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。

高速空腔流动包含复杂波系结构,这些复杂波系的传播和演化导致流动产生自持振荡而引起强噪声,空腔噪声在频谱上包含多个具有离散频率的声模态,深入理解各阶声模态的演化规律可为发展噪声控制方法提供理论基础.通过分析亚声速和超声速情况下空腔两端的波系散射过程并考虑三维展向流动,分别建立了针对亚声速和超声速空腔流动的三维波系模型.三维波系模型包含了空腔中不同波系之间的非线性相互作用,这种非线性作用可导致产生不同于Rossiter模态的其余频率成分.基于三维空腔流动实验测量的压力信号数据,对模型中的参数进行了线性估计,采用快速傅里叶变换、双谱分析和小波变换等方法对压力信号进行了分析,结果表明振荡主模态之间会产生非线性作用,这种非线性作用产生了幅值较高的谐频,主要的振荡模态之间存在模态切换现象,且模态切换呈

先进的高超声速飞行器具有薄壁空腔结构,在飞行过程中受热会产生空腔内气体流动现象,从而影响流场和结构的温度分布。采用数值方法准确模拟高超声速流场、结构温度场和空腔内流动对热结构分析是很有必要的。以研究空腔流动对结构温度分布影响为目的,发展了一种适用于多流动区域流场/结构温度场耦合问题的同步计算方法,并以高超声速带空腔结构物体为例,数值研究了其外部气动热/结构热传导引起的空腔热对流问题。以已发展的高超声速外流场/结构温度场同步计算方法为基础,为了进一步考虑空腔内低速流场,采用了预处理矩阵方法。在流场与结构温度场的交界面两侧分别引入虚拟单元,从而高效地实现相邻场之间物理信息交换。首先通过标准算例验证了方法在求解单独气动热/结构热传导问题以及空腔自然对流问题中的准确性。进而对封闭和带有