变比热平行混合近似解

平行混合变比热改进解析解，合理、简明、快捷，定比热解误差大。在准确的改进解与定比热解之间，探索了几种简化的近似解，从中看出，冷、热、混三气各简化按其自身静温比热比ｋ＿Ｔ作计算的近似解，结果总的误差较小，可供参照取用。算例包括不等总压及等总压混合，并对等总压混合后总压降低作出初步分析。     

Efficient aerodynamic shape optimization using variable-fidelity surrogate models and multilevel computational grids

A variable-fidelity method can remarkably improve the efficiency of a design optimization based on a high-fidelity and expensive numerical simulation, with assistance of lower-fidelity and cheaper simulation(s). However, most existing works only incorporate “two” levels of fidelity, and thus efficiency improvement is very limited. In order to reduce the number of high-fidelity simulations as many as possible, there is a strong need to extend it to three or more fidelities. This article proposes a novel variable-fidelity optimization approach with application to aerodynamic design. Its key ingredient is the theory and algorithm of a Multi-level Hierarchical Kriging (MHK), which is referred to as a surrogate model that can incorporate simulation data with arbitrary levels of fidelity. The high-fidelity model is defined as a CFD simulation using a fine grid and the lower-fidelity models are defined as the same CFD model but with coarser grids, which are determined through a grid convergence study. First, sampling shapes are selected for each level of fidelity via technique of Design of Experiments (DoE). Then, CFD simulations are conducted and the output data of varying fidelity is used to build initial MHK models for objective (e.g. C_D) and constraint (e.g. C_L, C_m) functions. Next, new samples are selected through infill-sampling criteria and the surrogate models are repetitively updated until a global optimum is found. The proposed method is validated by analytical test cases and applied to aerodynamic shape optimization of a NACA0012 airfoil and an ONERA M6 wing in transonic flows. The results confirm that the proposed method can significantly improve the optimization efficiency and apparently outperforms the existing single-fidelity or two-level-fidelity method.     

任意K元Huffman树的新构造

给出了一种简单而有效地构造任意k元最优Huffman树的新方法。给出了Huffman村存贮的父母一子女环结构,该结构空间利用率高,在不增加parent域的情况下,使查找父母的T（m）达到O（1）,并能高效实现建立最优Huffman树和求Huffman编码的算法,无论是空间复杂度还是时间复杂度均优于传统算法,具有很强的实用性。     

机器学习技术在气动优化中的应用

近年来优化设计在气动设计中发挥了越来越多的作用,但实用性和效率是制约其发挥作用的两大障碍。在大型客机超临界机翼设计中,通过"人在回路"（依靠人的经验在优化进行过程中实施必要干预）等努力,取得了较好的效果,机器学习技术逐步得到发展。提出了利用机器学习技术模拟人在优化过程中的合理行为和作用机制,以深层次利用信息和知识,改善优化的实用性和效率。梳理了机器学习技术在气动优化中应用的发展脉络,并结合工作实践介绍了机器学习在优化设计中的典型应用。进一步探讨了深度学习在气动优化中的可能应用方式。     

齿轮弯曲疲劳可靠度预测的计算方法

用一个新的基本观点-把齿轮弯曲疲劳失效处理成随机事件, 以这个随机事件为研究对象, 用齿轮弯曲疲劳的累积损伤强度K_w和总疲劳损伤量D_w来描述弯曲疲劳失效随机事件, 得出用概率描述的弯曲疲劳的疲劳累积损伤模型。用这个计算模型, 提出了计算齿轮弯曲疲劳可靠度的方法。      

涡轮级三维粘性流场的数值模拟

本文给出了一种求解涡轮级三维定常粘性流场的计算方法,并对某型航空发动机的高压涡轮进行了数值模拟。该计算程序考虑到了涡轮级工作温度范围较大而引起的变比热问题。文中采用了三阶精度的TVD格式和B-L湍流模型。叶列间参数的传递采用了“混合平面”法。叶列间处理采用外推无反射边界条件来保证参数在交接面上的周向不均匀。同时在交接面上构造了Riemann解和使用松弛因子来提高程序在叶列间小间隙情况下的稳定性。      

降落伞充满稳定阶段流场数值模拟

降落伞系统具有非常复杂的动力学特性,为了较精确的计算降落伞气动力,深入研究其流场特性,采用计算流体动力学方法,对某试验用降落伞充满稳定阶段流场进行数值模拟,计算结果与试验数据吻合较好,表明该数值模型可靠,具有较高精度。     

基于工效分析与过程仿真模型的机载设备拆装时间评估方法

机载设备拆装时间是重要的维修性设计指标,是选择或优化设计方案的重要参数。提出一种以过程 仿真模型为基础,综合考虑维修作业复杂度和维修工效评估结果的拆装时间综合评估方法。首先,将机载设备 拆装过程分解为基础维修活动单元,规划仿真过程并建立仿真模型;然后,使用模特分析法分析基础维修活动 时间,并根据维修作业复杂度与维修工效综合评估结果确定维修时间修正系数,修正基础维修活动时间;最后, 根据基础维修活动时间和工作流程评估机载设备拆装时间,并以飞机发动机拆卸时间分析为例进行应用验证。 结果表明:该方法可对机载设备拆装时间进行准确评估,能够满足飞机研制的需要。     

斜流工况下泵喷推进器推进性能数值分析

斜流入水的现象在推进器的运行过程中广泛存在,会对推进器的水动力性能造成不利影响。为了分析斜流工况对泵喷推进器推进效率及流场造成的影响,采用分块网格技术,对泵喷推进器内外流场进行了结构化网格划分。基于RANS 方程,SST k-ω 湍流模型,对不同转速（n=3000,3600,4200r/min）、不同斜流角（β=0°,5°,10°,15°,20°,25°,30°,40°） 的泵喷推进器进行了数值模拟。数值模拟方法通过Ka4-70/19A导管桨进行了验证,计算值与实验值吻合情况良好。研究结果表明,小角度下,斜流角的改变对泵喷推进器的效率影响很小;斜流角大于20°时,斜流角增大将使推进效率明显减少,这是由于泵喷推进器内流场分布不均,出现了水流聚集区和分散区,降低了泵喷推进器的平衡性以及对流体的加速效果;斜流角越大,叶尖间隙对主流影响越大,造成的能量损失越大。     

波子结构法在失谐带分流叶片离心叶轮动态特性分析中的应用

为解决高保真失谐叶轮模型计算量大的问题,在Craig-Bampton部件模态综合法的基础上,结合波子结构法对界面自由度进一步减缩,发展了适用于带分流叶片离心叶轮的模型减缩方法,并给出其复数形式下的数学表达.采用该方法建立了工程实际叶轮高保真有限元模型的减缩模型,自由度数减缩率达99.8％.分别采用减缩模型和完整模型,通...