超燃冲压发动机前体边界层转捩风洞试验方法

吸气式高超声速飞行器前体边界层强迫转捩研究是各国高超声速研究计划的重要内容之一。本文归纳总结了美国开展Hyper-X前体边界层强迫转捩研究风洞设备的选则依据和选用的主要风洞;归纳了各风洞在超燃冲压发动机前体边界层强迫转捩试验中采用的主要测量和显示技术;分析了强迫转捩扰流装置设计过程中,风洞试验研究采用的方法。     

空天飞行器上升轨迹优化

飞行器轨迹优化是一类最优控制问题,传统的优化方法存在对初值敏感的缺陷。采用一种组合优化方法,对空天飞行器的上升轨迹进行优化。首先用遗传算法对直接打靶法离散的非线性规划问题进行全局寻优,得到初步优化结果,然后以该结果作为初值,用序列二次规划法对伪谱法离散的非线性规划问题进行局部寻优,得到最终的优化结果。结果表明,组合优化方法既解决了初值敏感问题,又有较高的优化精度,可以有效求解轨迹优化问题。     

高超声速飞行器飞行动力学特性不确定分析

 高超声速飞行器分析模型存在较大不确定性,其给出的动力学特性与真实值之间存在偏差,因此研究飞行动力学特性分析结果的可信度水平对控制系统设计具有重要意义。针对典型的乘波体构型高超声速飞行器,在建立气动/结构/推进相互耦合的动力学模型基础上,利用非概率区间来描述模型中的不确定参数,并将复特征根不确定范围求解问题转化为频率和阻尼比两个实数的不确定区间分别求解,给出了动力学模态特征根、频率及阻尼比的不确定边界。分别采用直接蒙特卡罗(DMC)模拟方法、基于泰勒展开的区间分析方法(TIAM)和基于多项式逼近的区间分析方法(CIAM)对高超声速飞行器飞行动力学不确定性进行了研究。结果表明:CIAM计算时间适中,且给出的边界更为准确、安全,适合在控制系统设计和验证过程中使用。     

弹性飞行器飞行动力学建模研究

随着飞行器结构模态频率与刚性模态频率愈加接近,弹性效应对弹性飞行器飞行动力学特性的影响变得愈加明显,特别是操稳特性将变得更加的复杂和严峻,已经不能用“刚性飞行器”的分析方法进行研究,因此迫切需要为弹性飞行器建立能够包含多学科耦合的飞行动力学模型.本文对弹性飞行器飞行动力学建模的相关研究进行了总结与发展:首先简要阐述了建立多学科耦合弹性飞行器飞行动力学模型的必要性;然后对传统的弹性飞行器飞行动力学模型进行了研究,分析总结了这些方法的优缺点;最后在此基础上提出了一种新的体轴系(瞬态坐标系),并利用拉格朗日方程和有限元思想推导了该坐标系下的动力学模型,该模型克服了传统模型的缺点,并准确自然地耦合了结构动力学、飞行动力学、空气动力学与控制等学科,较现有的模型而言,该模型能更充分更全面的描述弹性飞行器飞行过程中流场、结构、控制和飞行力学之间的交叉耦合特性.本文的研究成果可为弹性飞行器的动态特性分析提供必要的理论基础.     

高超声速楔形模型飞行流场数值模拟

针对典型的高超声速飞行器结构模型,利用COMSOL Multiphysics多物理场耦合软件对其流场进行建模仿真.研究了楔形头部对高超声速气流的影响,分析了气流流过楔形模型时的流线、压力、温度分布.对不同楔角的模型进行了模拟,观察其对气流速度分布的影响.依据数值模拟的结果对高超声速气流流场的流动特性进行了细节分析.     

风洞试验模型舵机系统研制

提高试验效率一直是风洞试验的目标之一。介绍了中国空气动力研究与发展中心新研制的风洞试验模型舵机系统。地面调试与试验验证结果表明,新系统控制精度在满足国标要求的前提下,可大幅提高试验效率,降低能耗,具有很高的推广价值。     

飞行器控制一体化技术国防科技重点实验室

飞行器控制一体化技术国防科技重点实验室,依托于北京航空航天大学和中航工业西安飞行自动控制研究所,主要研究方向为飞行器控制体制、飞行姿态控制技术和火/飞/推综合控制技术。实验室自控所分部总面积近2000平方米,固定资产原值7384万元,     

可变弯尾飞行器飞行特性研究

本文研究了可变弯尾飞行器的机动飞行问题。可变弯尾飞行器具有气动控制独特、机动范围可调等特点，是高超声速飞行器实现机动飞行的有效途径。本文通过气动力工程计算与飞行器六自由度弹道的耦合计算，研究了此类飞行器在再入过程中的机动控制和飞行稳定性。     

高超声速流动分区对接网格算法研究

本文发展了一种能适应强间断流场的满足通量守恒的分区对接网格算法，并给出了保证通量守恒的通量插值系数应满足的条件。采用有限差分NND格式，求解层流NS方程，数值模拟了马赫数6—20绕圆柱的高超声速粘性流场。数值试验表明：方法具有良好的稳定性和收敛性，强激波能自由地穿越内边界。     

遗传算法在气动力参数辨识中的应用

将遗传算法推广用于气动力参数辨识，以取代通常采用的梯度类优化算法。通过采用遗传模拟退火算法对某型飞机的纵向气动力参数进行辨识计算及分析后，可以看到：(1)遗传算法是气动力参数辨识的一种新的有效方法，该算法不受参数初值选取的影响，具有较好的全局寻优特性；(2)遗传算法的计算效率受种群规模、遗传算法构造本身等因素的影响比较大。并且还有相当大的进一步完善与改进的空间。