三角形机翼参数化有限元网格划分与调整方法

为缩短有限元建模周期,提高三角形机翼结构分析、设计与优化的效率疲,首先,以其满足预定气动性能的几何外形为输入,定义了易用的有限元节点与单元的编号规则;基于可设计的机翼内部构型参数及可变的有限元尺寸参数的设置,引入了翼肋贯穿截止准则以满足任意输入的内部构型的初步判断;借助自定义形状矩阵完成了节点布置与单元生成,进一步通过有限元网格细化完成了开口设置、翼肋贯穿位置修正及桁条建模.然后,基于已建立的有限元网格实现了内外侧副翼翼肋位置的小幅调整及旋转舵面的角度调整,以满足不同飞行状态下结构分析需求.最后,应用PCL语言开发了参数化建模模块,实例表明了方法的有效性和模块可靠性.      

基于自动有限元建模的民机机翼结构布局优化

针对民用飞机中广泛采用的双梁式机翼结构,以机翼结构纵向构件(长桁)和横向构件(翼肋)的数量为参数生成机翼CAD模型,然后基于Patran的PCL(Patran Command Language)语言,根据整体模型分割、局部模型编号、局部网格控制、整体有限元生成的思路,实现了以纵向和横向构件的数量变化为基础自动进行机翼结构有限元模型的构建及分析,并将上述流程集成到机翼结构的布局优化中.最后参照某大型民用飞机的机翼外形尺寸建立了CAD模型,以机翼的静强度、刚度和蒙皮稳定性为约束,以机翼结构质量最低为目标,对上、下蒙皮长桁和翼肋数量进行了优化.优化后的布局使机翼结构质量降低了10.1%,表明了布局优化方法的有效性和可行性.     

面向设计的飞机翼面结构有限元自动建模技术

提出一种新的飞机翼面结构分析和优化的建模技术。引入“构件属性”的概念，利用“网状”数据结构来实施管理，并将图形用户界面（GUI）技术与CAD中的基本绘图功能相结合，从而形成具有领域特色的新一代快速和在一定条件下的自动建模系统。建模举例表明：此系统操作简单、使用方便、遵循结构分析与优化建模的专业做法。     

Arcadia建模方法与SysML建模方法比较研究

基于模型的系统工程与传统系统工程相比,有着形象化、具体化、沟通效率高等多种优势。基于系统建模(System Modeling Language,简称SysML)语言进行建模用途广泛,但是通过实践,针对系统架构和系统运行场景分析,基于Sys ML的建模方法特点并不突出。而Arcadia的基于模型系统工程建模有着简单、清晰等特点,对于系统架构和系统定义均有着Sys ML所不具备的特点。通过系统设计的目标与特点,对基于Sys ML的建模方法和Arcadia方法进行比较研究和实践,总结两种方法在基于模型的系统工程领域中的优劣。     

柔性航天器的动力学建模问题

首先简单介绍了关于柔性航天器动力学建模的一些综述论文,指出了柔性航天器动力学建模的困难所在。然后,分别对柔性体变形运动的描述模型,浮动参考架的选择、动力学方程的建立和模型降阶等问题进行了探讨。     

柔性支撑控制力矩陀螺动力学建模与控制

针对柔性支撑引起控制力矩陀螺(CMG)框架控制性能下降的问题,建立了柔性支撑条件下控制力矩陀螺的动力学模型,分析了柔性支撑扰动力矩的耦合机理并给出了解析模型.据此,设计了 一种积分滑模控制策略,用于提升对CMG框架动力学特性变化和新增扰动力矩的鲁棒性.仿真结果表明,该控制策略相比传统的PID控制具有更好的动态过程和稳态...     

锥体目标空间进动特性分析及其参数提取

空间进动是弹道导弹中段飞行过程中锥体目标特有的运动特性，本文首先建立了锥体目标空间进动数学模型，给出了姿态角与空间进动参数的关系式，并利用进动参数获取了反映目标质量分布特性的惯量比。然后通过对目标RCS回波数据进行多项式拟合，估计进动参数，以此为雷达目标识别提供新的技术思路。仿真实验结果表明本文提出的算法能够有效估计出目标的进动角。     

一种电缆组件复杂度的数学建模及评估方法

针对电缆组件复杂程度描述方法的空缺、难以快速识别出电缆网中复杂电缆组件的问题,提出了电缆组件绝对复杂度和相对复杂度的概念,采用邻接矩阵存储方法对电缆组件的数据进行记录,引入Floyd算法对电缆组件相对复杂度进行了计算,建立了电缆组件复杂度的评估方法。应用提出的电缆组件复杂度的数学建模及评估方法,对某航天器整器电缆网设计进行了复杂度的识别和评估,以降低电缆组件复杂度为目标对电缆组件进行了优化。结果表明,该方法可以给出衡量电缆组件复杂程度的定量指标,快速识别出电缆网中的复杂电缆组件,可为电缆组件的优化设计提供参考。     

卫星寿命指标分配方法研究

针对卫星寿命要求如何分解的问题,提出了一种卫星寿命指标分配的方法,在确定卫星耗损寿命要求的基础上,通过开展寿命建模,开发了一种基于蒙特卡罗仿真迭代的寿命指标分配算法,实现了卫星寿命指标的量化分解。该方法可在当前卫星寿命设计工作中推广应用。最后,文章对卫星长寿命设计工作提出了相关建议。     

智能赋能流体力学展望

人工智能（AI）是21世纪的前沿科技,流体力学如何在智能化时代焕发青春是值得本领域研究者思考的话题。从智能赋能流体力学角度,就其研究内涵、研究内容、近期研究及难点进行了总结,并对智能流体力学未来的发展进行了展望。研究指出,流体力学计算或试验中所产生的数据是天生的大数据,如何通过深度神经网络、随机森林、强化学习等机器学习方法来利用这些数据,缓解甚至替代理论和方法层面对人脑的依赖,挖掘新的知识,成为一种新的研究范式;相关研究将涵盖流动控制方程的机器学习、湍流模型的机器学习、物理量纲分析与标度的智能化以及数值模拟方法的智能化;借助人工智能技术,发展流动信息特征提取与多源数据融合的智能化是流体力学发展的迫切需求;研究内容应至少涵盖海量数据挖掘方法以及多源气动数据的智能融合;发展数据驱动的流体力学多学科、多物理场耦合建模与控制是工程应用的迫切需求,相关工作涉及多场耦合建模、气动外形智能优化设计以及流动智能自适应控制等方面。