留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

2022年  第36卷  第3期

目录
2022-03期目录
2022, 36(3).
摘要(197) PDF(52)
摘要:
专刊简介
“空气动力实验智能化探索”专刊简介
钱炜祺
2022, 36(3): 0-1.
摘要(229) HTML (163) PDF(31)
摘要:
实验设计
现代试验设计及其在空气动力学中的应用进展
海春龙, 何磊, 梅立泉, 钱炜祺
2022, 36(3): 1-10. doi: 10.11729/syltlx20220005
摘要(2124) HTML (367) PDF(123)
摘要:
科学的试验设计方法能够显著提高学术研究和工业生产的质量和效率。以空气动力学试验设计为背景,介绍了现代试验设计方法的研究进展:总结了风洞试验中单因子试验设计方法OFAT(One Fact at A Time)和现代试验设计方法MDOE(Modern Design Of Experiments)在试验目的、组织策略和试验结果3个方面的区别,分析了现代试验设计方法的优势;从试验样本选取、模型建立和结果分析3个方面梳理了现代试验设计方法的现状,着重介绍了试验设计中的填充设计和序贯设计两大类试验样本选取方法;对所述试验设计方法进行了算例演示;讨论了当前存在的一些关键科学问题和未来研究方向。
风洞试验方案智能优化设计方法研究
姜金俊, 周宣赤, 陈连忠, 崔宁, 蒋岩
2022, 36(3): 11-19. doi: 10.11729/syltlx20210155
摘要(1719) HTML (223) PDF(94)
摘要:
我国的航空航天装备发展已经进入了自主创新的崭新阶段,新一代飞行器气动设计的探索创新、优化定型需要高水平的风洞试验能力作为支撑。先进飞行器研制需要快速获取正确的气动外形关键数据,其高性能、高精度的发展趋势对风洞试验的数量和质量提出了更高要求。传统风洞试验方案设计和数据分析模式已经越来越不能满足需求,亟待有所突破。本文以飞行器地面试验分析为背景,应用支持向量机模型对试验数据进行建模分析,发展风洞试验方案优化设计方法和试验数据智能分析方法,探索气动数据与飞行器几何参数之间新的内在关联,构建风洞试验辅助设计和分析系统,提高风洞试验效率和试验数据的正确率,为先进飞行器气动设计提供技术支撑。
高超声速风洞现代试验设计方法研究
尤文佳, 王慧杰, 韩仁坤, 陈刚
2022, 36(3): 20-32. doi: 10.11729/syltlx20210179
摘要(1545) HTML (352) PDF(80)
摘要:
现代试验设计(Modern Design of Experiments,MDOE)方法是提升风洞试验效率的一种重要技术途径。基于拉丁超立方的现代试验设计方法尽管理论效率很高,但其设计的随机采样点在与风洞模型姿态自动控制系统配合时,实际效率会显著下降。根据现有风洞试验设备控制系统走刀特点,针对多变量风洞试验设计需求,提出一种基于分层拉丁超立方的现代风洞试验设计方法,并将其应用于马赫数6的风洞模型的二变量试验和三变量试验设计。在满足精度的情况下,将MDOE方法与传统试验设计(One Factor at A Time,OFAT)方法进行对比,结果表明:二变量试验中,MDOE方法仅需OFAT方法20%左右的样本量;三变量试验中,MDOE方法仅需OFAT方法30%左右的样本量。与经典拉丁超立方试验设计方法相比,本文所发展的分层拉丁超立方试验设计方法结合现有风洞试验设备,可有效减少试验车次,提高试验效率,缩短试验周期。
机器学习与流动控制
人工智能在空腔气动/声学特性预测与控制参数优化中的应用
吴军强, 杨党国, 张林, 龚天弛, 周方奇, 王岩, 李阳
2022, 36(3): 33-43. doi: 10.11729/syltlx20210073
摘要(1665) HTML (244) PDF(104)
摘要:
多参数多条件下的精准气动特性数据是进行飞行器快速设计、系统完善、性能评估、指标考核的基本前提和根本保证。基于人工智能的深度学习技术与流体力学交叉融合已成为当前发展趋势,并在湍流模型改造、系统理论建模、气动数据预测、控制参数优化、复杂流场重构等方面得到成功应用。为最大限度发挥深度学习的强大表征能力,围绕内埋弹舱作战运用和智能优化设计需求,构建了弹舱空腔气动特性多场载荷数据库,采用基于数据驱动的深度学习方法,建立了耦合因素影响下的空腔气动/声学特性智能分析深度前馈神经网络模型,实现了有限约束条件下的空腔气动/声学特性快速预测,并引入随机搜索和贝叶斯超参数优化方法增强了模型鲁棒性,为空腔噪声有效控制模型快速优化设计提供了数据基础和方法途径。
基于机器学习的高速复杂流场流动控制效果预测分析
余柏杨, 吕宏强, 周岩, 罗振兵, 刘学军
2022, 36(3): 44-54. doi: 10.11729/syltlx20210168
摘要(1532) HTML (246) PDF(79)
摘要:
流动控制激励器是主动流动控制技术的核心,其设计水平和工作性能直接决定了主动流动控制的应用效果和应用方向。为了获得流动控制激励器的作用规律,需要大量实验研究激励参数对控制效果参数的影响,实验代价较大。利用逆向等离子体合成射流激波控制实验数据,采用机器学习中的高斯过程回归模型,获得激励器参数(头锥直径、腔体体积、放电电容、出口直径)到控制效果参数(最大脱体距离)的映射规律,对比多种核函数下高斯过程回归的预测效果,采用特征重要性分析方法分析激励器参数对控制效果参数的影响程度。结果表明:对于小样本问题,采用2次多项式核函数Poly2的高斯过程回归预测精度最高。在特征重要性分析上,头锥直径对最大脱体距离的影响程度最大;其次是放电电容和腔体体积,2个参数的影响相近;出口直径影响最小。本文工作可为高速复杂流场流动控制实验中激励器各项参数的设置提供一定参考。
深度强化学习在翼型分离流动控制中的应用
姚张奕, 史志伟, 董益章
2022, 36(3): 55-64. doi: 10.11729/syltlx20210085
摘要(1669) HTML (338) PDF(80)
摘要:
搭建了基于深度强化学习(DRL)的射流闭环控制系统,在NACA0012翼型上开展了大迎角分离流动控制实验研究。NACA0012翼型弦长200 mm,实验风速10 m/s,雷诺数1.36×105。射流激励器布置在翼型上表面,通过电磁阀进行无级控制。将翼型表面的压力系数和智能体自身的动作输出作为智能体的观测量,以翼型后缘压力系数为奖励函数,对智能体进行训练。结果表明:经过训练的智能体成功地抑制了大迎角下的流动分离,比定常吹气的费效比降低了50%;智能体可以将翼型后缘压力系数稳定地控制在目标值附近;状态输入和奖励函数的改变会对最终的训练效果产生不同影响。
非定常气动力建模研究与虚拟飞行试验验证
陈翔, 展京霞, 陈科, 魏中成, 曹原
2022, 36(3): 65-72. doi: 10.11729/syltlx20210143
摘要(1431) HTML (203) PDF(76)
摘要:
非定常气动力建模涉及空气动力学、飞行力学、飞行控制等多个领域,是完善飞机大迎角气动数据库的关键。传统的气动数据库模型为动导数模型,由静态气动力、旋转天平、动导数等数据构成,无法精细表征过失速机动状态下的非定常效应。循环神经网络(RNN)结构是一种处理和预测序列数据的神经网络结构,在人工智能领域运用广泛,与非定常气动力一样都具有时间序列依赖的特点。重点研究了循环神经网络在非定常气动力建模中的应用,利用单自由度俯仰振荡的风洞试验数据进行建模。使用强迫运动试验与虚拟飞行试验2种方法对非定常模型进行验证:在强迫运动试验中,通过直接对比气动力曲线,对具有实战意义的眼镜蛇机动进行了验证;在虚拟飞行试验中,通过对比试验与建模仿真的运动参数曲线,验证了气动力模型的准确性。2种验证方法均表明循环神经网络模型比传统动导数模型更接近试验结果。
超高速碰撞碎片云质量分布快速预测技术
周浩, 李毅, 兰胜威, 刘海
2022, 36(3): 73-78. doi: 10.11729/syltlx20210125
摘要(1605) HTML (118) PDF(72)
摘要:
在航天器防护构型设计中,快速预测空间碎片超高速碰撞防护屏产生碎片云的质量分布及其变化规律具有重要意义。本文初步探索了采用深度学习方法预测超高速碰撞碎片云的二维质量分布及其变化过程。训练数据来自约2000个弹丸(铝球)超高速正碰撞靶板(铝板)的光滑粒子流体动力学数值模拟结果,共考虑4个变量(弹丸速度范围3~8 km/s、弹丸半径范围2~8 mm、靶板厚度范围1~4 mm以及观测时间范围1~12 μs)。系统比较了反卷积模型和多层感知机两种模型的预测效果,重点考察了模型的外推能力(应用于训练参数范围之外)。研究结果表明:在训练参数范围内两种模型的预测精度都很高;反卷积模型能够捕捉到碎片云质量分布的颗粒特征,但外推能力较差;多层感知机模型将碎片云中的质量进行了局部均匀化处理,具有较强的外推能力;多层感知机模型通过学习1~12 μs的碎片云质量分布,能够以一定精度预测24 μs时刻的质量分布;反卷积模型的预测时间为毫秒量级,多层感知机模型的预测时间为秒量级。
实验数据融合分析与流场重建
机器学习数据融合方法在火箭子级栅格舵气动特性建模应用中的比较研究
许晨舟, 杜涛, 韩忠华, 昝博文, 牟宇, 张津泽
2022, 36(3): 79-92. doi: 10.11729/syltlx20210154
摘要(1543) HTML (291) PDF(93)
摘要:
机器学习数据融合方法可帮助降低飞行器气动数据库建立的成本,加快研制进度,目前已经成为飞行器设计方法领域越来越活跃的研究方向,但其在工程复杂问题方面的应用研究并不充分。将多种常见变可信度数据融合模型应用于运载火箭子级栅格舵落区控制的工程项目,在开展部分工况的风洞试验基础上,结合少量的CFD数值模拟结果,研究相关函数和不同模型预测完整工况气动特性数据的差异性。通过对比加法标度函数修正模型、Co-Kriging模型、分层Kriging模型和多可信度神经网络模型等4种不同的数据融合模型发现:高斯指数相关函数对气动建模问题的适应性更好;Co-Kriging模型对气动数据的内插表现最好;分层Kriging模型对内插的预测精度较高,外插效果不理想;多可信度神经网络模型在外插区域能获得更光滑、合理的预测结果。
基于多源数据融合的翼型表面压强精细化重构方法
赵旋, 彭绪浩, 邓子辰, 张伟伟
2022, 36(3): 93-101. doi: 10.11729/syltlx20210166
摘要(1764) HTML (314) PDF(110)
摘要:
在风洞试验模型表面布置测压孔是获得表面压力分布的重要手段,但受限于空间位置和试验成本,通常难以在复杂模型表面布置足量的测压孔获得完整的表面压力分布信息,直接积分获得的升力和力矩精度不足,因此提出了一种融合稀疏的风洞试验数据和数值计算(CFD)数据的方法,通过较少的风洞测压试验数据获得高精度的压力分布。首先通过本征正交分解技术提取数值计算数据的压力分布低维特征(POD基函数),然后利用稀疏的试验测压数据,通过压缩感知算法获得基函数的坐标,最后将坐标转化到物理空间重构出压力分布。利用定常固定翼型变状态以及变几何变来流状态算例验证该方法的精度,重构结果均能精确匹配试验结果。该重构方法可在一定程度上解决空间受限稀疏观测条件下的分布载荷精细化重构难题。
基于超分辨率重构方法的湍流流场重构
江昊, 王伯福, 庄启亮, 卢志明
2022, 36(3): 102-109. doi: 10.11729/syltlx20210185
摘要(1827) HTML (238) PDF(172)
摘要:
从低分辨率流场数据中获取精细流场信息具有重要的研究意义。基于卷积神经网络的超分辨率重构方法是近年来发展的一种较为有效的精细流场重构方法。本文采用高效亚像素卷积神经网络(Efficient Sub-Pixel Convolutional Neural Network,ESPCN),对Rayleigh–Bénard(RB)对流的数值模拟数据和湍流边界层(Turbulent Boundary Layer,TBL)的实验测量数据进行了超分辨率重构,并与双三次插值方法(Bicubic Interpolation)的重构结果进行对比。对比结果表明:在较小的下采样比下,ESPCN方法和Bicubic方法的重构精度相当;在较大的下采样比下,ESPCN方法的重构精度明显优于Bicubic方法。此外,ESPCN方法对数据梯度较大区域的超分辨率重构效果优于Bicubic方法。
基于卷积神经网络的近壁流动高分辨率平均速度场预测方法
王少飞, 潘翀, 齐中阳
2022, 36(3): 110-117. doi: 10.11729/syltlx20210142
摘要(1409) HTML (173) PDF(67)
摘要:
本文设计并验证了基于卷积神经网络的边界层近壁流动高分辨率平均速度场预测方法:首先采用示踪粒子图像对数据集训练卷积神经网络,通过调整神经网络参数可以预测示踪粒子在数据集上的平均跨帧位移;然后使用该卷积神经网络预测像素空间中各像素位置的单粒子位移,得到高分辨率的平均速度场信息。将该方法用于预测湍流脉动较小的边界层近壁区的平均流动,能够将空间分辨率提高到单像素精度。误差分析发现,该方法获得的测速精度略优于传统单像素系综平均互相关算法,且对粒子浓度和示踪粒子图像对数目的要求明显低于后者。
基于深度神经网络的流场时空重构方法
韩仁坤, 刘子扬, 钱炜祺, 王文正, 陈刚
2022, 36(3): 118-126. doi: 10.11729/syltlx20210124
摘要(1712) HTML (486) PDF(182)
摘要:
针对流场粒子图像测速实验中时间和空间高分辨率测量代价高的问题,研究了数据驱动的流场时空重构方法。为了对实验测得的低分辨率数据进行时空高分辨率重构,提出了一种基于深度神经网络的流场时空重构方法,并构建了一种基于卷积神经网络和长短时记忆神经网络的混合深度神经网络。该混合深度神经网络能够学习流场的时空演化特征,训练完成后可实现对实验数据的时空高分辨率重构。测试结果表明:只进行流场空间高分辨率重构时,重构出的流场与真实流场之间的均方根误差为0.0065左右,流场数据点数是原来的51倍;同时进行流场时间和空间高分辨率重构时,重构出的流场与真实流场之间的均方根误差可保持在0.065左右,流场时间维度的密度是原来的5倍,可极大提高实验效率,节约实验成本。

重要公告

www.syltlx.com是《实验流体力学》期刊唯一官方网站,其他皆为仿冒。请注意识别。

《实验流体力学》期刊不收取任何费用。如有组织或个人以我刊名义向作者、读者收取费用,皆为假冒。

相关真实信息均印刷于《实验流体力学》纸刊。如有任何疑问,请先行致电编辑部咨询并确认,以避免损失。编辑部电话0816-2463376,2463374,2463373。

请广大读者、作者相互转告,广为宣传!

感谢大家对《实验流体力学》的支持与厚爱,欢迎继续关注我刊!


《实验流体力学》编辑部

2021年8月13日