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: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: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.