基于优化配平的机翼故障飞机飞行性能分析

分析飞机机翼故障对飞行性能的影响,对飞机故障后能够安全着陆或返航有着重要意义,飞机的机翼作为产生力和力矩的主要部件对飞行性能起着重要的作用。提出一种基于单纯形优化的机翼故障飞机飞行性能分析方法,建立机翼故障参数模型,根据飞机爬升转弯飞行条件进行优化配平计算,得到在不同状态下不同机翼故障的配平数据库,分析了故障后飞机的飞行性能。仿真结果表明所提算法的有效性。     

基于排队论的除冰飞机延误分析

针对除冰飞机到达率动态变化条件下除冰飞机延误问题,研究飞机地面除冰排队延误形成机理,提出除冰飞机到达率的Markov描述及平均除冰服务率的多项式描述。建立基于QBD过程的除冰排队模型,分析多除冰坪不同天气下除冰飞机延误参数。利用首都机场离港航班动态及历史除冰运行数据,对除冰飞机延误参数进行了仿真验证。结果表明:离港高峰时段航班平均延误架次及延误时间与实际数据接近,误差在5.2%以内;且各随机环境下的航班延误架次随着除冰飞机到达率动态变化,反映了各除冰坪不同时段的延误状况,进而更加客观真实地反映除冰运行状况。     

基于多步优化GM(1,1)模型的云计算资源负荷短期预测

论述了云计算资源负荷的特征及其短期预测的作用。首先利用多项式回归模型对GM(1,1)的预测结果进行一次优化,然后使用马尔科夫链对一次优化后的模型进行二次优化,最后运用布谷鸟搜索算法对二次优化后的灰色预测模型进行再度优化,建立基于多步优化的改进GM(1,1)灰色预测模型。实验结果表明,与其他预测模型相比,在云计算环境下的资源负荷短期预测应用中,该模型具有更高的预测精度,表现出良好的预测性能。所提方法能为云计算资源的高效调度和管理提供决策支持。     

子弹击穿飞机薄板结构的损伤预测研究

为对子弹击穿飞机薄板后的损伤尺寸进行预测.利用ANSYS/LS-DYNA建立了子弹击穿飞机薄板的有限元模型,仿真计算得到了薄板的损伤形貌及尺寸.根据实验结果对比验证了该模型的有效性.采用支持向量机回归算法构建损伤尺寸的预测模型,通过选择不同的核函数及参数.分析了薄板弹孔最大径向尺寸的预测精度,得到了较为理想和具有一定实际应用价值的预测模型.     

飞机地面除冰运行延误分析与调度方法

基于可拓理论对影响飞机地面除冰延误的影响因素进行了分析研究,基于分析结果设计出飞机地面除冰运行决策算法(HPFS&MD),构建了资源受限条件下大型枢纽机场飞机除冰地面运行多Agent模型,利用北京首都国际机场实际航班数据对上述算法进行了仿真实验验证.结果表明,将本文设计的HPFS&MD算法应用于大型枢纽机场的飞机地面除冰运行调度中,在飞机除冰总延迟时间、飞机延迟数量以及飞机延误率这三个指标上均优于传统的先来先服务(FCFS)策略,且HPFS&MD算法在兼顾不同驻场航空公司飞机除冰过程公平性的基础上,对多机型、不同除冰状态以及大量航班调度过程的表现也明显好于FCFS.     

基于支持向量机的飞机地面结冰冰型分类预测

飞机结冰严重影响飞机的安全性,而不同结冰类型对飞机的危害程度也不同.文中提出了一种飞机结冰冰型预测模型,该方法将支持向量机应用于飞机结冰冰型分类.首先对各类结冰冰型影响因子进行分析,在此基础上建立了基于支持向量机的飞机结冰冰型分类模型.采用基于支持向量机的分类模型对飞机地面结冰进行了冰型识别,并与BP神经网络的分类模型进行了识别效果对比.试验结果表明,在小样本条件下,该方法具有分类准确度高、推广能力较强等优点,有良好的应用前景.     

利用多项式拟合测量飞机油箱油量

飞机飞行中,测量剩余油量是关乎飞行安全的重要工作。以往采用的查表法存在存储数据量过大的问题,而插值法的计算又过于复杂,为此,提出了一种基于多项式数据拟合的油箱剩余油量测量方法,该方法通过存储多项式系数减少数据存储量,通过将多元插值计算改为多项式计算降低运算量。实验中,首先通过地面实验数据拟合获取多项式参数,再利用飞机飞行中获取的测量数据进行计算,所得结果与油箱内剩余油量的实际测量结果相比较,测量误差满足使用要求。通过理论和实验分析,在多项式拟合的阶数选择上明确了使用三阶多项式的合理性。该方法有较好的实用性,已在实践中应用。     

基于流型学习的地面结霜现象检测

针对日常地面气象观测中近地面结霜现象仍需要依靠人工观测来完成的问题,提出了一种基于计算机视觉的结霜现象自动化观测方法。在实时检测中,首先,结合人工标记获取的离线结霜图像样本和实时获取的图像样本构造k近邻图模型;其次,以结霜图像样本为查询节点并通过流型学习方法在图模型上对实时图像样本进行排序,进而获取候选结霜区域;最后,根据结霜和非结霜图像样本在线训练支持向量机(SVM)分类器并对候选结霜区域进行二次判定。在标准化气象观测站实施的实验结果显示,对比同期人工观测记录,该算法对结霜现象的检测正确率达到了87%,具有潜在的业务化前景。     

一种BP神经网络机场噪声预测模型

机场噪声预测对机场噪声控制、航班计划制定和机场规划设计具有十分重要的作用。现有的机场噪声预测模型都是以飞机的噪声距离曲线（NPD曲线）为核心,用相应的数学模型将其修正至与具体机场的特定环境条件相关的噪声传播模型,存在预测成本高和误差大的缺点。针对这种情况,提出一种使用BP神经网络利用机场噪声历史监测数据进行NPD曲线修正计算方法,从而建立适用于特定机场环境条件的机场噪声预测模型。实验表明,在特定机场的特定环境条件下,允许误差为0.5 dB时,该模型预测准确率高达91.5%以上,具有预测成本小、准确度高的特点。     

自愿计算网络中新的距离预测模型

描述了自愿计算环境下主-从模式的并行应用的特点及自愿计算网络的拓扑结构,提出了一种该环境下的网络距离预测模型.该模型处于应用级别上、采用被动监控的方式获取距离预测信息,该网络距离预测模型可以减少测量开销并使预测精度满足实际应用所需.分析了距离预测模型的协议实现与代价评估,最后通过构建自愿计算网络环境,运行并行程序,对该模型进行了测试与性能分析,实验结果验证了该模型的高效性与负载均衡性.     

飞行器翼型表面流场数据智能分区

飞行器翼型CFD仿真结果后处理分析自动化程度的提升能有效地提升产品设计效率,因此提出了一种翼型表面流场数据智能化分区方法,可有效得到翼型表面流场分区结果。首先,通过参数化批量修改气动外形得到翼型数据集,再利用数值模拟生成流场计算结果;然后,基于共形几何对流场数据进行降维并进行重采样和矩阵化,将其作为预测模型的标准输入;随后,构建卷积神经网络模型对流场数据进行训练和预测;最后,通过逆映射将分区结果重采样到翼型表面。实验表明,该方法可针对不同的物理量高效地对翼型表面流场数据进行分区,在测试数据集上的准确率在92%以上。     

弹射通道动力学仿真设计

传统的弹射通道设计手段局限于地面弹射实验,成本高,难控制;而动力学仿真与之相比具有成本低,零风险,设计周期短等明显优点。以多体动力学仿真软件LifeMOD为平台,建立了人椅系统的多刚体动力学模型,仿真分析了弹射出舱阶段三种不同工况下人体模型肢体的运动轨迹;以各点轨迹形成的包络面为边界,获得了满足安全要求的最小弹射通道尺寸,可以为弹射通道设计提供必要的指导。     

刹车控制单元便携式检测设备的设计与实现

在飞机地面试验台进行刹车试验时,或者在外场飞机起飞前进行检查、大修厂的飞机维修时,防滑刹车控制单元的性能检测设备必不可少。针对飞机预测及健康管理(PHM)提出的维修保障困难问题,于开放的、面向对象的PHM体系结构,提出了一种便携式飞机刹车系统检测设备,结合其关键系统展开设计。此设计包含了飞机PHM体系结构设计及相关环节的技术实现,并将传统测试的相关测试设备小型化轻量化,集成在一拉杆箱内,加以一体化和良好的散热设计,使得设备方便运输携带,且具有一定抗强冲击力和震动的特性,有很高的安全性、可靠性,并具备故障定位等智能化检测能力,可满足外场检测的恶劣测试环境,提高飞机检修效率。     

基于遗传优化算法的飞行器伺服弹性模型修正

准确的气动伺服弹性分析模型对飞行器控制稳定性设计至关重要,本文提出了以飞行器地面伺服弹性试验数据为基准,采用遗传优化算法修正伺服弹性数学模型的方法,工程实际算例表明,该方法能够提高伺服弹性分析精度,可以为气动伺服弹性建模提供可靠基础.     

一种改进的B 样条翼型参数化方法

翼型设计是空气动力学研究的一项重要内容,翼型的参数化结果将影响翼型的优化设计。为了减少翼型优化中的设计变量,保证优化结果的光滑性与C2 连续,在优化过程中控制翼型几何特性的变化范围,提出了一种改进的B 样条参数化方法。用一条三次非均匀B 样条曲线表示翼型,翼型数据的参数化过程中主要运用了B 样条曲线拟合算法,并且在一般的B 样条曲线拟合算法的基础上加入了对曲线的法向约束,通过迭代得到最终的参数化结果。实验结果表明,该方法可以很好的拟合典型的翼型数据,得到的翼型参数化结果不仅光滑,满足C2 条件,而且所得翼型函数的参数个数比传统的参数化方法有了进一步的减少,更有利于之后翼型的优化设计。     

基于动网格的NACA0012翼型动态失速仿真计算

针对翼型动态失速问题,利用动网格技术的数值计算方法,采用转捩修正的SST k-ω湍流模型对NACA0012翼型进行仿真模拟及数值计算,得到翼型升阻力系数随迎角的变化规律以及翼型表面的压力和速度云图。研究表明,动网格技术和所选湍流模型能较好地捕捉翼型动态失速过程中涡流的形成、发展、脱落和再附着的过程,对翼型动态失速的研究提供一定的参考作用,也为民航训练动态失速项目的研究奠定基础。     

小样本下基于Bootstrap的航程油耗预测方法

利用传统的数据分析方法预测飞机燃油消耗量需要大量的样本,针对这一问题,提出一种基于Bootstrap统计理论建立油耗预测模型的方法.基于真实的QAR(quick access recorder)数据,首先利用Bootstrap统计方法得到相关航程下油耗均值和一定置信水平下均值的置信区间,然后对多组均值和置信区间的上、下限分别进行拟合建模,能够得到油耗与航程关系模型及航程与燃油消耗带关系模型.最后,将结果分别与最小二乘法下的预测模型及2203组数据样本下的油耗模型作对比,结果表明:小样本量下的Bootstrap方法预测模型准确度较高.     

Coupled adjoint aerostructural wing optimization using quasi-three-dimensional aerodynamic analysis

This paper presents a method for wing aerostructural analysis and optimization, which needs much lower computational costs, while computes the wing drag and structural deformation with a level of accuracy comparable to the higher fidelity CFD and FEM tools. A quasi-three-dimensional aerodynamic solver is developed and connected to a finite beam element model for wing aerostructural optimization. In a quasi-three-dimensional approach an inviscid incompressible vortex lattice method is coupled with a viscous compressible airfoil analysis code for drag prediction of a three dimensional wing. The accuracy of the proposed method for wing drag prediction is validated by comparing its results with the results of a higher fidelity CFD analysis. The wing structural deformation as well as the stress distribution in the wingbox structure is computed using a finite beam element model. The Newton method is used to solve the coupled system. The sensitivities of the outputs, for example the wing drag, with respect to the inputs, for example the wing geometry, is computed by a combined use of the coupled adjoint method, automatic differentiation and the chain rule of differentiation. A gradient based optimization is performed using the proposed tool for minimizing the fuel weight of an A320 class aircraft. The optimization resulted in more than 10 % reduction in the aircraft fuel weight by optimizing the wing planform and airfoils shape as well as the wing internal structure.     

分布式驱动的变体飞行器仿真系统设计与实现

针对由20个智能体搭建而成的变形翼硬件系统,通过集成可视化的翼型控制、进程通信、气动数据存取等模块,使用面向对象软件开发研制了基于变参数模型的变体飞行器仿真系统。系统能够与底层硬件实现控制通信,并能实时综合目标翼型和气动参数提供给飞行仿真程序,同时能够显示变形效果。运行结果表明,系统能够有效完成变形翼控制和变体飞行器的飞行仿真。