简介:在外挂物投放过程中,载机对外挂物具有气动干扰效应,产生附加气动力.对于弹性机翼,在外挂物分离投放时,相当于给机翼一个初始扰动,机翼将发生弹性振动,该振动也会对外挂物带来气动干扰效应.通过耦合求解非定常N-S方程刚体六自由度方程和基于模态法的结构动力学方程,对考虑弹性变形的载机外挂物分离投放过程进行模拟,研究了弹性机翼对外挂物的气动干扰效应.研究结果表明:在外挂物分离初期,弹性机翼的干扰对外挂物气动力响应产生显著影响,机翼的主要结构模态频率决定了外挂物气动力的变化频率,并且由载机机翼动弹性变形引起的干扰气动力能占到外挂物总气动力的一半左右.
简介:临近空间位于航天器人轨与返回的必经区域,也是临近空间髙超声速飞行器长航时飞行空域,空间环境的特殊性决定了飞行器在穿越时必须考虑稀薄大气环境对飞行器气动力防隔热通讯及控制的影响.Boltzmann方程作为描述气体分子速度分布函数演化规律的微分一积分形式,在一定条件下能够描述从自由分子流到连续流全流域流动现象.作为Boltzmann方程的宏观表达形式,矩方程这一经典流体力学方程形式涵盖了Euler方程N-S方程Burnett方程SuperBumett方程及近年来发展的广义流体力学方程一非线性本构关系模型等.由于成熟的CFD数值计算理论及有限矩方程较髙的计算效率,滑移过渡流矩方法相比粒子仿真与Boltzmann模型方程方法具有十分显著的优势和巨大的工程应用潜力.因此,对近年来传统及新型矩方法研究所取得的进展进行归纳总结,并针对关键科学问题开展理论与数值计算方法研究,具有十分重要的理论与工程应用价值.
简介:纳米孔隙内气体流动的理论预测对气体微流控器件的设计和制造具有重要的理论指导作用,文章采用分子动力学方法研究了氮气、氧气和二氧化碳混合气体在平行壁纳米孔隙内的剪切流动特性和边界滑移特性.研究结果表明:随着加入二氧化碳比例的不断增加,混合气体滑移速度不断增大,并且当二氧化碳的比例低于20%时,混合气体流动速度沿孔隙宽度方向呈线性分布;而当比例达到40%后,其速度轮廓将呈现非线性趋势.当二氧化碳所占比例为20%时,随着孔隙宽度的增加,混合气体的整体边界滑移随之减小.探究了混合气体密度和气-固耦合强度对混合气体流动及边界滑移的影响机理.发现随着混合气体密度的减小,气流边界滑移增大;随着气-固界面耦合强度的增强,边界气体分子易被吸附而出现黏滑运动,气体分子在边界处的积聚现象增强,剪切应变率增大,边界滑移减小.
简介:为了提高潜器导航定位精度,针对等值线算法在惯导系统初始误差较大时易发散的问题,提出基于概率神经网络调优的等值线改进方法。首先,在搜索区域内,利用概率神经网络算法对惯导系统航迹进行调优,并经过卡尔曼滤波器与惯导系统航迹进行信息融合形成待匹配航迹;在此基础上利用实时等值线算法得到最佳匹配位置。分别在不同初始条件下进行仿真分析,得出概率神经网络算法在大的初始误差下不易发散但定位精度不高的结论,然后在潜器行驶6h后,初始误差为5.438?的条件下进行仿真验证,结果表明,改进方法定位精度均值优于0.537?,从而证明改进方法是有效的,即使在大的初始误差下仍然能够达到较高的定位精度。
简介:开展了机器学习在翼型气动力计算和反设计方法中的应用研究,实现了在更大翼型空间范围内,人工神经网络的训练和优化,建立了翼型气动力计算模型,和给定目标压力分布的翼型反设计优化模型.作为机器学习领域兴起的研究热点,人工神经网络的研究工作不断深入,有研究者尝试将其应用于流体力学的学科范畴内.文章实现人工神经网络在翼型计算领域中应用的方法如下:首先通过Parsec参数化方法,围绕基准翼型构造了一定翼型空间范围的翼型库,利用XFOIL进行数值模拟,搭建了和翼型库具有一一映射关系的流场信息库.通过训练和优化神经网络,实现了基于此模型的快速、高可信度的翼型气动力预测,以及新型的翼型优化设计方法.通过自动化编程实现样本库的批量生成,实现了不同翼型空间的样本量下,神经网络的训练和优化过程.实验结果表明,在机器学习领域中,基于神经网络的翼型反设计模型的精确性高度依赖于训练样本量的大小和覆盖范围.
简介:针对系统误差的不确定性可能会引起滤波精度降低或发散的问题,提出一种新的基于模型预测滤波的前向神经网络算法。首先,采用模型预测滤波估计网络在正向传递过程中的模型误差,并对其进行修正,以弥补模型误差对隐含层权值更新的影响;然后,利用模型预测滤波为神经网络提供精确的训练样本,学习待估计系统的非线性关系。将提出的算法应用于SINS/CNS/BDS组合导航系统,并与扩展卡尔曼滤波进行比较,仿真结果表明,提出的算法得到的姿态误差、速度误差和位置误差分别在[-0.25′,+0.25′]、[-0.05m/s,+0.05m/s]和[-5m,+5m]以内,滤波性能明显优于扩展卡尔曼滤波算法,表明该算法能提高组合导航定位的解算精度。
简介:从模式识别的角度分析了搜索模式下水下运载体的重力匹配问题,利用模式识别神经网络实现重力匹配定位。在重力图匹配时,以惯性导航仪指示位置为中心规划真实位置的网格点搜索范围,从参考重力图上提取相应一系列的重力数据,与对应网格点的位置一起定义成多个模式类,构造相应的模式识别概率神经网络,运用该神经网络将实时重力测量数据识别到某个模式类,对比模式类的定义确定载体位置。在实测重力图上对重力辅助惯性导航系统进行了计算机仿真研究。结果表明,在重力场特征显著区域该重力匹配算法能够有效减小厄特弗斯效应的影响,其导航系统定位误差小于一个重力图网格,匹配率在80%以上,匹配效果优于一般的相关匹配算法。
简介:在详细分析光纤陀螺零漂的基础上,提出了先用滤波算法对光纤陀螺信号进行预处理,然后采用RBF神经网络对滤波后的信号进行建模的方法.针对光纤陀螺信号特点分别采用FLP算法、小波滤波算法、解相关变步长LMS自适应滤波算法对其进行了预处理,比较三种滤波方法,小波滤波算法效果优于其它两种预处理方法,但针对基于预处理后的陀螺信号采用RBF神经网络进行建模时,小波滤波预处理后的信号在建模精度上却是最差的,而对FLP算法滤波后的信号进行RBF建模,建模精度提高了两个数量级。结果表明:基于FLP算法的RBF神经网络在光纤陀螺中的建模是有效的,可大大提高建模的精度。