不同云微物理方案对飞机结冰气象条件预测评估分析（英文）

飞行安全在复杂气象条件下易受结冰影响而受到威胁。能够结合地形特征并准确预测结冰气象条件是保障飞行安全的重要因素。本文利用中尺度天气预报模型模式，以4种不同的云微物理方案组合对美国华盛顿山地区的两次结冰事件进行了数值模拟。结果表明：预测的液态水含量和温度与现有文献匹配较好，而Morrison方案组合在误差分析中表现最佳。此外，讨论了水平分辨率和云微物理方案对液态水含量和云中液滴平均有效直径预测的敏感性。由于地形所引起的垂直运动是产生云水的主要动因，较高的水平分辨率能够做出更为准确的预测。最后利用IC指数对结冰强度进行了分析，表明结冰严重程度具有明显的时空多变特性，以及对云微物理方案的敏感性。本文工作有望加强对云微物理方案的理解和认识，并为选择适合的云微物理方案进行结冰天气预测提供了依据。     

空间物理学科发展战略研究

空间物理学是人类进入空间时代后迅速发展起来的一门新兴的多学科交叉的前沿基础学科。其将太阳和太阳风控制的日球层空间作为一个系统，研究太阳/太阳风与行星/彗星的上层大气、电离层、磁层乃至星际介质之间的相互作用。空间物理学从本质上讲是一门实验科学，空间物理探测是空间物理学发展的基础。进入新世纪，随着空间基础设施和人类高技术活动的日益频繁，空间物理学进入新的发展阶段，强调科学与应用的密切结合。近年来，空间物理学取得了一系列重要进展。本文对接国家自然科学基金委地球科学部“宜居地球-地球系统科学”的顶层战略设计，梳理总结近年来空间物理各学科发展动态和趋势，凝练中国空间物理学未来发展的重点领域，优化学科布局，推进空间物理各学科的高质量发展。     

基于物理信息神经网络的气动数据融合方法

为了解决训练传统深度神经网络对大数据的依赖问题，气动数据中包含的物理结构信息需要被充分利用。物理信息神经网络（physics-informed neural network, PINN）是一种非监督的学习算法，采用深度神经网络直接逼近流场偏微分方程的解，因此适用于气动数据的建模。然而训练PINN时，损失函数反映的是抽样点处神经网络所拟合的偏微分方程值的偏差，对于复杂的非线性偏微分方程，这一偏差不能准确反映神经网络所拟合的函数与微分方程解函数的偏差，而且用神经网络拟合初始条件和边界条件时，不可避免存在拟合误差，误差随空间和时间累计，这使PINN的建模精度相比传统的模型没有优势。为了解决这些问题，本文把PINN与流场的计算流体动力学（Computational Fluid Dynamics, CFD）仿真结果进行融合，在流场抽样点处的损失函数中增加了PINN在该点的输出与流场在该点的CFD值偏差，从而提高了神经网络的建模精度。根据CFD仿真时使用的模型，融合方式采用瞬时模式或时均模式。测试结果表明该方法能够有效提高PINN的建模精度。     

热障涂层的研究进展

主要介绍了热障涂层在现阶段的研究和应用，以及它们的组成和性能。讨论了热障涂层现有的三种涂层制备工艺和寿命预测模型，并对等离子喷涂和电子束物理气相沉积作了详细的对比，同时指出了热障涂层未来的研究方向。     

民用飞机航电数据网络带宽资源分配优化设计

民用飞机航电数据网络在设计过程中,通过对带宽资源的合理分配,来满足网络成员系统的数据传输需求.而在设计过程中,存在因网络带宽需求分布的非均匀性等因素造成的局部带宽资源不足的问题,因此需要在初步带宽资源分配结果上进行局部优化设计.提出一种通过网络带宽资源使用率最高的链路和端系统进行识别,以及进行针对性物理链路连接关系调整...     

多模态瑞利-泰勒不稳定性的离散玻尔兹曼数值研究

瑞利-泰勒（Rayleigh-Taylor,RT）不稳定性广泛存在于自然界和工程领域，认清RT不稳定性演化过程中的物理机理具有重要的理论意义和实用价值。本文利用离散玻尔兹曼方法模拟了可压缩流体的RT不稳定性现象，并利用该方法对界面连续的随机多模初始扰动的可压缩RT不稳定性进行了数值研究。研究结果表明，在温度梯度的影响下，与热通量相关的热力学非平衡强度呈现先增大后减小的趋势；在热扩散作用下，界面上的热力学非平衡强度先减小后增大，继而影响热力学非平衡区域的占比，使之呈现相同的变化趋势。最后，分析了全局平均热力学非平衡强度随时间的演化规律，发现在宏观物理量梯度和热力学非平衡面积的共同作用下，全局平均热力学非平衡强度先增后减，最后趋于稳定。不仅如此，热力学非平衡区域面积的增大（减小）会增强（减弱）热力学非平衡的强度；同时，物质界面物理量梯度的增大（减小）对全局平均热力学非平衡强度也有相同的影响，二者相互作用、相互竞争。     

空间太阳物理学科发展战略研究

太阳物理学是研究太阳上发生的物理过程及其对行星际空间环境影响的学科。太阳是人类唯一可以进行细致探测的恒星，也是天然的多尺度过程并存的等离子体实验室，同时，太阳活动直接影响日地空间环境和人类地球家园的宜居性，剧烈的太阳活动如耀斑和日冕物质抛射还会影响人类的航天航空、通信导航、电网等高技术活动与设施。因此对太阳物理的研究不仅是理解浩瀚宇宙的基石，也是理解日地联系和行星宜居性的基础，同时还是国家在航天和空间安全领域的战略需求。21世纪以来，随着卫星探测技术发展，太阳物理学进入了全新的发展阶段。本文梳理了近年来太阳物理学在空间探测中的发展态势，凝练中国太阳物理学未来空间探测发展的重点领域，优化学科布局，推进太阳物理的高质量发展。     

基于PINN的复合材料自动铺放轨迹整体规划

自动纤维铺放能有效地提高复材构件的制造效率和质量。为满足复材构件的力学性能要求及铺放质量要求，在给定曲面目标域内生成铺放轨迹时需要同时考虑转弯半径、纤维角偏差以及轨迹间距等工艺指标。现有铺放轨迹规划方法大多在对基准轨迹进行优化后，通过路径密化生成铺放轨迹。这仅能保证所生成的轨迹满足单一要求，难以整体满足多个优化目标。为实现多优化目标下的复合材料自动铺放轨迹整体规划，本文将轨迹规划问题转换成为目标域内的泛函优化问题，利用内嵌物理知识神经网络（Physics-informed neural network,PINN）实现目标函数的求解，并提取目标函数的等值线作为轨迹规划的结果。相较于现有策略，本文提出的方法能整体兼顾轨迹的方向性、可铺性以及间隙质量，为实现先进复合材料自动铺放轨迹整体规划提供新思路。     

基于物理信息神经网络的飞机气动参数辨识方法

在飞机设计与研制过程中，通过气动参数辨识建立可靠的飞行动力学模型非常重要。传统的气动参数辨识工程算法，诸如极大似然法，需要给出合理的飞行动力学模型以及待辨识参数的初值。基于传统神经网络的气动参数辨识可以避免飞行动力学建模过程，这种方法需要通过增量法、导数法间接地从神经网络提取气动参数。本文提出了一种基于物理信息神经网络的飞机气动参数辨识方法，可将含待辨识参数的飞行动力学模型作为正则项加入损失函数，直接辨识得到气动参数。该方法可以显著减少建模数据需求，也能提高建模精度。飞行仿真数据验证结果表明，该方法的无噪声、含2%噪声仿真数据，纵向飞行状态空间模型辨识最大相对误差分别为1.80%、4.64%，表明了基于物理信息神经网络的飞机气动参数辨识方法具有可行性，并对含噪声的飞行数据具有泛化性。