低速大雷诺数混合飞艇气动性能分析

针对混合飞艇体积巨大同时气动外形复杂使得现有条件的风洞试验很难精确测量其气动性能的问题,开展了适用于混合飞艇气动性能分析的计算流体力学(CFD)的数值分析方法研究。考虑混合飞艇低速大雷诺数的特点,将变分多尺度方法 (VMS)与动态Smagorinsky大涡模拟(LES)模型相结合,提出了组合的VMSLES湍流模型。将基于RANS方法和LES方法的其他三种湍流模型相对比,利用雷诺数相近、实验数据丰富的6:1长椭球飞艇对不同的湍流模型进行了对比验证。结果显示LES方法预测结果与实验结果吻合较好,优于RANS方法,并能显示更多流动细节,而组合的VMS-LES模型能够更精确地捕获实验研究中观察到的二次涡。利用组合的VMS-LES模型对有翼HAV与多囊瓣HAV进行了气动性能分析,并研究了不同部件对飞艇气动特性的影响。结果表明,由于尾翼表面产生的一次涡与二次涡相互作用,尾翼在增加气动升力的同时也增加了阻力。     

深度神经网络指导下的无线覆盖预测算法

为保证新一代移动无线网络能够根据实时覆盖情况动态地调节小区天线参数,需要实现高效且准确的无线覆盖预测。传统的求解方法通过精确的场强预测判断天线参数的优劣,虽然精度很高但需要大量的计算资源,无法满足5G和后5G移动网络通过实时覆盖预测进行射频参数动态调整的实际需求。现采用基于深度神经网络的算法对给定天线参数的覆盖效果进行预测,以取代对目标区域的精确场强预测。数值结果表明:该方法能够在保持计算准确性的同时显著减少计算量,为5G动态网络规划提供基础性参考数据。