检索结果-南通市图书馆

基于HyperFLOW平台的客机标模CHN-T1气动性能预测及可信度研究

在线全文

学校读者我要写书评

暂无评论

空气动力学学报 2019年第2期37卷 301-309页

作者：王年华常兴华赵钟马戎张来平中国空气动力研究与发展中心空气动力学国家重点实验室绵阳621000 中国空气动力研究与发展中心计算空气动力研究所绵阳621000

近年来,针对实际飞行器外形的CFD气动性能预测及可信度研究逐步得到重视,国内也召开了第一届航空CFD可信度研讨会(AeCW-1)。本文首先基于自主研发的CFD软件平台HyperFLOW对NACA0012翼型低速绕流进行了网格收敛性研究,验证了软件对简单... 详细信息

近年来,针对实际飞行器外形的CFD气动性能预测及可信度研究逐步得到重视,国内也召开了第一届航空CFD可信度研讨会(AeCW-1)。本文首先基于自主研发的CFD软件平台HyperFLOW对NACA0012翼型低速绕流进行了网格收敛性研究,验证了软件对简单湍流问题的模拟能力且具备良好的网格收敛性。其次,针对AeCW-1提供的客机标模CHN-T1,选用其中的两个算例:(1)定升力系数的网格收敛性研究;(2)考虑模型支撑和模型静气动弹性变形的抖振特性研究,研究了计算结果的网格收敛性及模型支撑、静气动弹性变形和湍流模型等对气动特性预测精度的影响。结果表明:观测精度阶和网格收敛性指数显示数值结果具有良好的网格收敛性和可信度;是否考虑模型支撑对力矩的预测精度影响较大,引入尾撑和弹性变形后,数值结果与实验结果吻合较好;对于CHN-T1标模,采用QCR关系式对原始SA模型进行修正对标模力矩特性有一定影响。

关键词：气动性能预测 CHN-T1客机标模网格收敛性研究网格收敛性指数可信度研究验证与确认

组合代理模型研究及在飞行器气动性能预测中的应用

在线全文

学校读者我要写书评

暂无评论

组合代理模型研究及在飞行器气动性能预测中的应用

基于深度卷积神经网络的非定常周期流场重构及气动性能预测方法

第17届中国系统仿真技术及其应用学术年会（17th CCSSTAE 2016）

作者：马洋罗文彩国防科学技术大学航天科学与工程学院

本文介绍了四种组合策略的组合代理模型,通过数值试验,比较了不同组合代理模型的预测精度,认为采用最优权系数法和改进的最优权系数法的组合代理模型预测精度最高,并将改进的最优权系数法应用于飞行器气动性能预测,结果表明组合代理模... 详细信息

本文介绍了四种组合策略的组合代理模型,通过数值试验,比较了不同组合代理模型的预测精度,认为采用最优权系数法和改进的最优权系数法的组合代理模型预测精度最高,并将改进的最优权系数法应用于飞行器气动性能预测,结果表明组合代理模型满足飞行器初步设计的精度要求。

关键词：组合代理模型权系数预测精度气动性能预测

来源： cnki会议评论

在线全文

cnki会议

学校读者我要写书评

暂无评论

基于深度卷积神经网络的非定常周期流场重构及气动性能预测方法

第十一届全国流体力学学术会议

作者：刘天源李云珠谢永慧张荻西安交通大学能源与动力工程学院

本文采用双卷积神经网络建立了非定常周期性流场的重构及识别模型,以数值模拟结果为训练样本,实现仅利用工况参数直接预测指定时刻的流场。圆柱绕流和振荡扑翼能量采集的算例验证结果表明,本方法不仅可以精确重构全周期的非定常流场,而... 详细信息

本文采用双卷积神经网络建立了非定常周期性流场的重构及识别模型,以数值模拟结果为训练样本,实现仅利用工况参数直接预测指定时刻的流场。圆柱绕流和振荡扑翼能量采集的算例验证结果表明,本方法不仅可以精确重构全周期的非定常流场,而且可以准确预测气动性能参数:升力、阻力以及力矩的最大相对误差在5%以内,与4种传统机器学习方法进行对比,基于深度学习的预测方法具有最高精度;并且全周期的流场分布及气动参数预测速度比传统CFD数值模拟提高1000倍以上。本研究可以为非定常流动过程的实时仿真、优化及控制提供高效的求解器。

关键词：流场重构非定常流场气动性能预测卷积神经网络振荡扑翼

来源： cnki会议评论

在线全文

cnki会议

学校读者我要写书评

暂无评论

基于深度度量学习的导弹气动系数预测

南京航空航天大学学报 2024年第05期56卷 950-959页

作者：刘林杨春明蔺佳哲向宏辉西南科技大学计算机科学与技术学院中国空气动力研究与发展中心计算空气动力研究所中国航发四川燃气涡轮研究院

传统多输出深度神经网络在导弹气动性能系数预测任务中，通常采用均方误差（Mean square error, MSE）和平均绝对误差（Mean absolute error, MAE）来训练网络，但在小样本及无物理方程约束的情况下，MSE与MAE对导弹性能系数之间的约束... 详细信息

传统多输出深度神经网络在导弹气动性能系数预测任务中，通常采用均方误差（Mean square error, MSE）和平均绝对误差（Mean absolute error, MAE）来训练网络，但在小样本及无物理方程约束的情况下，MSE与MAE对导弹性能系数之间的约束和不同导弹样本之间的区分就会降低。针对该问题，提出一种基于深度度量学习的K最近邻大边距损失函数（K-nearest neighbor large margin, KNNLM），它通过边距约束将大差异输出样本推开，拉近相近输出样本，以此来解决样本及样本间的约束区分问题。以导弹气动外形及工况参数作为输入，4种气动系数作为输出，在反向传播神经网络（Backpropagation neural network, BPNN）和多任务学习神经网络（Multi-task learning neural network, MTLNN）中分别采用MSE、MAE、KNNLM进行实验对比，实验结果表明：KNNLM在BPNN和MTLNN中的精度相比于MSE和MAE最大能够提升14.44%和16.35%，最少提升3.72%。KNNLM能够在少样本及无物理知识约束的情况下，能更好地对导弹样本进行约束区分，使深度神经网络模型的预测精度更高，且鲁棒性更强。

关键词：深度度量学习导弹气动性能预测 K最近邻大边距多输出

在线全文

学校读者我要写书评

暂无评论

离心叶轮变工况气动性能计算及CFD验证

离心叶轮变工况气动性能计算及CFD验证

作者：郝维天津大学

学位级别：硕士

在离心压缩机基本级的损失预估过程中,应较全面考虑叶轮、扩压器等各个元件中的所有流动损失,并建立损失模型,如:叶片表面摩擦损失、叶片载荷损失、间隙损失、尾迹混流损失、回流损失以及扩压器内流动损失等。本文在已有的离心压缩... 详细信息

在离心压缩机基本级的损失预估过程中,应较全面考虑叶轮、扩压器等各个元件中的所有流动损失,并建立损失模型,如:叶片表面摩擦损失、叶片载荷损失、间隙损失、尾迹混流损失、回流损失以及扩压器内流动损失等。本文在已有的离心压缩机变工况性能预测基础上,建立贴近真实情况的损失模型,选择贴近真实情况的修正参数计算公式,运用FORTRAN语言和VISUAL BASIC语言编写程序进行离心叶轮变工况气动性能计算处理。运用已有的离心压缩机最佳工况点的数据参数作为变工况程序的初始值,给定变转速的数值及个数,得到变转速变流量条件下的气动参数值,最终得到某转速下的性能曲线,程序还可以预测喘振与阻塞现象发生点,为压缩机的安全运行提供保障。采用Eckardt经典叶轮进行离心压缩机变工况性能预测程序的准确性验证。运用计算软件,生成叶轮和无叶扩压器几何模型,计算得到变工况条件下的性能参数等值,然后运行本文编制程序,得到变工况条件下的性能参数及气动性能曲线。通过对比两者变工况条件下的整机效率、叶轮效率以及压比等参数,分析预测值与实验值之间的误差程度与影响原因。由于目前离心压缩机性能预测方法主要采用由实验结果归纳得到的关系式,不可避免造成性能预测数据与真实值之间一定范围内的差距。本文变工况计算程序也是一个需要不断验证的过程,需要结合更多更丰富的数值与实验结果不断完善计算方法与修正参数。本文意义在于在设计阶段基本了解压缩机的性能情况,在离心压缩机的总体设计中缩短设计的周期,提高设计的效率。

关键词：离心压缩机变工况流动损失气动性能预测数值模拟

飞机NACA进气口性能的数据驱动预测模型研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

航空计算技术 2020年第1期50卷 71-75页

作者：陈常栋裴后举吴博宇崔永龙邹燚涛蒋彦龙南京航空航天大学航空学院飞行器环境控制与生命保障工业和信息化部重点实验室江苏南京210000 江苏科技大学能源与动力工程学院江苏镇江212000

冲压空气进气口是民机环控系统性能实现的关键。针对飞机不同结构参数的NACA进气口,提供三种数据驱动的预测模型,对其性能进行预测。分析多元线性回归模型、二阶多项式模型、人工神经网络三种预测模型的原理,建立相应的数学模型,并在MAT... 详细信息

冲压空气进气口是民机环控系统性能实现的关键。针对飞机不同结构参数的NACA进气口,提供三种数据驱动的预测模型,对其性能进行预测。分析多元线性回归模型、二阶多项式模型、人工神经网络三种预测模型的原理,建立相应的数学模型,并在MATLAB实现三种预测模型的代码编译。以某一型号客机为例,进行ANSYS CFX流场仿真,获取不同结构参数对应性能指标的数据库,基于数据库对比不同预测模型下的误差,并分析出适用于飞机NACA进气口不同结构参数性能预测的模型。对较优的BP神经网络模型进行改进,得到更加适合的BP神经网络改进模型。

关键词：多元线性回归模型二阶多项式模型改进BP神经网络飞机NACA进气口气动性能预测

基于MOGP回归的飞机翼型设计代理模型研究

在线全文

学校读者我要写书评

暂无评论

基于MOGP回归的飞机翼型设计代理模型研究

作者：祝青雷南京航空航天大学

学位级别：硕士

机翼是飞机产生升力得以起飞的重要部件，也是翼型设计中的核心研究对象，其设计的好坏将直接影响到后续翼型工作的展开。传统的翼型设计方法主要靠风洞实验、CFD计算，不仅周期长、成本高，而且对翼型设计者的经验有很强的依赖性。为... 详细信息

机翼是飞机产生升力得以起飞的重要部件，也是翼型设计中的核心研究对象，其设计的好坏将直接影响到后续翼型工作的展开。传统的翼型设计方法主要靠风洞实验、CFD计算，不仅周期长、成本高，而且对翼型设计者的经验有很强的依赖性。为了提高翼型设计效率，降低设计成本，将代理模型引入到翼型设计中进行气动性能评估。本文建立了多输出高斯过程（MultipleOutputs Gaussian Process,MOGP）回归代理模型。MOGP使用光滑的核函数和高斯过程的卷积为每个输出端口建模，多个输出端口之间通过共享相同的高斯基过程来模拟端口之间的相关性。本文使用NACA四位数翼型和超临界翼型，通过CST参数化和CFD计算得到实验数据，进行气动性能预测评估实验。气动性能评估实验以翼型外形控制参数为输入，气动性能参数包括升力系数、阻力系数和力矩系数作为输出。由于翼型气动性能之间往往具有一定的相关性，本文建立了基于MOGP的多响应代理模型,通过实验数据验证了升力系数、阻力系数及力矩系数之间存在的显著相关性。将所建立的MOGP多响应代理模型与kriging模型，BP、RBF两种神经网络模型进行对比。气动性能预测评估实验结果表明，当多输出端口之间存在显著相关性时，MOGP相比kriging，BP，RBF能有效提高气动性能的预测精度，并能获得更加稳定的预测性能。本文所建立的多响应代理模型对翼型设计现有的代理模型是一个有力的补充。

关键词：翼型设计多输出高斯过程气动性能预测 kriging 多响应代理模型神经网络模型

基于CST参数化方法的飞机翼型快速设计研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于CST参数化方法的飞机翼型快速设计研究

作者：徐亚峰南京航空航天大学

学位级别：硕士

机翼是飞机的主要升力面，是其主要部件之一。而翼型是机翼和尾翼成形的重要组成部分，其设计的优劣直接影响到飞机的气动性能和飞行品质。传统的基于风洞实验以及CFD翼型设计方法需要反复的计算以及实验来对翼型逐步修形改进,设计周期... 详细信息

机翼是飞机的主要升力面，是其主要部件之一。而翼型是机翼和尾翼成形的重要组成部分，其设计的优劣直接影响到飞机的气动性能和飞行品质。传统的基于风洞实验以及CFD翼型设计方法需要反复的计算以及实验来对翼型逐步修形改进,设计周期长、代价高,并且对设计人员的经验有较高的要求。最近有研究者提出了基于高斯过程回归的翼型快速设计方法，该方法具有速度快，精确度高的特点。然而此方法使用的设计变量为NACA四位翼型族的NACA参数，设计变量少，通用性不强，预测精度有进一步提升的空间。为弥补其缺点，本文将CST翼型参数化方法，与机器学习中的高斯过程回归方法相结合，通过对已有的翼型数据的学习，实现对未知翼型气动性能或者外形数据的快速准确预测。文中选取一组NACA四位族翼型，获得其不同阶数下的CST参数描述数据，并分别计算其在一定飞行条件下的升力系数、阻力系数和压力分布数据。利用这些数据对高斯过程回归模型进行训练，实现了翼型气动性能的快速预测以及反设计系统。并将实验结果与采用NACA翼型参数表示法得到的预测结果进行了对比。实验结果表明，基于CST参数化方法的翼型快速设计准确度高、稳定性高、推广能力强、速度快，在辅助现有的翼型设计方面具有较大的应用价值。

关键词：翼型设计 CST参数化方法高斯过程回归气动性能预测反设计

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

变弯度前缘的优化设计及测量控制研究

变弯度前缘的优化设计及测量控制研究

作者：陈子雄南京航空航天大学

学位级别：硕士

变体飞行器能根据飞行条件的变化,实时调整机翼构型,使飞行器气动性能时刻保持最优。在低速飞行时,变弯度机翼可以有效地控制机翼表面的流动分离状况,提高其气动性能。因此,本文针对变弯度前缘机翼,进行了变形结构优化设计、变形测量及... 详细信息

变体飞行器能根据飞行条件的变化,实时调整机翼构型,使飞行器气动性能时刻保持最优。在低速飞行时,变弯度机翼可以有效地控制机翼表面的流动分离状况,提高其气动性能。因此,本文针对变弯度前缘机翼,进行了变形结构优化设计、变形测量及变形驱动控制的研究。主要研究内容和创新点如下:首先,采用两种不同的优化设计方法,对变弯度前缘机翼进行翼型及前缘结构优化设计。建立刚柔耦合模型对基于NACA2412的翼型及变形驱动机构进行同步优化设计。运用多岛遗传算法结合有限元仿真及气动计算,对翼型前缘进行变弯度优化设计,同时对前缘变形驱动机构进行结构优化设计,得到优化设计的变弯度翼型及其相对应的变形驱动结构。搭建翼型优化平台,对基于NACA0012的翼型进行前缘变弯度优化设计;随后以柔顺机构为前缘结构材料,对变弯度翼型前缘结构进行拓扑优化设计,得到拓扑优化设计的柔顺变弯度前缘结构。其次,开展基于变形重构的变形测量技术研究。基于Ko位移理论推导变形重构算法,并通过悬臂梁的变形重构仿真和实验进行了变形重构算法验证。以变弯度前缘结构为实验对象,对变弯度前缘翼型进行翼型变形重构实验,验证基于Ko理论的变形重构算法。最后,开展变弯度前缘结构变形驱动控制及气动性能预测研究。采用双程形状记忆合金丝作为变形驱动器,进行变弯度前缘结构变形驱动控制设计,并利用拓扑优化的变弯度前缘结构进行实验验证。基于变弯度前缘结构的局部应变信息,利用RBF人工神经网络,对变弯度前缘机翼进行了气动性能预测,并提出了实际工程化中应用于变体飞行器的RBF神经网络气动性能参数预测模型。

关键词：变体飞行器变弯度翼型变形重构双程形状记忆合金气动性能预测