融合物理的神经网络方法在流场重建中的应用

神经网络融合物理先验知识能极大提高其拟合复杂变量的能力,其中融合神经网络和物理控制方程的物理融合神经网络模型（physical-informed neural network, PINN）,赋予传统神经网络所不具备的先验知识和可解释性。结合课题组对PINN方法的研究和应用,本文介绍了融合N-S方程的PINN神经网络模型预测能力。首先借助三维超声速槽道湍流的直接数值计算数据,耦合神经网络和可压缩N-S方程,应用PINN方法对槽流的瞬时流场的物理量进行预测,并对瞬时量及其统计平均值与DNS对应结果进行对比来验证训练所获PINN模型的可靠性。其次,借助不可压缩圆柱绕流与三维可压缩槽道流动的计算数据,利用PINN模型进行了N-S控制方程待定系数与待定项的重建,结果显示其在重建流场流动信息的同时可逼近方程的待定系数。研究结果证实了PINN方法可为建立流动物理模型提供工具和算法支撑。     

开裂式阻力方向舵流固耦合机理分析

为了探究阻力方向舵开裂状态下的流场形态和流固耦合运动机理,采用计算流体力学(CFD)方法开展了不同开裂角下的二维阻力方向舵的流场计算。基于动力学模态分解(DMD)方法对各流场进行模态分解,分析了各模态的流动特征及频率变化。结果表明,在20°开裂角的范围内,机翼绕流的流场结构以开裂区内的驻涡及后缘脱落涡为主,流场各阶模态频率随来流速度的增大而增大,随开裂角的增大而减小。同时,对不同开裂角的二维翼型开展了流固耦合计算。结果表明,随着折减速度的增加,系统的流固耦合运动形式由涡致振动发展为流动失稳,系统的失稳边界随着开裂角的增大而提高。     

无人机高机动抗扰轨迹跟踪控制方法

针对传统的四旋翼控制方法在高机动飞行时控制效果不佳,难以跟踪机动性较强的轨迹且控制精度较低的问题,设计了基于增量非线性动态逆控制(INDI)方法和微分平坦前馈的轨迹跟踪控制器,不仅提高了高机动轨迹的跟踪精度,也增强了抗扰能力。由于角加速度无法直接获得,该方法对其非常敏感,设计了多种角加速度估计方法进行对比,通过飞行试验选择了效果最佳的互补滤波方法。试验结果证明：设计的基于互补滤波的前馈INDI方法可以控制飞行器快速、准确地跟踪高机动轨迹,且具有较强的抗扰能力。     

FY-2C星控制分系统设计

介绍了风云二号(FY-2)气象卫星双自旋稳定控制分系统的组成、功能和技术指标,以及卫星起旋控制、章动角与摇摆角控制、敏感器设计和消旋子系统设计等关键技术.C星在轨运行情况表明,控制分系统工作正常、性能稳定,圆满完成了起旋、主动章动控制、测定姿、姿态机动、转速调整、定点捕获和天线消旋对地定向等任务,技术指标满足任务书要求.     

火箭尾喷流对带孔平板冲击流场的数值模拟

采用计算流体力学方法 ,从雷诺平均二维非定常轴对称 N-S方程出发 ,选用 Mac Cormack有限差分格式 ,对火箭喷流进行了数值模拟 ,计算结果和实验数据吻合较好。在此基础上 ,数值模拟了火箭发射时与带孔平板形成的冲击流场 ,分析了流场结构及特性     

钟形返回舱空气动力特性数值模拟

文章基于Euler方程及N－S方程的数值求解方法，对回舱亚、跨声速和高超声速的流场及气动特性进行了数值模拟，其中Euler方程数值求解采用二阶Godunov有限体积法；N－S方程数值求解采用二阶Harten-Yee格式的差分法，得到同实验值一致的物面压力、气动力系数和在不同速度范围出现的激波、流动分离及旋涡等流场特征。通过完全气体、平衡气体和非平衡气体的流场数值模拟结果分析比较，得出真实气体效应对返回舱气动力特性影响较小这一结论。计算结果表明数值模拟方法是预测返回舱气动特性的有效手段。     

借鉴双阶梯制度留住航天制造技术人才

从近期航天制造技术人才流动的特点出发,对影响人才流动的“阶梯”因素,进行了行业、竞争和结构背景的分析,并就平行平等、明确细分、信誉明示和柔性应变的原则,探讨了国际上优秀企业引才留才行之有效的双阶梯制度。     

液体亚燃燃烧室点火装置工作特性数值研究

基于气体动力学和计算流体力学的相关理论,采用CFD-ACE＋流场计算软件,对液体亚燃燃烧室点火装置单独工作时的稳态流场进行了数值模拟.在试验验证的基础上分析了点火器室压、点火导管内径和导管的结构形式对火焰点火性能的影响.结果表明：当点火器室温和燃气流量恒定时,若保持管道的扩张比不变,选用较低室压的点火器更利于点火;在一定范围内增大导管内径可以提高火焰的点火性能;燃气在直管内的流动损失较小,出口射流的速度较高,穿透深度较大,带弯头的点火导管出口火焰特征类似,有无弯头对火焰的影响很大,而角度差异产生的影响很小.