-
公开(公告)号：CN117992761B
公开(公告)日：2024-06-11
申请号：CN202410407208.9
申请日：2024-04-07
Applicant: 西北工业大学
Abstract: 本发明涉及风力发电机空气动力分析技术领域，公开了一种风力机叶片动态失速气动力智能预测方法，包括以下步骤：获取风力机叶片的输入特征数据与目标叶片的高精度气动力数据；将输入特征数据与高精度气动力数据输入基于物理知识的翼型动态失速神经网络模型中进行训练，得到训练好的基于物理知识的翼型动态失速神经网络模型与动态失速气动力预测数据；获取风力机叶片的迎角，并输入训练好的基于物理知识的翼型动态失速神经网络模型与动量叶素理论求解器进行耦合迭代，得到修正的风力机叶片的非定常气动力；该方法将物理知识融入神经网络中，构建基于物理知识的翼型动态失速神经网络模型对气动力进行预测，减少了训练数据，提高了预测精度。
-
公开(公告)号：CN116911193A
公开(公告)日：2023-10-20
申请号：CN202310911885.X
申请日：2023-07-24
Applicant: 西北工业大学
Abstract: 本发明公开了一种空战智能决策方法。它包括以下步骤：构建本方飞行器的飞行器模型和敌方飞行器的飞行器模型；构建强化学习环境；基于强化学习中的策略迭代算法建立评判者‑执行者神经网络模型；本方飞行器使用评判者‑执行者神经网络模型，敌方飞行器使用固定策略，进行仿真训练，得到本方飞行器的训练数据集；将本方飞行器的训练数据集输入评判者‑执行者神经网络模型进行训练，得到训练完成的评判者‑执行者神经网络模型；将本方飞行器的状态信息、敌方飞行器的状态信息输入评判者‑执行者神经网络模型，评判者‑执行者神经网络模型输出本方飞行器的最优决策动作。本发明能够做出更符合真实空战情况、更有价值的最优空战决策。
-
公开(公告)号：CN115168987A
公开(公告)日：2022-10-11
申请号：CN202210742866.4
申请日：2022-06-28
Applicant: 西北工业大学
IPC: G06F30/15 , G06F30/27 , G06F30/28 , G06K9/62 , G06F119/08 , G06F119/14
Abstract: 本发明涉及一种基于支持向量机和边界层理论的气动热预测方法，由边界层理论得知，气动热具有很强的当地性，是一个局部量，而且其分布很大程度上取决于边界层外缘信息。基于边界层外缘信息和气动热间的密切关联，本文采用了数据驱动的当地化建模思路，利用支持向量机构建了从当地边界层外缘特征到当地壁面气动热的气动热预测模型。本方法的有益之处在于不需要再画更精细的网格求解耗时NS方程，只需直接求解简单省时的Euler方程获得边界层外缘特征，就可通过训练好的模型快速获得气动热分布。相比传统的数值计算方法，避免了网格质量的不确定性，在保证预测精度的同时将效率提高十几倍。
-
公开(公告)号：CN115014692A
公开(公告)日：2022-09-06
申请号：CN202210687570.7
申请日：2022-06-16
Applicant: 西北工业大学
Abstract: 本发明公开一种大迎角风洞试验消振装置及风洞试验系统，包括对称设置的L型件、外壳、弹簧钢片和配重块；其中所述外壳具有长边和短边，所述L型件与外壳的短边进行固定；L型件包括型件一和型件二，所述弹簧钢片的前端从外壳中间部分插入，弹簧钢片的末端位于外壳之外且被型件一和型件二夹持；所述配重块位于弹簧钢片的自由端。该消振装置不需要外部能源输入，也无需复杂的控制率设计，不需要对支撑系统进行改造，而且该消振装置的频率和阻尼都可以根据不同模型进行调节，提高了消振装置的作用效率拆卸方便，且安全性和可靠性高。
-
公开(公告)号：CN114936572A
公开(公告)日：2022-08-23
申请号：CN202210407075.6
申请日：2022-04-18
Applicant: 西北工业大学
Abstract: 本发明公开了一种基于自适应模态多重网格的翼型CFD求解增稳和保守敛方法，首先在伪时间迭代过程中，提取流场快照，并进行快速傅里叶变换；然后当快速傅里叶变换所得的1倍频幅值达到最大值时，对流场快照矩阵进行模态分解，将流场从物理空间投影至模态空间；接下来将各阶流场模态频率进行高频滤波；最后将模态空间的流场信息反投影回物理空间，进行下一步迭代，直至流场收敛，最终完成翼型CFD求解。本发明方法可以自动识别流场主导振荡模态并将其滤去，普遍能够增强迭代计算的稳定性和收敛性，且不依赖计算网格，移植方便，具有广泛的适用性。
-
Patent Agency Ranking
公开(公告)号：CN112555901A
公开(公告)日：2021-03-26
申请号：CN202011461181.X
申请日：2020-12-12
Applicant: 西北工业大学
IPC: F23R3/28
Abstract: 本发明提供了一种激波串不稳定运动提升超燃冲压发动机燃料掺混的方法，通过超声速喷管及配气操纵台给定来流，得到超燃冲压发动机隔离段通流状态下各个压力测点的稳态数据，将隔离段沿程压力分布中波峰位置的邻域划定为隔离段内激波‑附面层干扰区域，通过燃油供给系统调节发动机当量比，改变隔离段出口不同的反压，直至压力测点信号出现周期性波动。本发明能够有效地利用激波串的不稳定运动，在没有增加额外装置以及总压损失的条件下利用激波串自身振荡特性产生的纵向不稳定流动，将燃料与发动机内主流进行掺混，采用本发明能在短距离内提升超燃冲压机燃料与空气的掺混效果，提高燃烧室的效率，提升发动机的工作性能。
-
公开(公告)号：CN112298530A
公开(公告)日：2021-02-02
申请号：CN202010861708.1
申请日：2020-08-25
Applicant: 西北工业大学
IPC: B64C9/02
Abstract: 本发明一种基于流固耦合效应的飞机升降舵嗡鸣抑制器，属于嗡鸣抑制器领域；包括底座、锰钢片、粘弹性阻尼条和质量块；所述底座固定于升降舵蒙皮内壁面；所述锰钢片一端通过连接件垂直固定于竖梁的侧壁上，另一端固定有所述质量块，能够做上下往复的沉浮运动；所述粘弹性阻尼条粘贴于所述锰钢片的上、下表面。当升降舵发生嗡鸣时，锰钢片发生反复弯曲变形，自由端的质量块做上下往复的沉浮运动，利用流固耦合效应，当外载气动力的频率与抑制器的频率相耦合，改变了升降舵的稳定性边界，缩小了嗡鸣发生的频率范围，粘弹性阻尼条通过反复的拉伸、收缩运动，将振动的一部分机械能耗散掉，降低了嗡鸣发生时的振动振幅，可以有效提高结构的疲劳寿命。
-
公开(公告)号：CN112298529A
公开(公告)日：2021-02-02
申请号：CN202010861689.2
申请日：2020-08-25
Applicant: 西北工业大学
IPC: B64C9/02
Abstract: 本发明一种基于流固耦合效应的方向舵嗡鸣抑制器，属于嗡鸣抑制器领域；包括底座、锰钢片、粘弹性阻尼条和质量块；所述底座为工字梁结构，其两端横梁通过螺栓固定于方向舵蒙皮内壁面；锰钢片为矩形结构，其长边的一端通过连接件垂直固定于底座的支撑梁上，另一端固定有质量块；所述粘弹性阻尼条粘贴于锰钢片的上、下表面。当方向舵发生嗡鸣时，锰钢片发生反复弯曲变形，自由端的质量块做上下往复的沉浮运动，利用流固耦合效应，当外载气动力的频率与抑制器的频率相耦合，改变了方向舵的稳定性边界，缩小了嗡鸣发生的频率范围，粘弹性阻尼条通过反复的拉伸、收缩运动，将振动的一部分机械能耗散掉，降低了嗡鸣发生时的振动振幅，有效提高结构的疲劳寿命。
-
公开(公告)号：CN108595788A
公开(公告)日：2018-09-28
申请号：CN201810302622.8
申请日：2018-04-05
Applicant: 西北工业大学
IPC: G06F17/50
Abstract: 本发明公开了一种基于模态多重网格的流场加速收敛方法，通过选择若干伪时间迭代步的流场快照，对其进行动力学模态分析，将物理空间流场信息投影到模态空间，并在模态空间将流场的高频分量截断，仅保留低频分量，再将其反投影回物理空间，能够有效地消除流场迭代过程中不同频率的扰动传播，显著加快流场收敛速度。与传统多重网格方法不同的是，本发明提出的模态多重网格方法不需要在物理空间对网格进行变换，巧妙地避免了复杂繁琐的网格粗化和细化的过程，而且能够非常方便地嫁接于任意流场求解器，而不需要对求解方法做任何改动，很方便地用于非结构网格流场加速收敛以及大规模并行计算。
-
公开(公告)号：CN104443427B
公开(公告)日：2016-08-31
申请号：CN201410546791.8
申请日：2014-10-15
Applicant: 西北工业大学
IPC: B64F5/00
Abstract: 本发明公开了一种飞行器颤振预测系统及方法，用于解决现有颤振预测系统预测精度差的技术问题。技术方案是系统包括激励信号发生器、激励执行机构、信号采集模块和数据处理与颤振预测模块。所述激励信号发生器生成的激励信号输入舵机，舵机通过助力器带动舵面按预定的指令偏转产生气动力形成激励，根据输入信号的不同，舵面以不同速率偏转产生不同的外激力，使测试部件得到充分激励。信号采集模块用来采集加速度响应和外激力响应信号。数据处理与颤振预测模块在每一个马赫数下只需一个亚临界速度测试点就能预测试验马赫数下的颤振临界点，且速度测试点离颤振临界点较远时预测精度也能达到所需要求，提高了颤振预测系统的预测精度。
-
-
-
-
-
-
-
-
-
Search Results
78
records
(took 0.064 seconds)
