湍流数据同化技术及应用

近年来数据同化（DA）被引入湍流动力学研究中,通过融合实验测量和数值计算,提高了实验测量的精度和广度,改善了数值模拟的预测性能。实验观测、预测模型和同化算法是数据同化的三要素,湍流研究中的实验观测包括热线风速仪、粒子图像测速法（PIV）、压力传感器等局部测量数据,预测模型主要指流动控制方程及湍流封闭方程,而同化算法包括贝叶斯推断、集合卡尔曼滤波（EnKF）、伴随等。稳态数据同化一般结合雷诺平均Navier-Stokes （RANS）模型方程,从重新标定模型常数、修正涡黏模型方程形式误差、修正雷诺应力项等方面着手。非稳态的数据同化一般包括四维变分（4DVar）等时间连续的数据同化方式以及顺序数据同化。4DVar通过时间正向和逆向积分迭代,存储量和计算量都非常大。顺序数据同化不需要时间逆向积分,可以在若干时刻对实验观测进行间断地植入,正向求解整个系统。另外,随着人工智能的飞速发展,湍流数据同化研究也向智能化迈进。对于纯数据驱动的湍流机器学习,其缺乏物理本质的约束,而基于物理信息的机器学习在物理本质上与数据同化是一致的。     

FlowStar:国家数值风洞(NNW)工程非结构通用CFD软件

计算流体力学（CFD）仿真软件是流体相关的数学物理知识和工程实践经验的数字化表达,是工业数字化转型的重要助推。然而,大型工业CFD软件研发难度极高,需要同时兼顾功能多样、系统稳定、性能优越、交互友好等特征。依托国家数值风洞（NNW）工程,研发出一款通用流场模拟软件NNW-FlowStar,并在航空、航天等工业部门大力推广使用。软件基于非结构有限体积求解方法和大规模并行计算技术开发,结合现代化软件工程思维设计,具备先进的数值方法、高效的计算效率和友好的用户操作界面,可满足各类复杂外形的高效气动模拟。独特的重叠网格技术配合六自由度运动模块,可帮助实现武器分离、舱门定轴转动等各类气动-运动协同仿真需求。多类标模案例和复杂工程应用表明,FlowStar软件算法鲁棒、精度可靠,是一款高精度、高效率、高可靠性的通用CFD仿真软件。通过对软件的架构设计和功能应用进行介绍,使相关从业人员能更好地了解FlowStar软件,最终促进国产自主CFD软件生态的良性发展。     

两自由度球面并联机构动力学分析(英文)

运用旋量理论的方法推导出两自由度球面并联机构的速度、加速度解析表达式,在此基础上依据虚功原理和旋量的互易积形式建立了该机构的动力学模型,得到了两驱动电机的驱动转矩方程.通过对动力学模型的变换,获得了动力学方程的形位空间模式及相关系数.通过一个实例表明,动力学方程中的惯性系数和重力项占有的比重较大,而哥氏力系数和离心力系数占有的比重较小,他们在数值上相差一个数量级.但是否可以忽略后者需要判断速度的大小,只有当机构运动速度较小时才可以将哥氏力和离心力忽略.     

模糊温度控制系统在橡塑制品硫化工艺中的应用

根据橡塑制品的特点,以PLC为中心,在温度控制系统中应用PID 模糊抑制超调技术,研制一套平板硫化机模糊温度控制系统,提高硫化温度的精度,试验结果表明,所研制的系统能够全自动进行橡塑产品的硫化,操作方便,控制简单。     

基于仲裁环的光纤通道性能分析

随着航空电子系统的发展,光纤通道技术正在逐渐取代传统的总线型通信网络。仲裁环作为一种经济的光纤通道拓扑结构,目前得到了较广泛的研究。本文利用OPNET modeler建立了光纤通道仲裁环及其节点状态机模型,并通过仿真对基于仲裁环的光纤通道性能进行了分析,为深入研究光纤通道奠定了理论基础。     

基于大规模并行D-W分解算法的空中交通短期流量管理模型研究

针对空中交通短期流量管理问题,给出了整机型的空中交通短期流量管理模型(ST-TFMP)。运用大规模并行的D-W分解算法,结合数据仓储技术,快速解决了航班延误最小问题。同时对算法的计算性能进行了计算估计和实验分析。通过对实际终端区流量进行仿真计算,仿真结果验证了本文提出的并行算法的合理性。     

风力机叶型增升技术

介绍了利用栅片改善风力机叶型大迎角下气动性能的研究结果。通过对风力机专用翼型的数值模拟,研究了栅片对翼型流动分离的控制效果,并在数值模拟结果的基础上对栅片进行基因算法优化。优化过程采用多岛基因算法,以N-S方程为控制方程,以升力最佳为目标,对栅片进行多参数优化。结果表明:栅片可以有效控制翼型的失速特性,抑制翼型大迎角下的流动分离,推迟失速攻角和增加升力;基因优化算法能更大地提升栅片的控制效果。     

SVM和神经网络在电能质量扰动分类应用中的对比

提出了一种电能质量动态扰动特征向量的提取方法,分析比较了多种分类器对电能质量动态扰动的分类能力。首先采用小波包分解算法对电能质量信号某一频段内的信息进行精细分解从而提取出特征向量,然后针对该特征向量构造了相应的BP神经网络、学习向量量化(Learning vector quantization,LVQ)神经网络、自组织特征映射(Self-organizing map,SOM)神经网络及支持向量机(Support vector machine,SVM)分类器,并模拟实际电网中的复杂扰动信号提取其特征向量集,对多种分类器的分类能力进行对比。仿真结果表明,在较复杂的电能质量扰动情况中,支持向量机分类器仍能实现对信号的精确分类,对电能质量监测具有很好的应用价值。     

飞行控制用无刷直流电动机的优化设计

飞行控制中机电作动系统的发展是全电飞机的重要技术之一,而高速大功率密度的无刷直流电动机是其中的关键部件.为解决无刷直流电动机设计中的非线性优化问题,提出了使用遗传算法进行优化设计.为解决无刷直流电动机多目标优化问题,采用了多目标函数变量加权法,将多目标函数变成单目标函数进行优化计算.在计算中,为达到无刷直流电动机全局优化的目的,采用随机产生离散初始种群及随机交叉操作和变异操作方法.但由于采用随机交叉和变异操作,优化结果始终是发散的.为此采用优秀个体保护策略,加快了优化设计的收敛.在满足技术要求的前提下,通过计算达到了减小电机的体积重量、减小转子转动惯量及机电时间常数、提高无刷直流电动机功率密度的目的.      

按区域惩罚划分的并行多目标遗传算法

解决多学科设计优化问题的多目标遗传算法通常面临着大计算量的挑战,提出了一种新型的并行化算法来提高其效率.全局个体均匀的分布在各个进程,首先从所有的进程中获取全局范围的Pareto最优解极值,并发送给每个进程,再由这些极值来构造各个进程自己的惩罚函数.通过惩罚函数给个体添加约束来划分各个进程的收敛区域,同时采取优化措施保证每个进程加速收敛并且收敛区域没有重叠和遗漏,这样每个进程只需收敛到特定的一段Pareto最优解,降低了计算量;同时由于进程间交换的数据量小,保证了效率的提高.通过与串行算法(NSGA2)和其他的并行化算法比较,显示了该算法的有效性和先进性.