简介:利用粒子成像测速技术(particleimagevelocimetry,PIV),在水槽中探究缝隙对圆柱流场结构的影响,应用频谱分析和本征正交分解(properorthogonaldecomposition,POD)方法,研究了开缝圆柱流场相干结构.实验Reynolds数范围内,缝隙的“吹吸”作用从根本上改变了圆柱绕流近区尾流结构,前6阶模态形态是流场中最主要的相干结构.第1,2阶模态形态控制着圆柱绕流流场涡街相继脱落过程,1或2阶模态系数为尾迹涡的固有频率;第3,4阶模态形态控制着脱落旋涡沿流向方向能量运输;第5,6阶模态形态中的同向涡旋结构作用于旋涡缓慢脱离柱体这-过程,并对旋涡能量起着衰减作用.
简介:链路预测是网络信息挖掘的主要研究内容,通过对网络结构和其他信息的分析,挖掘缺失的链接或预测未来可能出现的链接。链路预测在推荐系统、社会网络和生物网络分析中有着十分广泛的应用。本文首先介绍了基于公共邻居、路径和随机游走的8种常用的链路预测指标.并在此基础上提出了一种基于这8种指标线性组合的度量指标,并经过实验找出了较好的优化参数。然后,提出了基于这8种指标的神经网络模型.并分别基于Weka平台和FANN库进行了实现。在社会网络的4个公开测试集上的实验结果表明.基于FANN库的神经网络模型的预测结果最好,在4个数据集上最高的AUC值分别达到了0。95l8、0.9289、0.7480和0.8677,与单一指标最好的AUC值相比分别提高了3.92%、1.45%、7.06%和24.35%。
简介:研究翼型绕流的转捩预测方法,对于翼型流动细节的精确模拟和气动力的准确计算以及精细化设计均具有十分重要的意义.采用动模态分解(dynamicmodedecomposition,DMD)代替线性稳定性理论(linearstabilitytheory,LST)与e^N方法结合,不需要求解稳定性方程,成为一种数据驱动的翼型边界层转捩预测新方法,称为DMD/e^N方法.在原有方法的基础上,改进了DMD网格线生成方法和扰动放大N因子的积分策略,并将RANS求解器与改进的DMD/e^N方法进行耦合,实现了翼型定常绕流转捩预测自动化.采用该方法对LSC72613跨声速自然层流翼型以及NLF0416低速自然层流翼型在不同攻角下的绕流进行转捩预测,转捩点计算结果均与实验值和LST/e^N方法吻合良好.该方法计算得到的N值增长曲线与LST/e^N方法的包络线也较为吻合,进一步验证了积分策略的正确性.改进的DMD/e^N方法可作为自然层流翼型设计的新的有力工具.
简介:从阻力主导惯性再入到升力主导机动再入是无动力高超声速飞行器的主要发展方向,文章讨论了任务使命动力配置飞行模式及总体规模限制下的布局设计原则,研究了不同构型升阻效率及升力载荷系数与模线形状横截面形状及容积利用率分段装填容积间的关系,探讨了包括拉起/下压滑翔弹跳/滑翔等射面机动与Z字螺旋锥形空间机动等飞行模式与匹配的气动操纵面设计质心布置压心/静稳定裕度纵横向静动稳定性等,从热安全角度提出了总体/气动/防热/结构/弹道/控制等多物理场高度耦合下的飞行器热力气动布局多学科设计优化,结合非惯性弹道飞行器气动布局设计问题,给出了满足分段容积要求防热要求及操稳要求的飞行器气动构型设计优化实例.