跨声速运输机机翼气动/结构优化平台AeroStruct的发展及应用

来源 :航空科学技术 | 被引量 : 0次 | 上传用户:viagra2
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
跨声速运输类飞机由于机翼展弦比大,使得气动加载下机翼变形量大,气动/结构耦合效应明显,因而开展耦合优化设计对提升飞机综合性能具有重要意义.本文研发了一种对该类机翼进行变可信度气动/结构耦合优化设计的自主软件平台(AeroStruct),气动数值模拟可选用N-S/Euler/全速势方程,结构数值模拟集成了结构有限元分析平台,气动/结构耦合分析采用径向基函数插值方法进行数据传递,在自主开发的SurroOpt代理优化软件基础上集成分析模块,实现了考虑静气动弹性效应的机翼气动/结构耦合优化设计.对uCRM-9标模机翼进行了包含76个设计变量的减重优化设计,最优方案比基准机翼结构质量减小约13%,优化效果显著.
其他文献
舰载火控雷达作为信息系统与武器交联的关键一环,亟需提升自身的抗干扰能力,以保证雷达在复杂电磁环境下的作战效能.针对这一问题,本文提出一种基于多判决网络的抗干扰策略优化方法,能够根据环境信号电磁频谱分布,合理分配雷达资源,快速作出响应决策.通过外场试验,验证了所提方法的有效性.
本文介绍了较完整的雷达杂波模型,包括时域模型与频域模型,然后分别使用ZMNL法与SIRP法进行杂波仿真,并提出SVP E验证方法.基于SVP E法,本文最后研究了用实际海杂波对仿真结果进行验证与评估的方法.
本文提出了一种基于C6678的STAP处理架构,实现了基于RapidIO的片间通信和自适应数据分发.在深入理解STAP原理的基础上,从算法上对每个处理节点进行解耦,进而提出了基于处理节点的8核并行处理算法.本文的处理架构一方面充分发挥了6678强大的并行处理能力,另一方面也保证了空时处理的性能损失最小.实测数据的处理结果验证了本文架构和算法的可行性和有效性.
相控阵雷达具备灵活的时空资源分配能力,一部雷达即可执行搜索、确认、跟踪等多种任务.当多个任务争取同一时间资源时,需要资源调度模块根据调度算法对任务优先级进行排序.本文重点对相控阵雷达自适应资源调度算法和数据处理进行仿真研究,并对雷达回波模拟、信号处理、数据处理与资源调度进行联合仿真用以评估雷达检测、跟踪以及资源调度算法性能.
利用SAR成像算法对地面、地形进行成像时,可以不受云、雾等天气的影响,具有全天候、全天时的优良特性.传统的地形检测算法如不变矩检测法对SAR图像地形进行检测时存在识别准确率低的问题,而卷积神经网络算法在图像处理及识别领域具有识别准确率高的优势.因此,本文研究了卷积神经网络算法在SAR图像地形检测中的应用,提出了一种三重复合卷积神经网络SAR图像地形检测算法.通过对比实验表明,本文所提算法在SAR图像地形检测方面较传统不变矩地形检测算法具有较高的检测性能.
鉴于全概率模型方法计算存在共因失效的机械系统可靠度时,存在多重积分计算难度大以及复杂系统难以建模的问题,本文从Monte Carlo数值仿真的角度出发,在对全概率模型方法进行分析的基础上,通过仿真发现Monte Carlo算法能否准确计算共因失效可靠度的关键是引起共因失效的随机因素在仿真过程中的抽样方式能否体现共因失效特性.结合元胞自动机在处理复杂网络可靠性评估方面的优势,本文构建存在共因失效的串联、并联和复杂混联机械系统可靠度数值仿真算法,并就共因失效对不同类型机械系统可靠度影响展开研究.结果表明算法精
基于计算流体力学(CFD)建立了适用于多旋翼飞行器的流场计算模型,采用嵌套网格方法模拟旋翼运动、双时间方法进行时间推进,分析变距四旋翼飞行器的气动力特性.在此基础上,采用FW-H(Ffowcs Williams-Hawkings)方程计算了变距四旋翼飞行器的噪声特性(包括考虑和不考虑旋翼间气动干扰两种情况).计算结果表明,由于旋翼间的气动干扰,致使变距四旋翼的载荷噪声较大,进而导致总噪声较大.在对变距四旋翼飞行器噪声进行仿真时,考虑旋翼间气动干扰是必要的.
随着目前国内新概念布局的快速发展及新技术验证的急迫需求,拥有低成本及无人化等优势的缩比无人机越来越多地被用作技术验证机及高性能靶机.本文通过对若干型高性能缩比无人机翼载、推重比及缩放比例这三项最关键的总体参数进行对比分析,发现了缩比无人机与原准机在翼载参数上存在根本性差异,并由此导致缩比无人机性能与原准机的巨大差异.经过大量数据统计分析,确定缩比无人机与原准机总体参数差异的根本原因.通过若干经验公式,针对翼载差异对飞行、机动、巡航、起降及隐身等总体性能方面可能造成的影响进行了定性分析,并针对不同功能及任务
当无人机遇到电量低、丢失遥控信号、失去GPS信号、天气突变等需要迅速降落的紧急情况时,依靠机载的传感器实现无人机自主降落到安全区域显得非常重要.为保证无人机在遇到紧急情况或者收到降落指令后,能够自动识别安全的降落区域,实现安全自主降落,本文提出一种基于多传感器融合和深度学习网络框架的无人机可降落区域识别方法.首先,使用基于无人机机载图像信息搜索安全降落区域;然后利用孪生网络对安全降落区域进行跟踪.当无人机降落到一定高度时,利用机载激光雷达进行近地面环境实时建模与语义分割,确定安全的可降落区域;最后,通过实
安全性是无人机自组网路由协议面临的重要挑战之一.针对现有工作对分级路由协议中拓扑构建消息安全性防护的不足,本文针对分级无人机自组网的路由协议提出了一种拓扑构建消息的安全保护方案,该方案可以保证分级无人机自组网在拓扑建立过程中节点间交互消息的完整性,从而避免完整性遭到破坏的信息被用于网络拓扑构建以及创建路由的过程中,提高路由协议的健壮性与可靠性.针对拓扑消息中的静态信息提出了基于联盟区块链的完整性验证方法,减少了整个方案的计算与传输开销.通过对所提方案进行安全性分析,证明了该方案能够有效抵御拓扑消息传输过程