肋开孔高度对大宽高比矩形通道流动传热的影响

为了获得大宽高比矩形通道内开孔肋的流动与传热特性,采用数值模拟的方法在开孔肋的肋高e/Dh=0.188、开孔率β=0.131时研究了通道的摩擦系数、努塞尔数等参数随孔排高度和雷诺数的变化规律。结果表明:与实体肋相比,开孔肋能够减小通道的摩擦系数并提高其壁面温度分布的均匀性,但是传热增强因子有所减小;随着孔排高度的提升,通道的摩擦系数单调减小,壁面温度分布的不均匀度增大,而传热增强因子则先增大后减小,因此存在一最优孔排高度(h/e)opt=0.65使开孔肋的强化传热综合指标达到最大值;随着雷诺数的增大,开孔肋通道的摩擦系数缓慢减小、换热逐渐增强,这与实体肋的变化规律是类似的。     

竖直矩形通道内超临界正癸烷振荡特性的大涡模拟

基于超临界碳氢燃料的主动再生冷却被认为是超燃冲压发动机最具前景的热管理方法之一.本研究利用大涡模拟数值方法探究矩形通道内超临界碳氢燃料初始流动传热的瞬态变化规律的,证实了超临界振荡效应的存在,即温度和速度分布波动性较强.通过监测10-4 s时间尺度下的速度变化规律,发现振荡有着近似三角函数式的频率和振幅.冷却通道被加热...     

一种无人机自主避障与目标追踪方法

针对无人机自主避障与目标追踪问题,以深度Q网络(DQN)算法为基础,提出一种多经验池深度Q网络(MP DQN)算法,使无人机避障与追踪的成功率和算法的收敛性得到优化。更进一步,赋予无人机环境感知能力,并在奖励函数中设计了方向奖惩函数,提升了无人机对环境的泛化能力以及算法的整体性能。仿真结果表明,相较于DQN和双重DQN(DDQN)算法,MP DQN算法具有更快的收敛速度、更短的追踪路径和更强的环境适应性。     

攻击角度约束下的分布式强化学习制导方法

为提高导弹在攻击角度约束下对目标的打击效能,提出了一种基于深度确定性策略梯度算法的分布式强化学习制导策略。为了最大限度地减小攻击角度误差,设计了一种新的奖励函数,使导弹在满足视场角约束的同时,视线角向期望值收敛。此外,为了增强强化学习模型的泛化能力,提出了一种分布式探索策略,提高了模型训练过程中对环境的探索效率。仿真结果验证了所提出的分布式强化学习制导方法能够在固定攻击角度约束下实现对目标的精准打击。与传统制导律相比,所提制导方法的攻击角度误差更小,收敛速度更快。     

基于深度迁移强化学习的无人机投放自主引导机动控制算法

针对无人机精确投放引导问题,本文提出基于深度迁移强化学习的无人机投放自主引导机动控制算法,分别建立基于马尔可夫决策过程的引导机动决策模型、引导机动评估模型等,并设计基于迁移学习和课程学习的引导机动策略训练方法,拟合基于深度学习的引导机动策略和评估网络,最后开展仿真训练和验证试验。仿真结果表明,该算法实现了无人机在任意姿态和位置条件下,能够自主规避区域威胁并自主引导至目标投放点,成功完成投放瞄准任务,有效地提升了无人机投放引导机动控制的自主性。     

基于多智能体强化学习的无人艇集群集结方法

为解决数量不定的同构水面无人艇(USV)集群以期望队形协同集结的问题,提出一种基于多智能体强化学习（MARL）的分布式集群集结控制方法。针对USV通信感知能力约束,建立集群的动态交互图,通过引入二维网格状态特征编码的方法,构建维度不变的智能体观测空间;采用集中式训练和分布式执行的多智能体近端策略优化(MAPPO)强化学习架构,分别设计策略网络和价值网络的状态空间和动作空间,定义收益函数;构建编队集结仿真环境,经过训练,所提方法能有效收敛。仿真结果表明：所提方法在不同期望队形、不同集群数量和部分智能体失效等场景中,均能成功实现快速集结,其灵活性和鲁棒性得到验证。     

强化扩散传质过程有势外场与化学势场的协同

半导体温差发电是电场、温度场相互作用及协同条件下电荷输运的结果,对传递过程中各种场相互作用及协同的研究是必要的。论文在等温等压下,提出了扩散传质推动力是系统的广义化学势梯度。由于广义化学势包含系统的原化学势及外场势,因此,广义化学势梯度不仅与外势场梯度和化学势梯度的大小有关,而且还与它们的方向有关。论文由此讨论了二组份系统外势场梯度和化学势梯度之间的协同关系,并得到有外势场存在时影响传质的场作用因子λ,认为外势场梯度和化学势梯度之间的夹角越小,它们之间的协同关系越好,传质就能够得到强化。