基于压缩感知的高频响流场重构方法及其应用

粒子图像测速（PIV）方法具有高空间分辨率的优势,但是往往受到采样频率的限制（一般在15 Hz以下）,难以完成高频响测量。压缩感知（CS）能够基于稀疏采样数据获得高频信息,但如果直接应用于所有的数据点则计算量过大。基于亚采样（sub-Nyquist）PIV数据,本文提出了基于压缩感知和本征正交分解（POD）的高频响流场重构方法。首先采用POD对数据降维,同时获取空间模态和相应的亚采样时间系数,将亚采样时间系数作为观测值,选取适当的稀疏基,通过求解基追踪问题来计算高频响的模态系数。结合空间模态和所得到的时间分辨模态系数,可以重构高频响的非定常流场。利用该方法分别对周期性的振荡器流场和非周期性的不同直径圆柱流场进行重构,检测该方法的适应性。结果表明,压缩感知方法无需侵入式的辅助测量,可以为周期性流场提供准确的重构,重构误差低于3%,而对于非周期性复杂流场,则出现较大的高频噪声。因此,本文所提出的方法可以应用到周期性流场中以提高测量数据的时间分辨率。     

基于卡尔曼滤波的翼型表面压力实时重构方法

为实现基于稀疏数据的翼型表面压力实时重构，提出了一种基于压缩感知与卡尔曼滤波器的数据融合方法，该方法主要包括线下建立数据库和线上实时感知两部分。首先，在线下通过粒子图像测速技术、压敏漆、计算流体力学等方法对翼型表面压力进行全场采样，并采用本征正交分解对所测得的全场压力数据进行降维，建立含有主导相干流动结构的模态数据库以及各模态时间系数之间的状态转换关系。其次，在线上基于压缩感知，利用离散压力传感器所测量数据与压力场主导模态，通过求解L₁范数下的最优化问题，对各主导模态的时间系数进行初步求解。最后，将线下所得各模态时间系数之间的状态转换关系放入卡尔曼滤波器，作为其系统模型进行预测；将线上所求得各模态时间系数放入卡尔曼滤波器，作为其观测值进行校正。以CFD模拟翼型压力作为验证数据，对该方法的性能进行评估，结果显示：该方法与仅采用压缩感知进行重构对比，升力重构误差从18.15%减小至6.39%。     

振荡射流气动矢量喷管参数影响特性的试验研究

基于康达效应的同向流矢量技术控制效率高、推力损失低，具备提高飞行器隐身性能的巨大潜力。为了探究马赫数Ma 0.35主流下二次流类型、二次流阵列个数、康达壁面半径R和终止角θ等参数对同向流矢量控制的影响，利用天平研究了9种不同的喷管模型的力学特性，获得矢量偏转力随次主质量流量比变化的控制规律。结果表明，主喷管高和康达壁面半径的比值H/R是对矢量偏转效率和控制稳定性最重要的因素，H/R越低，控制效率越高，控制曲线线性度越高；使用三个振荡射流阵列作为二次流的条件下，H/R从0.5减小到0.43，控制效率提高近49%，与使用定常射流相比，使用振荡射流作为二次流，显著提高了控制效率，增强了控制稳定性；对比分析显示，使用两个或三个振荡二次流阵列、H/R为0.43且θ为90°时，矢量控制效果最好。进一步地研究表明，H/R和θ对矢量控制效率的影响最大，而θ对控制曲线线性度几乎没有影响，本文研究还发现二次流阵列个数低于两个或H/R高于0.6时，控制特性急剧恶化。本文研究可为同向流矢量喷管的工程设计提供理论支撑。