细长体亚跨声速超大攻角复杂气动特性研究
采用非定常延迟脱体涡模拟(delayed detached eddy simulation,DDES)方法,计算了细长体在马赫数Ma=0.6~1.15、攻角α=0°~180°的非定常流场,并从非定常气动力特性、非定常频率特性、非定常旋涡流动特性三个方面进行深入分析,得到以下结论细长体气动力系数在攻角45°~165°范围内均具有较为强烈的非定常性,侧向力系数的非定常脉动幅值尤为强烈,其瞬时量值为法向力系数的1/4~1/2;细长体横侧向气动力系数在攻角45°~165°范围内有比较明显的主频,纵向气动力/力矩系数无明显主频;气动力系数的频率特性主要来自旋成体弹身,弹翼贡献很小;背风侧复杂旋涡流动是非定常气动力的主要原因,主要体现为旋涡生成、旋涡切换、涡脱落等。
飞行器大攻角非定常气动特性神经网络建模
大攻角气动特性预测与气动建模是新型飞行器提升飞行性能的重要内容.以轴对称导弹简化模型为研究对象,首先采用计算流体力学方法,对70°大攻角状态的非定常气动特性进行数值模拟,计算方法基于RANS的N-S方程,湍流模型采用SA模型,对流场采用有限体积法离散,无黏项采用Roe通量差分分裂格式,黏性项采用中心差分,时间推进采用LU-SGS格式的双时间步法.飞行器运动模式采用强迫振荡的方式,对5种不同振荡频率进行了非定常数值计算,并记录每一内迭代周期最终的气动力和力矩数值.其次,以CFD预测结果作为气动建模的样本,采用动导数模型、多项式模型等传统方法,进行气动建模,并分析其有效性和精度.最后采用神经网络方法对大攻角非定常气动力进行建模,并和动导数模型、多项式模型进行精度对比.结果表明,基于神经网络的人工智能气动建模方法具有较高的...
-
共1页/2条