳了这一研究领域的进展与成果。首先,对深度学习在流体力学中的发展以及卷积神经网络进行了简单的回顾。然后,从卷积神经网络能够识别特征出发,先后介绍了基于卷积的深度学习特征识别在流场预测、流动外形优化、流场可视化精度提升和生成对抗等应用方面的研究进展。最后,对深度学习在流场识别领域的应用进行了展望,为后续的研究提供参考。     

基于SST湍流模型的模拟SRM内流场数值仿真

为准确模拟固体火箭发动机燃烧室内流场,采用基于格心的迎风型有限体积法求解定常雷诺平均Navier-Stokes方程,在空间离散方法上,采用AUSM-PW矢通量分裂格式,时间推进采用三阶三步TVD型Runge-Kutta显式方法,将Ment-er F R提出的SST( shear-stress-transport)湍流模型及其改进形式用于燃烧室湍流流场的数值模拟,并将计算结果与Wilcox的和Spalart-Allmaras湍流模型进行了对比。结果表明, Menter F R的SST湍流模型计算的燃烧室内的径向速度分布与实验值吻合得最好,最大误差约为5.1%;计算的燃烧室内湍流强度分布与实验的规律一致,而其余湍流模型计算的结果与实验值有很大差异。     

A Simulation of the Mid-and Low-latitude Ionospheric Electric Fields

A theoretical model of ionospheric electric fields at mid- and low-latitudes is developed. In the geomagnetic dipolar coordinate system, the ionospheric dynamo equations were solved, and the ionospheric electric potential and electric field were derived respectively. Major parameters for the model inputs, such as the neutral winds, the densities and temperatures of electron, ions and neutrals, are obtained from empirical models. The global ionospheric electrical potential and field at mid- and low-latitudes derived from our model are largely in agreement with the results presented by other authors and the empirical model. Using our model, it is found that the diurnal component of the HWM93 wind mainly contributed to the formation of the vertical electric field, while the semidiurnal component mainly contributed to the zonal electric field. Finally, by adjustment of the input F region winds and conductivities, most discrepancies between our model and the empirical one can be eliminated, and it is proved that the F region dynamo is the most significant contribution to the electric fields.      

强γ射线参考辐射场散射影响研究

采用蒙特卡罗程序MCNP对强γ射线参考辐射场的散射特性进行了模拟,确立了辐射场实验空间内的剂量率和能谱分布。通过多种角度对屏蔽墙散射和在束散射体散射进行了细致的分析,为校准实验室钴源辐射场的实验应用和屏蔽设计提供参考。     

现场校准试验用便携式γ射线照射装置研制

固定式环境γ辐射剂量率监测仪表是承担环境连续监测任务的主要设备,这类仪表通常不便于拆卸和安装,而且送检周期较长（一周左右）,影响了连续监测点数据的连续性。为了固定式仪表的按期校准,结合蒙卡方法研制了便携式γ射线照射装置,利用PTW剂量计对辐射场进行标定,最后利用便携式照射装置对固定式环境γ辐射剂量率监测仪表进行现场校准实验。     

Dual attitude and parameter estimation of passively magnetically stabilized nano satellites

The attitude determination capability of a nano satellite is limited by a lack of traditional high performance attitude sensors, a result of having small budgets for mass and power. Attitude determination can still be performed on a nano satellite with low fidelity sensors, but an accurate model of the spacecraft attitude dynamics is required. The passive magnetic stabilization systems commonly employed in nano satellites are known to introduce uncertainties in the parameters of the attitude dynamics model that cannot easily be resolved prior to launch. In this paper, a batch estimation problem is formulated that simultaneously solves for the attitude of the spacecraft and performs parameter estimation on the magnetic properties of the magnetic materials using only a measurement of the solar vector. The estimation technique is applied to data from NASA Ames Research Center's O/OREOS nano satellite and the University of Michigan's RAX-1 nano satellite, where clear differences are detected between the magnetic properties as measured before launch and those that fit the observed data. To date this is the first known on-orbit verification of the attitude dynamics model of a passively magnetically stabilized spacecraft.