本文介绍了一种通过使用 CFD 解决方案来校正风洞数据的替代方法。校正基于风洞中测量的压力与 CFD 在自由流动条件下预测的压力之间的差异,在风洞数据点周围的攻角和马赫数下。优化用于找到攻角和马赫数的组合,以最小化测量压力和预测压力之间的差异。使用替代模型来近似 CFD 数据,以提高该方法的计算效率。优化的结果是校正后的攻角和马赫数,它对应于自由飞行条件下的压力分布,就所使用的目标函数而言,该压力分布最适合风洞实验。结果表明,当在目标函数中使用所有机翼压力时,得到的校正与使用壁面压力特征方法预测的壁面干扰校正一致。
NASA STI 项目办公室由兰利研究中心运营,该中心是 NASA 科学和技术信息的主导中心。NASA STI 项目办公室提供对 NASA STI 数据库的访问,该数据库是世界上最大的航空和空间科学 STI 集合。该项目办公室也是 NASA 传播其研究和开发活动成果的机构机制。这些结果由 NASA 在 NASA STI 报告系列中发布,其中包括以下报告类型:
本报告是作为美国政府机构赞助的工作的记录而编写的。美国政府及其任何机构或其任何雇员均不对所披露的任何信息、设备、产品或流程的准确性、完整性或实用性做任何明示或暗示的保证,也不承担任何法律责任或义务,也不表示其使用不会侵犯私有权利。本文中以商品名、商标、制造商或其他方式提及任何特定商业产品、流程或服务并不一定构成或暗示美国政府或其任何机构对其的认可、推荐或支持。本文中表达的作者的观点和意见不一定代表或反映美国政府或其任何机构的观点和意见。
.5) 题为“气动数据准确性和质量:风洞测试的要求和能力”的报告强调了持续存在的问题。显然需要在数据质量评估实践中进行两项重要改进。首先是采用一致的方法将不确定性分析整合到测试的所有阶段。第二是为每个测试提供完整的专业不确定性分析和记录。本报告描述了一种风洞数据质量评估的工程方法,可以缓解参考文献中记录的许多问题。1.5。本报告中开发的方法是通用的。选择飞机气动测试作为具体的示例应用,以提供描述和应用该方法的重点。
人们越来越担心公路车辆对环境的影响,这将导致所有乘用车的空气阻力降低。这包括运动型多用途车 (SUV) 和轻型卡车,它们的阻力系数相对较高,迎风面积较大。风洞仍然是车辆空气动力学专家的首选工具,但重要的是,风洞中获得的好处应反映出车辆在道路上的改进。使用各种配置的路虎 Freelander 进行滑行测量以确定空气阻力,并将这些测量与同一车辆的风洞数据进行比较。评估了滑行数据的可重复性、接近零偏航的阻力变化的影响以及阻力偏航数据的不对称性对滑行测试结果的影响。研究了风洞测量的替代阻塞校正。针对测试的配置建立了风洞和道路上空气阻力数据之间的合理相关性。
本文提出了一种两级数据驱动的数字孪生概念,用于飞机的自主着陆,并给出了一些假设。它具有一个用于模型预测控制的数字孪生实例;以及一个用于流体结构相互作用和飞行动力学的创新实时数字孪生原型。后者的数字孪生基于对高保真、粘性、非线性飞行动力学计算模型的预先设计的下滑道轨迹的线性化;并将其投影到低维近似子空间,以实现实时性能,同时保持准确性。其主要目的是实时预测飞行过程中飞机的状态以及作用于飞机的空气动力和力矩。与基于稳态风洞数据的静态查找表或基于回归的替代模型不同,上述实时数字孪生原型允许模型预测控制的数字孪生实例由真正动态的飞行模型而不是一组不太准确的稳态气动力和力矩数据点来告知。本文详细描述了所提出的两级数字孪生概念的构建及其通过数值模拟的验证。它还报告了其在斯坦福大学现成的无人机在自主模式下的初步飞行验证。
摘要在过去十年中,机器学习(ML)对风工程应用引起了极大的兴趣。先前基于机器学习的高层建筑物的基于机器学习的研究主要仅限于时间史或静态压力,而无需考虑空间坐标系。ML模型需要预测空间分布和瞬态风流,以设计风敏的高建筑物。因此,利用三维(3D)空间坐标系统,本研究采用ML来预测高建筑物上的瞬态风压。通过计算流体动态模拟获得了建筑物表面上的瞬态压力数据,这些模拟使用风洞数据验证。选择了极端梯度提升(XGB)模型作为机器学习模型,并且在训练和测试中都获得了良好的预测准确性。此外,在建筑物表面上,XGB模型已经很好地预测了诸如流动分离和陡峭压力梯度之类的独特流动现象。因此,这项工作演示了如何使用机器学习来预测高大建筑物的风负载并捕获重要的流动特征。
美国宇航局艾姆斯研究中心在 20 世纪 90 年代初对超音速商用客运斜翼全翼概念进行了设计研究。这项研究的参与者包括美国宇航局艾姆斯研究中心在斜翼设计方面拥有丰富经验的工作人员,以及来自西雅图波音商用飞机公司和加州长滩道格拉斯飞机公司的工程师,以及斯坦福大学的研究团队。行业合作的目的是确保将现实世界的设计约束纳入研究,并获得行业设计专业知识。斯坦福大学的团队建造并试飞了一架 17 英尺跨度的斜翼全翼无人机,展示了 3% 负静态稳定性的飞行。设计研究最终产生了两种机翼设计,称为 OAW-3 和 DAC-1。OAW-3 机翼由美国宇航局艾姆斯研究中心的团队设计,代表了基于配置约束和任务性能指标的高度优化设计。DAC-1 机翼由道格拉斯飞机公司的团队设计。它是一种经典的椭圆形平面形状,具有高度的气动形状优化,但设计并未根据整体任务性能指标进行优化。虽然两个机翼都在 9 x 7 超音速风洞中进行了测试,但只有 OAW-3 机翼拥有完整的控制面和发动机舱。本报告中描述的风洞数据仅在 NASA OAW-3 配置上获得。
美国宇航局艾姆斯研究中心于 20 世纪 90 年代初对超音速商用客运斜全翼概念进行了设计研究。这项研究的参与者包括美国宇航局艾姆斯研究中心在斜翼设计方面拥有长期专业知识的工作人员,以及来自西雅图波音商用飞机公司和加州长滩道格拉斯飞机公司的工程师,以及斯坦福大学的研究团队。行业合作的目的是确保研究中包含现实世界的设计约束,并获得行业设计专业知识。斯坦福大学的团队建造并试飞了一架 17 英尺跨度的斜全翼无人机,展示了 3% 负静态稳定性的飞行。设计研究最终产生了两种机翼设计,称为 OAW-3 和 DAC-1。OAW-3 机翼由 NASA Ames 团队设计,代表了基于配置约束和任务性能指标的高度优化设计。DAC-1 机翼由道格拉斯飞机公司的团队设计。它是一种经典的椭圆形平面形状,具有高度的气动形状优化,但设计并未根据整体任务性能指标进行优化。虽然两个机翼都在 9 x 7 超音速风洞中进行了测试,但只有 OAW-3 机翼拥有完整的控制面和发动机舱。本报告中描述的风洞数据仅在 NASA OAW-3 配置上获得。