超声空化及其声流结构实验研究*

超声空化及其声流效应在医学、化工和能源等领域得到广泛应用。本文采用高速摄像和粒子图像测速系统分别研究了超声场下的空化形态和声流场结构的时空演化规律。实验研究了50W,100W,200W和250W等四种不同输入功率对18kHz的超声变幅杆附近空化及其声流场的影响。研究结果表明：（1）在变幅杆下端面处观察到由大量空化气泡均匀分布组成的倒置锥形空泡结构,并且锥形空泡结构为稳态流动结构。（2）在超声变幅杆附近产生了两种不同的声流形式,第一种是变幅杆底端的射流型声流,第二种是变幅杆两侧的回旋流。此外,通过研究空泡与声流场中最大速度点之间的空间对应关系,发现声流是因为空泡流动带动而产生的。（3）空间位置和输入功率能显著影响射流型声流的流场结构,但是对回旋流的影响十分微弱。     

基于LSTM模型的飞行器智能制导技术研究

人工智能技术的突破性进展为飞行器再入制导技术的研究提供了新的技术途径, 本文针对预测校正制导中两方面的问题: 一是纵向“预测环节”积分计算量大和“校正环节”割线法迭代求解难以满足实时性的问题, 二是纵向制导和横向制导都需要对动力学方程进行积分, 存在明显的冗余计算问题, 提出基于长短期记忆网络(long short-term memory, LSTM) 的飞行器智能制导技术. 一方面, 在纵向制导中不需要对动力学方程进行积分来预测待飞射程, 即去除“预测环节”; 另一方面, 不再基于割线法迭代求解倾侧角的幅值, 即去除倾侧角的“校正环节”, 大大减少积分计算量, 提高计算速度. 利用深度学习在神经网络映射能力和实时性方面的双重天然优势, 基于再入飞行器的实时状态信息, 采用LSTM模型实时生成倾侧角指令. 同时, 将纵向和横向制导环节的制导周期统一为一个周期, 进一步确保制导系统满足在线制导的实时性要求. 蒙特·卡罗仿真分析表明, 本文所提的方法在飞行器再入初始状态和气动参数拉偏情况下具有精度和速度上的优势.