基于二进制粒子群算法的战时航空网络规划研究

领空作为国家资源的一部分,其使用、调配关系到国家的安全与发展,在战时,将更多的空中资源调配给军航使用,有利于保障军事行动的顺利进行。基于此,提出一种基于二进制粒子群算法(BPSO)的战时航空网络规划方法。首先,对航空网络建模,收集航班数据;其次,建立航空网络性能评价体系;然后,以使用尽可能少的民航机场维持预期网络性能为目标,以作战意图和战场环境为约束条件,通过BPSO 算法进行求解;最后,进行仿真分析。结果表明:该方法能够结合作战意图、反映战场环境、合理调配航空资源,为战时航空管制工作提供决策依据。     

扰流环对粉末发动机燃烧流动影响的数值模拟

为了提高粉末火箭发动机的燃烧效率,通过数值模拟方法研究了扰流环的有无、通径及位置对燃烧室燃烧流动特性的影响。结果表明:扰流环会增强Al颗粒和气相的掺混和换热程度,促进Al颗粒蒸发和燃烧,从而提高粉末火箭发动机的燃烧效率。当扰流环通径比在0.538~0.846范围内时,扰流环的通径越小,燃烧效率越高;当扰流环头部距离比在0.3~0.8范围内时,扰流环位置离头部越近,燃烧效率越高。设计扰流环时,应在距离燃烧室头部30%~40%的位置布置小通径的扰流环。      

星点坐标辅助的全天区三角形星图识别算法

随着当前星敏感器视场（FOV）的增大,探测能力的提高,一帧图中拍摄到的恒星更多。但是受星敏感器光谱范围的限制及空间环境干扰影响,星等测试精度一般不高于0.2 mV。为了充分发挥当前星敏感器视场和探测能力的优势,并避免星等误差的影响,提高全天区星图识别算法在线应用的适用性,提出了一种星点坐标辅助的全天区三角形星图识别算法。该方法采用"全局初步搜索识别—局部精细匹配验证—最优结果选取"的算法思想。首先,根据星敏感器探测到的极限星等范围构建导航星表,选取亮星构建角距星表,既确保了星表的完备性,又有利于充分利用星敏感器的探测能力。然后,在三角形约束条件下进行角距匹配识别,得到一个或多个导航三角形,在该识别环节提出了非线性矢量法查找星表,既提高了定位精度,又能采用单精度数据类型降低存储空间。最后,提出局部天区星点坐标匹配算法进一步消除冗余匹配,同时又识别出视场内更多的观测星,有利于提高识别率和定姿精度。试验结果表明,与其他一些经典的星图识别算法相比,所提算法在识别率和星表容量方面更有优势。识别率可达99.9%,且随着星等的增加,存储容量增加的最少。所提算法更加适于大视场、高星等敏感范围的星敏感器在线应用。     

回流燃烧室流动特性试验

为了揭示有/无燃烧状态下燃烧室热态和冷态流场的特征和流动特性,针对某型回流燃烧室单头部试验件,使用粒子图像测速仪（PIV）,测量燃烧室燃烧状态下不同截面处的热态流场,以及没有燃烧状态下不同截面处的冷态流场,探讨不同总压损失系数对回流燃烧室热态/冷态流场特征及流动特性的影响。研究表明:随着总压损失系数的增大,冷态条件下各截面流场结构基本保持不变,如射流孔穿透深度、射流角度、回流区位置及大小、流线等基本保持一致,但是各位置点速度大小逐渐增大。热态条件下各截面流场随着总压损失系数增大,流场结构也基本保持不变;相同总压损失系数时,热态流场与冷态流场存在差异,燃油喷射与气流的相对运动将会对燃烧室头部的流场结构造成影响,速度较冷态流动时略微增大。      

空气辅助喷射闪急沸腾喷雾特性试验

在定容弹内利用高速相机和相位多普勒粒子分析仪（PDPA）研究了环境压力和燃油温度对空气辅助喷射系统喷雾特性的影响。试验环境压力的变化范围为0.01MPa到0.1MPa,燃油温度的变化范围为25℃到100℃。试验结果表明:随着环境压力的减小,燃油喷雾逐渐从冷态过渡到闪急沸腾状态,在喷嘴出口处喷雾气泡急剧增加。当环境压力小于0.02MPa时,喷雾处于闪急沸腾状态,液滴速度增加,粒径减小,在喷雾近端出现喷雾膨胀现象;随着燃油温度的上升,液滴表面张力减小,液滴易于破碎。当燃油温度达到100℃时,喷雾处于闪急沸腾状态,喷雾远端出现喷雾膨胀现象。      

航空发动机吞砂试验标准砂与典型沙粒形貌对比分析

航空发动机工作时吸入沙粒会对发动机造成伤害。针对军标中未规定吞砂试验用砂粒的形貌特征问题,提出砂粒形貌特征的统计表述方法——数字图像获取、砂粒圆度(砂粒图片实际面积与其外接圆面积之比)分析、标尺对比与观察统计、振动转换与跟踪、统计指标比较,选取中国南海(海南)、东海(厦门)、腾格里沙漠和塔克拉玛干沙漠等典型地区的沙粒与美国标准砂的形貌特征进行了对比分析。试验表明:利用标准砂进行航空发动机吞砂试验时发动机的损伤最严重,即按照军标要求采用标准砂进行吞砂试验能够保证发动机具有足够的安全裕度。     

基于深度神经网络的粒子图像测速算法

粒子图像测速(PIV)作为一种流体力学实验技术,能够从流体图像中获取全局、定量的速度场信息。随着人工智能技术的发展,设计用于粒子图像测速的深度学习技术具有广泛的应用前景和研究价值。借鉴在计算机视觉领域用于运动估计的光流神经网络,采用人工合成的粒子图像数据集进行监督学习训练,从而获得适用于流体运动估计的深度神经网络模型,并且能够高效地提供单像素级别分辨率的速度场。文中采用人工合成的湍流流场粒子图像进行初步实验评估,并讨论PIV神经网络的隐藏层输出和内在原理,同时将训练而成的深度神经网络模型与传统的相关分析法、光流法对比;随后进行射流流场测速实验,验证深度神经网络PIV的实用性。实验结果表明,文中提出的基于深度神经网络的粒子图像测速在精度、分辨率、计算效率上具有优势。     

飞行仿真气动力数据机器学习建模方法

基于机器学习思想,提出了一种大空域、宽速域的气动力建模方法。该方法利用飞行仿真弹道数据辨识的气动力数据,采用人工神经网络技术,实现了对高度、速度、姿态和舵偏角等多维度强非线性特性的全弹道气动力数据的高精度逼近。首先,分析了神经网络层数、隐含层神经元个数等对建模误差的影响,通过对典型弹道气动数据的神经网络建模计算,确定了较合适的神经网络层数和较优的隐层神经元个数。进而,利用飞行仿真的弹道数据辨识出沿弹道的气动力,采用神经网络建立了包含多个弹道融合的气动力模型,输出量分别为三轴气动力系数和力矩系数。最后通过气动模型输出量与原样本数据的对比,以及4条未参与训练弹道气动数据的预测,验证了该气动力建模方法具有较高的精度。建模结果表明:采用神经网络方法建立的飞行器气动力模型,对拟合多源耦合输入全弹道非线性气动力是可行的和有效的,在样本覆盖的高度、速度、姿态和控制舵偏角范围内,气动力拟合能力较强,并具有一定的外推性。该项研究可以为基于飞行试验数据的气动建模提供新的方法,并且能为飞行器气动力数据挖掘、飞行仿真和总体性能分析提供参考。     

新概念机翼尾流特性实验

大型飞机常采用开启襟翼以增大机翼升力系数,实现较大迎角的起飞和降落,而机翼在大迎角状态下,翼尖会产生能量集中且自由消散时间长的飞机尾涡,严重影响后续起降飞机的安全。基于Rayleigh-Ludwieg不稳定性,提出一种新概念飞机襟翼布局,通过水槽实验发现:新概念布局的襟翼对翼尖涡的消散具有明显的促进作用,不同参数组合下襟翼涡对翼尖涡的运动特性和能量变化的影响均有不同。实验结果也为飞机尾流控制的研究提供了参考,在满足飞行力学设计的基础上,合理运用增升装置构建四涡系统可以有效促进飞机尾流的消散,提高机场飞机起降效率。     

复合固体推进剂细观结构建模及脱黏过程数值模拟

为研究复合固体推进剂损伤演化规律,基于分子动力学颗粒填充算法构建了HTPB(hydroxyl terminated polybutadiene)推进剂细观结构模型,通过在AP(ammonium perchlorate)颗粒/HTPB基体界面处引入黏接接触替代传统的黏接单元,并基于Hooke Jeeves的参数优化算法反演得到颗粒/基体界面处内聚力模型参数,利用双线性和自定义指数型损伤内聚力模型模拟了AP颗粒和HTPB基体黏接界面处损伤的萌生、发展、聚合直至宏观裂纹破坏的过程。通过数值仿真与实验结果对比发现,指数型损伤内聚力模型比双线性模型能更准确描述推进剂单轴拉伸过程中颗粒与HTPB基体界面间脱黏过程。最后对比了多阶段加载实验结果与仿真结果曲线,发现两者变化趋势基本一致,最大偏差仅为10%,验证了所建细观模型的可靠性及反演所得界面参数的准确性。