李鸿岩
- 作品数：9 被引量：4H指数：1
- 供职机构：中国航空工业空气动力研究院更多>>
- 发文基金：中国航空科学基金更多>>
- 相关领域：航空宇航科学技术自动化与计算机技术更多>>
- 小展弦比飞翼标模FL-2风洞跨声速开孔壁干扰特性修正研究被引量：3
- 2016年
- 为了满足现代风洞试验精细化要求,提高风洞试验数据精准度,开展跨声速开孔壁洞壁干扰修正方法研究。本文利用实测壁压信息构造开孔壁边界条件,通过求解N-S方程,模拟试验模型在风洞中的绕流场,建立基于壁压信息的跨声速洞壁干扰非线性修正方法。不同于线性修正方法,本方法可用于各种复杂外形飞行器的亚、跨声速开孔壁洞壁干扰修正,结合小展弦比飞翼标模风洞试验数据,对其在FL-2风洞试验数据开展洞壁干扰特性研究。洞壁干扰修正结果表明,洞壁干扰量随马赫数变化呈增长趋势,Ma=1.0左右达最大,经过修正的FL-2风洞的跨声速试验结果,与FL-26风洞近似无干扰试验结果吻合良好。
- 李鸿岩王祥云杨希明王世红
- 关键词：洞壁干扰
- 基于分层策略的翼型多参量气动优化设计研究
- 2012年
- 与基于梯度的优化方法相比,遗传算法因其极强的鲁棒性、随机搜索及优化结果全局性等特点在工程优化中得到越来越广泛的应用。为提高优化设计的效率,改进了传统的遗传算法,采用并行分层策略基因遗传算法开展了翼型多参量气动优化设计研究,包括翼型和多段翼型的基因编码、外形参数化,以及动网格技术。结果表明,并行分层策略在得到较优气动优化结果的同时,极大地缩短了优化时间,提高了计算效率,具有广阔的工程应用前景。
- 李鸿岩董军
- 关键词：翼型多段翼型气动优化设计动网格
- 基于深度学习的二维翼型流场重构技术研究
- 2022年
- 基于深度学习方法的二维翼型流场重构能够克服传统风洞试验和计算流体力学模拟的缺点,在提高计算速度的同时保证计算精度。提出的深度学习方法通过模拟RANS方程对速度、压力和密度分布进行预测,最优模型可以达到平均压力、速度、密度误差为5%。该方法的单个算例计算时间约为1s,计算耗时约为常规求解器的0.66%。同时也验证了数据集大小对解的准确性的影响,随着数据集样本数目增大,解的准确性也逐步提高。为深度学习方法在计算流体力学中提供一个现实的二维流场预测应用场景,探讨了深度神经网络方法与气动领域相关问题的匹配度,后续将进一步通过精细化的几何外形表达与无损失的标签提取方法提高深度神经网络方法计算的可用性。
- 曹晓峰李鸿岩郭承鹏王强马海
- 关键词：翼型RANS
- 航空工业气动院自主化CFD软件的研究与发展
- 航空工业气动院历经多年积累,构建了自主化软件平台ARI-CFD。本文详细的介绍了自主化软件平台ARI-CFD的构成及主要核心解算模块功能,并选典型标模案例进行了展示。可以看到,ARI-CFD软件平台,在航空航天领域经过了...
- 史万里李艳亮许鹏博张颖吴渊王普缘唐海龙章锦威李鸿岩
- 关键词：自主化CFD软件航空航天气动计算
- 文献传递
- CFX-5．5对GBM-01标模气动力计算应用研究
- 2004年
- 本文介绍了采用通用CFD数值模拟软件CFX-5．5对GBM-01标模气动力特性的数值计算过程和计算结果。计算马赫数为0．6-2．024，计算结果与实验结果具有相同的趋势．文中对计算结果与实验结果的差异进行了分析。本文研究工作可为CFX-5．5在工程中的实际应用提供参考依据。
- 段颖李鸿岩
- 关键词：气动力特性马赫数
- 风洞开孔壁建模及壁面穿流特性研究
- 当今飞行器的研制与发展仍然离不开准确的风洞试验数据,为了满足现代先进飞行器高机动飞行性能的设计要求,风洞试验数据必须具有更高的准确度。由于风洞试验段尺寸的限制,洞壁干扰是影响试验数据准确性的重要因素。特别是在跨声速模型试...
- 王祥云陈通刘广宇李鸿岩
- 关键词：跨声速风洞洞壁干扰
- 跨声速风洞机翼半模型试验洞壁边界层影响的数值模拟研究
- 采用数值模拟方法,模拟垫块法风洞试验洞壁边界层及垫块厚度对半模型试验结果的影响,计算模型采用M6机翼半模型.控制方程采用全场三维可压、雷诺平均的Navier-Stokes方程;采用Jameson中心有限体积、多步Rung...
- 李艳亮杨希明董军李鸿岩郭承鹏
- 关键词：跨声速风洞半模型试验机翼数值模拟风洞试验
- 文献传递
- 基于Linux工作站机群并行CFD平台设计与实现被引量：1
- 2004年
- 本文介绍了采用MPI技术，基于Linux工作站机群并行CFD平台设计与实现的方法及关键技术。通过对典型CFD并行计算程序的数值试验，给出了由四台PC机组成的工作站机群的并行性能评测。
- 李鸿岩
- 关键词：工作站机群MPIPC机评测
- 基于贝叶斯超参数优化的Gradient Boosting方法的导弹气动特性预测
- 2023年
- 在导弹设计与研发的初期阶段,需要寻求高效且低成本的导弹气动力特性的分析方法。然而,气动性能分析过程中往往存在试验成本高、周期长、局限性大等问题。因此,本文采用基于提升(Boosting)的机器学习集成算法进行导弹气动特性预测,通过输入导弹的气动外形参数、马赫数和迎角,对于导弹气动力系数实现快速预测。结果表明,Boosting能够对导弹气动力系数进行精准高效预测。为进一步提升预测精度,与传统的机器学习参数调整方法相比,采用贝叶斯优化方法对梯度提升(Gradient Boosting)算法超参数进行优化,调优后的Gradient Boosting方法预测的导弹气动力系数与实际值吻合度得到提升,并将贝叶斯优化的Gradient Boosting方法与XGBoost、LightGBM、Adaboost方法进行了对比,贝叶斯优化的Gradient Boosting方法预测精度优于其他Boosting方法,证明了优化方法的可行性与有效性。
- 崔榕峰马海郭承鹏李鸿岩刘哲
- 关键词：导弹气动特性BOOSTING
