基于NURBS方法的机翼气动外形优化

飞行器气动外形优化就是将设计对象的空气动力学性能分析与最优化方法相结合,通过不断改变设计对象的外形,使其气动性能在满足一定约束条件下达到最优.气动外形优化是一个涉及几何参数化、动网格、流场计算和寻优算法的综合应用平台.随着计算流体力学(CFD)的发展以及高性能计算机的使用,气动外形优化在现代飞行器设计中的作用愈加重要....     

大展弦比机翼气动外形设计方案研究

根据传统机翼气动外形设计的方案,结合CAD与CFD软件,本文提出了一套机翼气动外形设计流程,包括翼型选择、机翼平面参数确定、建立三维机翼外形模型、流场网格划分和典型飞行条件下的气动计算等多个部分。依据该流程,完成了一个满足设计指标的无人机大展弦比机翼外形的设计,充分说明了该机翼气动外形设计流程的技术可行性。     

飘忽不定的彗星

一般的天体都是晶莹可爱的光点，但有时天上也会出现毛发悚然的“怪物”，它那淡淡的银光常常还拖着一条摇弋不定的长尾，这就是古人十分惧怕的彗星。     

保外形进气道研究及应用现状北大核心

为解决常规外露式进气道给飞行器带来的飞行阻力增大和隐身能力变差的问题,对保外形进气道的几种设计思路进行了探讨。重点综述了埋入式进气道的设计思想、研究与应用现状,分析了将保外形进气道应用在高速大机动战术导弹上的主要难点和亟待解决的问题。最后对埋入式进气道在战术导弹上的应用前景进行了展望。     

宽速域乘波构型设计方法研究综述

乘波体是一种典型的高速气动构型,由于高升阻比和均匀的下表面流动等特性使其成为机身/进气道一体化设计的理想构型。随着对乘波体设计方法的不断研究,提高乘波体在非设计条件下的气动性能,实现乘波体的宽速域飞行成为乘波体实用化的一个重要研究方向。将目前的宽速域乘波体设计方法分成变马赫数、多级组合和涡波结合3种类型,并详细介绍了这些方法的设计过程,分析了设计方法的优缺点。     

便携式多用途导弹方案设想

提出了一种便携式多用途导弹方案的设想。根据确定的设计理念,给出了刚性（捷联）制导系统中的目标探测装置、控制系统,引战系统中的引信、战斗部,以及电源系统和动力系统。讨论了制导舱、引战舱、动力舱等各舱段以及部位安排。介绍了导弹气动外形、战技指标、作战过程和关键技术。     

末敏子弹气动外形设计与气动特性分析

设计了一种轴向折叠尾翼的末敏子弹气动外形,给出了尾翼的布局方式。对设计的三片尾翼末敏子弹气动外形进行了风洞实验和数值模拟。实验和数值模拟结果表明:三片尾翼的末敏子弹增阻效果明显,并能够提供一定的滚转力矩。流场计算结果表明:流场随迎角的变化很大,且翼体干扰严重。对圆柱部弹身和尾翼的压力系数分析结果表明:尾翼的存在提高了圆柱部、尤其是圆柱部尾部的压力,弹体的存在降低了整个尾翼迎风面,尤其是翼根部的压力,这种翼体干扰现象对于提高末敏子弹的静稳定性有益。     

折叠翼变体飞行器非定常气动特性实验研究

折叠翼变体飞行器是一种可以在飞行中改变自身气动外形的新型飞行器。研制出了一种折叠翼变体飞行器的风洞实验模型,在风洞实验中测得了模型不同变体位置下的气动力以及进行变体运动时气动力的动态变化过程,并通过 PIV 实验手段获得模型周围的流场在变体运动过程中的变化情况。结果表明:在机翼变形过程中,折叠翼模型有明显的非定常气动现象产生,而且折叠变形的速度越大,非定常现象越明显。出现非定常现象的主要原因是变体运动对机翼前缘涡的影响。     

机翼-机身-短舱-挂架外形气动优化设计方法

采用基于径向基函数的无限插值方法进行了复杂外形的动网格生成,并针对其存在的可能导致壁面附近出现负体积与网格质量下降的问题,提出对不与物面直接相连的边的位移采用径向基函数插值,对与物面相连的边的位移进行线性插值获得位移量的方法解决该问题.采用无限插值方法建立了一种简单有效的物面相贯线处理方法.利用离散共轭方法计算目标函数梯度,对DLR-F6 机翼-机身-短舱-挂架外形的机翼和短舱进行了几何外形参数化与气动外形优化设计.结果表明:考虑短舱安装方式的优化设计较不考虑短舱安装方式的优化设计可降低大约0.0001的阻力系数.通过全机优化设计,将全机阻力系数降低了0.00153.      

基于卷积神经网络的深度学习流场特征识别及应用进展

深度学习架构的出色性能使得机器学习在流体力学中的应用得到新的发展,可以应对流体力学中诸多问题和需求。卷积神经网络（CNN）强大的非线性映射能力以及分层提取信息特征的功能,使其成为当下流场特征研究不容忽视的工具。围绕这一研究前沿与热点问题,概述和归纳了这一研究领域的进展与成果。首先,对深度学习在流体力学中的发展以及卷积神经网络进行了简单的回顾。然后,从卷积神经网络能够识别特征出发,先后介绍了基于卷积的深度学习特征识别在流场预测、流动外形优化、流场可视化精度提升和生成对抗等应用方面的研究进展。最后,对深度学习在流场识别领域的应用进行了展望,为后续的研究提供参考。