国家数值风洞(NNW)工程中的黏性自适应笛卡尔网格方法研究进展

相比传统的结构和非结构网格,笛卡尔网格具有自动化和高质量兼顾的优势,是未来网格技术发展的重要方向。面向笛卡尔网格生成软件开发需求,依托国家数值风洞（NNW）工程,介绍了黏性自适应笛卡尔网格技术相关课题的研究工作进展,重点从网格生成技术、自适应方法、黏性物面边界处理方法等方面展开。网格生成技术方面,基于全线程树数据结构的思想,开展了叉树数据结构的优化;针对物面离散单元信息的快速检索,构建了稳定、平衡、高效的叉树式物面网格数据结构;对于网格单元类型的判断,发展了染色方法和包围盒方法以提高效率;针对大规模网格量,发展了高性能并行计算技术。自适应技术方面,发展了基于几何特征和流场解特征的自适应方法,建立了流场结构捕捉判据,并开展了三维复杂构型的应用;为了降低全局网格规模,发展了各向异性自适应方法,构建了各向异性特征识别的综合判据;发展了边界层法向射线加密技术,以减少边界层内的网格数目。物面边界处理方面,发展了重叠笛卡尔网格方法,构建了重叠网格尺度匹配技术和数据交互方法;开展了壁面函数方法在笛卡尔网格框架下的适应性应用,以放宽壁面网格尺度限制、降低边界层网格规模,并通过典型算例验证了方法的可靠性。     

基于模糊RBF网络的自适应变结构制导律设计

针对空中高速、大机动目标的拦截问题,传统的滑模变结构制导律虽然对外界干扰和参数摄动具有较好的鲁棒性,但是存在视线角速率抖振及参数不易确定等缺点.对此,在变结构控制理论的基础上,提出了三维自适应变结构制导律,将目标加速度视为外界干扰,设计了一种快速趋近律,并利用模糊RBF网络的高效自学习能力对变结构项的增益进行了在线自适应调节.仿真结果表明,该制导律能够有效削弱系统抖振,提高制导精度,并对拦截大机动目标具有很强的自适应性.     

三维复杂外形非结构网格的生成及应用

以 Delaunay方法为基础生成了三维复杂外形的四面体非结构网格。这种方法的特点是先布结点 ,然后按 Delaunay准则将其连接起来。与其他方法相比 ,其好处是能较好地根据计算需要控制网格点的疏密 ,提高计算效率 ,其运行过程也较稳定。在布点过程中采用了背景网格 ,使点的生成自动而合理。文末给出了 M6机翼和简化航天飞机的数值算例。     

基于变形力数据的结构件残余应力场重构方法

残余应力是引起零件加工变形和失效的重要因素,残余应力场的重构有助于消除和控制零件在设计、制造、评价和使用过程中的残余应力。针对已有方法难以准确重构残余应力场的问题,提出了一种通过零件加工过程中的变形力数据实现零件残余应力场重构的方法。该方法首先提取了由于材料去除引起的应力重新分布带来的装夹力变化数据,即变形力。残余应力到变形力之间通过协方差矩阵自适应进化策略(CMA-ES算法)反复迭代求解出映射关系,从而构建出零件的残余应力场,最后在仿真环境下对该方法进行了验证。验证结果表明:该方法能较好地预测残余应力场,重构出的零件的初始残余应力场与原始施加的应力场平均误差值约0.38 MPa,为零件残余应力场的重构提供了一种新思路。     

基于伴随方程的网格自适应及误差修正

基于流场方程的离散伴随优化理论和三维非结构网格,建立了网格自适应技术和目标函数误差修正方法。详细研究了用流动伴随变量进行目标函数的误差估计和修正技术,构造了适用于格心格式有限体积法的流场变量插值技术和网格单元剖分判据,初步实现了网格物面投影和空间单元优化,发展了适用于有限体积法的整套网格自适应方法。对NACA0012翼型和ONERA-M6机翼绕流进行了自适应数值模拟,并对升、阻力等目标函数进行了误差修正。数值结果表明,本文自适应方法能正确地捕捉到影响目标函数计算精度的敏感区域,网格自适应和误差修正两项技术显著提高了升、阻力等目标函数的计算精度。     

采用超声波电机的空间飞网自适应收口机构设计

介绍了一种采用超声波电机作为驱动源的空间飞网自适应收口机构（质量块）的设计及实现方法。通过分析捕获过程中质量块运动情况,研究超声波电机电流与负载的关系,确定以加速度信号和电流信号作为电机启动和停止的触发信号,在此基础上设计并实现了质量块的驱动控制系统。通过在电机输出轴与卷筒间加入差动轮系构成双卷筒机构,力学分析证实了该机构在负载不均衡情况下的自适应性。分析证明该机构使飞网的捕获操作对捕获平台的精度要求降低,有容错能力。同时使收口机构在部分质量块故障时也能完成捕获任务。     

一类新型的机动目标跟踪算法

针对机动目标跟踪,提出了基于截断正态概率模型的改进自适应目标跟踪算法,该算法具有结构和计算简单,鲁棒性好的特点,通过仿真结果对比,充分说明了文中所提出的跟踪算法能够较好地弥补传统的Kalman滤波方法在跟踪机动目标时的不足。     

空间飞行器控制软件的动态自适应演化方法

空间飞行器在太空飞行过程中需要满足多任务、多工作模式以及大范围机动的需求,其控制系统在大范围机动飞行条件下存在大量的外界干扰和内部参数不确定,同时飞行器的自适应过程受限于资源,人工干预难度大,并且现有的成熟的动态自适应方法并不一定适合空间飞行器控制软件进行自主控制,所以目前对自主控制系统软件的动态自适应调整方法提出了更...     

A novel variable structure multi-model approach based on error-ambiguity decomposition

Model Set Adaptation (MSA) plays a key role in the Variable Structure Multi-Model tracking approach (VSMM). In this paper, the Error-Ambiguity Decomposition (EAD) principle is adopted to derive the EAD-MSA criterion that is optimal in the sense of minimizing the square error between the estimate and the truth. Consequently, the EAD Variable Structure first-order General Pseudo Bayesian (EAD-VSGPB1) algorithm and the EAD Variable Structure Interacting Multiple Model (EAD-VSIMM) algorithm are constructed. The proposed algorithms are tested in two groups of maneuvering target tracking scenarios under different modes and observation error conditions. The simulation results demonstrate the effectiveness of the EAD-VSMM approach and show that, compared to some existing multi-model algorithms, the proposed EAD-VSMM algorithms achieve more robust and accurate tracking results.     

Feedback structure based entropy approach for multiple-model estimation

The variable-structure multiple-model（VSMM）approach,one of the multiple-model（MM）methods,is a popular and effective approach in handling problems with mode uncertainties.The model sequence set adaptation（MSA）is the key to design a better VSMM.However,MSA methods in the literature have big room to improve both theoretically and practically.To this end,we propose a feedback structure based entropy approach that could fnd the model sequence sets with the smallest size under certain conditions.The fltered data are fed back in real time and can be used by the minimum entropy（ME）based VSMM algorithms,i.e.,MEVSMM.Firstly,the full Markov chains are used to achieve optimal solutions.Secondly,the myopic method together with particle flter（PF）and the challenge match algorithm are also used to achieve sub-optimal solutions,a trade-off between practicability and optimality.The numerical results show that the proposed algorithm provides not only refned model sets but also a good robustness margin and very high accuracy.