A Nonlinear Sub-grid Scale Model for Compressible Turbulent Flow

本文采用直接过滤的Navier-Stokes方程组作为可压缩湍流大涡模拟控制方程组。方程组中因过滤产生的高阶相关项用Taylor级数展开近似,但仅保留级数的一阶导数项。这样产生的误差相当于丢失了模型的部分耗散作用,本文用一种动力学非线性亚格子模型来补偿丢失的耗散影响。本文根据Caylay-Hamilton定理导出了一个非线性亚格子模型,模型中包含的系数由动力学模式确定。与传统的动力学Smagorinsky模式相比,这种动力学非线性模型(DNM)稳定性更好,且不需要在统计均匀方向进行统计平均来计算模型系数,因此减少了计算开销。本文用这种非线性亚格子模型对绕双椭球高超声速湍流进行了模拟,并将所得结果与实验值、计算值及理论值进行了对比。结果表明,本文模型可以有效地模拟可压缩湍流流场。     

模型烧蚀对尾迹电子特性影响的计算和实验研究

 基于气动物理研究的需要,针对高焓风洞的来流特点,采用计算和实验相结合的方法研究聚丙烯烧蚀对尾迹电子密度的影响。结果表明：计算结果可以有效模拟实验状态,电子密度的模拟精度有很大提高,误差在一个量级内;聚丙烯烧蚀可以降低尾迹的电子密度,但幅度不大,在2倍左右,其与选择模型材料的催化特性降低幅度相当;对电弧风洞的成功改进和非稀薄流静电探针诊断技术的应用,是尾迹电子密度测试的前提保障。     

基于粒子云方法研究地磁场对运动电子束的时空分布影响

空间电荷效应是空间带电粒子分布直接产生的相关效应,对于理解空间辐射环境有着重要意义.为研究地球磁场对空间电荷效应的影响,文章通过数值求解Poisson方程和相对论粒子运动方程,建立粒子云(particle-in-cell,PIC)自洽模型,并构建地球偶极子磁场模型作为内磁层背景磁场(空间分布L值为3～7).在模型基础上...     

典型轨道环境效应及对在轨卫星影响分析

近年来,各航天大国对空间轨道资源的挖掘与应用不断拓展.超低轨道、椭圆轨道、坟墓轨道、拉格朗日点等,因其在快速重访、定点观测、空间攻防、科学探索等方面的优势,逐步纳入各国防灾减灾、战事快响、导弹预警、空间突防和太阳观测等应用领域.随着卫星在轨经历的空间环境变得更加复杂,空间环境效应引发的卫星故障和异常情况日益突出.本文围...     

面向自动化物料传送的被动驱动托架设计与分析

针对现有的航天飞行器数字化装配生产线产品转运自动化、装配数字化的发展趋势,设计了一套兼容生产线全流程转运工作设备、适应多几何尺寸的托架.在分析作业现场产品转运流程、保证要求以及装配需求的基础上,提出了一种基于辊杠动力源的被动驱动托架总体设计方案,解析了托架关键受力部位和薄弱点,有针对性地开展了关键部件的设计、计算、校核...     

基于证据网络因果分析的空中目标意图识别

目标意图及时准确的估计对战场指挥决策具有重要的影响。考虑到战场环境复杂多变,其检测数据、信息、知识具有较高的随机性和认知不确定性,本文面向目标意图知识推理,基于结构因果模型,利用证据网络在不确定性处理方面的推理优势,提出了一种基于证据网络因果效应分析的空中目标意图识别方法。该方法通过d-分离检验构建兼容信息特性与意图多样性的因果证据网络模型,使模型同时考虑领域知识和数据间的条件独立关系,并将认知不确定性内嵌于推理引擎中,推理实现不确定战场环境下空中目标意图估计。此外,基于提出的因果证据网络模型和干预算子计算目标意图与属性之间的因果效应,挖掘目标意图估计蕴含的因果逻辑关系。仿真分析表明：本文提出的方法能够同时处理随机不确定性与认知不确定性,克服了传统意图识别方法缺乏因果分析的缺陷,是对目标意图和战场态势要素的深层次认知,实现了意图识别的“由果溯因”和“由因识果”。     

影响三瓣式高速浮环密封性能的敏感参数

针对应用在液体火箭发动机上的三瓣式高速浮环密封（TFRS）,揭示密封在复杂多变工况下的泄漏特性和磨损特性,得到影响密封特性的敏感参数,促进高速密封技术的发展。针对压力、转速和密封周向弹簧比压等关键敏感参数,数值模拟了密封的泄漏率变化规律,试验测量了密封环的泄漏率和磨损率。研究结果表明:泄漏率和磨损率都随压力增大而增大;转速对三瓣式高速浮环密封磨损率敏感,对密封泄漏率不敏感,随着转速的增加,磨损率增大较快,泄漏率减小较慢;随着密封周向弹簧比压的增大,前期密封周向弹簧比压对泄漏率敏感,此时泄漏率变化幅度较大,磨损率变化幅度较小,后期密封周向弹簧比压对磨损率敏感,此时磨损率变化幅度较大,泄漏率变化幅度较小,密封周向弹簧比压在适当范围内时,泄漏率和磨损率都较小。研究结果为液体火箭发动机三瓣式高速浮环密封的设计、实际应用和深入研究提供了基础。      

一种可变锚框候选区域网络的目标检测方法

目标检测作为计算机视觉领域的热点问题,目前基于深度学习的目标检测方法可以分为2类:两步检测和一步检测,前者有着较高准确性,后者有着较好速度,但是为提高检测的性能两者都引入了锚机制。为提高目标检测系统的性能,基于深度卷积神经网络的两步检测算法引入了注意力引导（AG）模块,通过对候选区域网络（RPN）的锚机制进行引导,使得对于预选锚框形状的选择更具有多样性;同时针对传统的后处理方式非极大值抑制（NMS）算法存在的误检和漏检的问题,提出了一种置信度因子的NMS（Cf-NMS）算法,对于模型的整体性能有着很大的贡献。实验结果说明,所提方法虽然在速度性能上有略微的下降,但是无论是在RPN变体还是现有的先进算法在准确性方面都有提升。      

多种观测数据驱动的三维行星际太阳风MHD模拟

三维磁流体力学（MHD）数值模拟是行星际太阳风研究的重要手段.本文发展了一种由多种观测数据驱动的三维行星际太阳风MHD数值模型.模型的计算区域为0.1AU到1AU附近，使用Lax-Friedrich差分格式在六片网格系统中进行数值求解.边界条件中磁场使用GONG台站观测的光球磁图外推获得，密度通过LASCO观测的白光偏振亮度反演得到，速度根据以上两种观测数据并利用一种基于人工神经网络技术（ANN）的方法得到，温度通过自洽方法根据磁场和密度导出.利用该模型模拟了第2062卡灵顿周（CR2062）时期的行星际太阳风，模拟结果显示出丰富的观测特征，并与OMNI以及Ulysses的实际观测值符合得较好.该模型可用于提供接近真实的行星际太阳风，有助于提高空间天气预报的精度.