一种适用于三维混合网格的GMRES加速收敛新方法

为提高流场计算收敛效率,发展了一套适用于三维混合网格Naiver-Stokes方程求解的并行广义最小残差（GMRES）隐式时间推进方法。该方法由科学计算可移植扩展工具包（PETSc）中的Krylov子空间求解器实现,线性方程系统中的系数矩阵直接以显式给出以提高算法的稳定性。为进一步提高GMRES方法的收敛速度,对非结构网格的序号进行了重排序,使得系数矩阵的非零元素尽量向主对角线靠近。利用所发展的GMRES方法,完成了对ONERA-M6机翼、AIAA阻力预测会议通用研究模型（CRM）等算例的计算,计算结果与试验结果吻合良好。通过与其他隐式推进方法进行比较,对算法的收敛特性进行了研究。结果表明,所发展的GMRES方法计算更加稳定,残差下降速度相对LU-SGS（Lower-Upper Symmetric Gauss-Seidel）方法更快,尤其是气动力系数向着收敛解逼近的速度更加明显,提高了计算效率。     

含激波的湍流流动高精度大涡数值模拟方法

针对采用亚格子模型进行含激波的湍流流动模拟时会面临激波附近的精度损失问题,考虑从通过亚格子模型以及数值模拟方法两方面的改进来实现湍流流动大涡模拟的精度提高.大涡模拟采用了Yee及Sj(o)green (2009)提出的高阶低耗散方法.该方法采用自适应的流场探测器以控制计算中所需区域的数值耗散,并考虑对动力学模型采用在激波位置使用Sagaut和Germano(2005)提出的单边亚格子过滤器和(或)直接禁用亚格子项等方法加以改进.对于标准的马赫数1.5和3条件下的激波-湍流干扰问题,上述新方法相较于全区域采用亚格子模型的方法均表现出了相似的精度提升.同时实现的数值精度改进方案采用了Harten的亚单元分辨过程来定位和锐化激波,并在精确激波位置附近的网格点处采用了单边测试滤波.     

一种鲁棒的概率核主成分分析模型

大数据时代面临的数据维数越来越高,对数据降维处理越发显得重要。经典的主成分分析模型已被证明是一种有效的数据降维方法。但它在处理非线性、存在噪声和异常点的数据时存在效果较差的问题。对此,文章提出了一种鲁棒概率核主成分分析模型。该模型将核方法与基于高斯隐变量模型的极大似然框架相结合,用多元 t分布作为先验分布,以同时解决主成分分析在这 3个方面的弊端。提出混合鲁棒概率核主成分分析模型,使其可直接用于对混合的非线性数据进行降维和聚类分析。在不同数据集上进行的实验结果表明,与标准的混合概率核主成分分析模型相比,文中模型在数据聚类方面有更高的准确率。     

命中精度Bayes推断中基于P值的验前可信度建模

在对散布参数验前可信度的定义与必要性进行分析的基础上,给出了给定散布参数（方差）的P值计算模型,构建了一维散布分析时验前分布可信度的P值模型,给出了验前P值与验前可信度的定义,并对其变动情况进行了阐述,给出了验前分布的拒绝条件.对二维散布分析条件下的验前可信度分析,分别构建了验前P值的独立求解模型和集成求解模型.并从0.05,0.2,0.4区分的数据区间,给出了验前分布选择的原则和要求.基于案例比较可见,验前可信度能较为显著地完成验前分布的差异化比较,相对现有的仅对验前可信度的定性说明,基于P值的验前可信度建模与计算,不仅能完成验前可信度的量化计算,而且能从概率的角度对验前分布选择的正确性进行假设检验.      

激光表面处理技术在复合材料胶接维修中的应用研究

随着复合材料在飞机结构上使用量的增加,如何有效地修复复合材料在使用过程中出现的表面划伤、分层、穿孔等损伤已经成为研究的重点。胶接维修是应用最为广泛的复合材料修复技术,而其中涉及的复合材料表面处理是保证其性能的重要前提。传统复合材料表面处理技术存在维修可控性低、重复性差、纤维容易损伤等缺点,而激光表面处理技术以其绿色、环保、可控性高等优势克服了传统清除工艺中的种种弊端。本文综述了近年来激光表面处理方法、激光表面处理机理以及激光技术在复合材料胶接维修方面的应用,并对其未来的应用进行了展望。     

EASA民机试飞员和试飞教员管理方法研究

深入研究了西方成熟的适航管理机构欧洲航空安全局(EASA)对于民机试飞员的资质进入条件、执照管理、资质培训和技术保持等要求,以及试飞教员的权利和条件等要求,总结出EASA最核心的试飞员和试飞教员管理思想。     

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。     

高超声速全机外形气动加热与结构传热快速计算方法

发展了一种无黏流场解与工程计算方法相结合的高超声速全机外形气动加热与结构传热快速计算方法。该计算方法结合了三维块结构网格无黏流场数值计算技术可处理复杂外形流动的优点与工程计算方法效率高的特点,将气动热的计算简化为绕飞行器的无黏外流(边界层以外)数值解和边界层内热流求解两个部分,同时耦合了防热结构传热计算模型、高温化学非平衡热效应估算方法以及弹道状态动态插值方法,可用于快速计算与分析三维复杂外形高超声速飞行器在弹道飞行状态下全机热环境参数、防热结构内温度场等随飞行时间的变化特性。以RAM-CⅡ、类Ⅹ-37B等典型高超声速飞行器为研究对象,在设定的飞行条件及热防护方案下,进行了气动加热与结构传热问题的求解,给出了全机表面热流密度与防热结构材料温度的时变特性。结果对比表明,所发展的方法具有快速、高效的特点,且计算精度可满足工程设计初期选型需求,可为高超声速飞行器的热防护系统初期设计及热环境特性快速计算分析提供技术支持。     

基于深度学习的混合翼型前缘压力分布预测

提出了一种基于深度学习的混合翼型前缘压力分布预测方法,通过对翼型几何特征提取、压力分布曲线的参数化,建立了卷积神经网络模型（CNN）,并利用计算流体力学（CFD）的计算结果作为其训练样本,实现对混合翼型前缘压力分布的预测。结果表明:两种方法计算结果的拟合优度大于0.98,基于深度学习的计算方法耗时1.7 s,CFD方法耗时大于50 s,计算时间大大缩短。该方法能够在满足计算精度的条件下提高计算效率并可应用于其他的翼型设计过程。      

气压高度误差对适航标准的符合性方法研究

运输类飞机适航标准规定了气压高度误差的可接受范围,按照条款要求,表明符合性时需要将试验高度处的气压高度误差向海平面进行换算。相比ERJ、ARJ在适航审定试飞时采用的等静压误差处理方法,本文从是否考虑压缩性的角度出发,建立了适用性更高的气压高度误差转换方法,并通过某型飞机试飞结果分析进行了验证与说明。