导读:本文包含了空气动力学方法论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:空气动力学,方法,算法,均匀,古浪,数据,神经网络。
空气动力学方法论文文献综述
李志辉,梁杰,李中华,李海燕,吴俊林[1]（2018）在《跨流域空气动力学模拟方法与返回舱再入气动研究》一文中研究指出针对回收类航天器(返回舱)再入过程所遇跨流域多尺度非平衡绕流问题,综述基于Boltzmann方程碰撞积分物理分析与可计算建模,构造考虑完全气体、转动非平衡、含振动能激发热力学非平衡效应各流域统一Boltzmann模型方程,及由此建立返回舱再入气动力热绕流问题气体动理论统一算法研究进展与算法检验。作为方法间验证结合,进一步简述了融合再入热化学稀薄气体电离非平衡流动DSMC方法、近连续过渡流区N-S/DSMC耦合算法、经滑移边界修正的N-S方程解算器、低密度风洞实验测试等多种空气动力学模拟手段,建立求解Boltzmann模型方程气体动理论统一算法(GKUA)、DSMC、N-S/DSMC、滑移N-S解算器、低密度风洞实验验证补充,适于返回舱再入从外层空间自由分子流到近地面连续流跨流域空气动力学一体化模拟平台。将此平台用于再入H=110～30km各流域球体、高超声速尖前缘中空柱裙、返回式卫星球锥体、飞船返回舱稀薄过渡流以至近连续流区气动力/热与姿态配平绕流问题计算与实验分析比较,证实统一算法在高稀薄流区,与DSMC吻合很好;在连续流区,与(滑移)N-S解算器相一致;在中间过渡带,与N-S/DSMC耦合算法相容;具有全飞行流域很好的计算一致收敛性。简述了跨流域空气动力学几种模拟手段的适应性特点与展望,揭示了返回舱再入跨流域复杂高超声速流动变化规律。(本文来源于《空气动力学学报》期刊2018年05期）
于名召[2]（2018）在《空气动力学粗糙度的遥感方法及其在蒸散发计算中的应用研究》一文中研究指出陆面与大气之间在多种时空尺度的相互作用,是气象学、生态学、水文学和全球变化等领域的研究热点。空气动力学粗糙度作为地气相互作用过程中的重要地表参数,在地表与大气间的物质与能量交换过程中扮演着重要的角色。空气动力学粗糙度被定义为中性稳定的近地面大气条件下,地表上方风速等于零的某一几何高度。它表征地表空气动力学特征,反映地表下垫面特征的差异对风速的减弱作用。然而,准确的估算空间尺度的空气动力学粗糙度一直是通量计算过程中的难点,目前关于空气动力学粗糙度的研究也难以统一和广泛适用。本文依托黑河和海河流域多年积累的气象和通量观测数据,引入多源遥感数据,通过分析、建模、应用、评价的过程,分析了不同下垫面条件下空气动力学粗糙度的影响要素及贡献率,提出了基于归一化冷热点植被指数(HDVI)的作物冠层空气动力学粗糙度估算方法,同时发现,空气动力学粗糙度计算的准确性直接影响蒸散发的估算精度,主要包括以下几个部分:(1)以风温风速廓线数据为基础,利用Monin-Obukhov相似理论计算瞬时的空气动力学粗糙度,利用相关性分析和因子分析的方法分析不同下垫面条件下空气动力学粗糙度的影响要素。结果表明,风速、风向、大气稳定度、地形和植被特征都是影响空气动力学粗糙度的因素,但不同下垫面条件下各因素对空气动力学粗糙度的作用程度不同。空气动力学粗糙度在植被生长季和非生长季均表现出和风速负相关的关系;风向对空气动力学粗糙度的影响主要取决于地形条件,在地形较平坦的地区空气动力学粗糙度不随风向发生明显变化,而在起伏地形条件下,空气动力学粗糙度在不同风向上呈现出差异性的分布规律;空气动力学粗糙度在不同大气稳定度条件下也存在明显差异,对于相同的地表粗糙元素,稳定大气条件下的空气动力学粗糙度要明显大于不稳定状态。因此,在瞬时空气动力学粗糙度模型构建的过程中,对风速、风向和大气稳定度等空气动力学因子的考虑必不可少。对影响空气动力学粗糙度的因子归类并计算因子贡献率,结果显示气象因子和地形因子是影响草地下垫面和森林下垫面z_(0m)的主要驱动因子(对草地下垫面的贡献率分别44.03%和38.33%,对森林下垫面的贡献率分别42.87%和38.66%),植被因子和气象因子是影响农田下垫面z_(0m)的主要驱动因子(贡献率分别53.14%和30.29%),因子分析的结果表明用植被指数模型来估算z_(0m)的方法仅适用于农田地表。(2)在作物生长期内,基于多时相的PROBA-V 300米每日反射率数据产品,引入半经验的BRDF核驱动模型计算归一化的冷热点指数(NDHD),再结合归一化植被指数(NDVI)提出了归一化冷热点植被指数(HDVI),利用HDVI线性表达作物冠层空气动力学粗糙度的估算方法,取得了理想的效果。相比于NDVI,对于黑河大满站春玉米、河北馆陶站冬小麦和夏玉米叁种作物类型,HDVI与空气动力学粗糙度的关系更加显着(决定性系数R~2分别从0.636提高至0.772,从0.764提高至0.790,从0.630提高至0.793)。(3)通过借用并改进非线性互补相关模型,开展空气动力学粗糙度在蒸散发计算中的应用,分析空气动力学粗糙度参数在蒸散发计算中的敏感性。结果表明,空气动力学粗糙度在蒸散发计算模型中的众多输入参量中较为敏感,尤其在作物生长高峰期,空气动力学粗糙度计算的准确性直接影响蒸散发的估算精度。本文的研究提高了对空气动力学粗糙度的认知,发展成熟的、可靠的空气动力学粗糙度反演模型对地气通量计算有着深远的意义,空气动力学粗糙度的模型研究还有广泛的空间和潜力。(本文来源于《中国科学院大学(中国科学院遥感与数字地球研究所)》期刊2018-06-01）
杨慧英[3]（2018）在《空气动力学数据分析方法的研究与应用》一文中研究指出随着空气动力学的快速发展,各种异构、异源的空气动力学实验数据不断涌现。面对这些数据,如何从中进行有效的分析与挖掘成为了困扰空气动力学研究专家的难题。本文以此问题为出发点,对空气动力学数据数据挖掘进行了深入的分析,并设计了相应的气动数据平台原型系统。通过分析已有的气动数据,对有代表性的结构化数据和半结构化数据进行了数据挖掘;通过分析已有气动数据平台的不足,提出了气动数据平台原型设计,并提出了在大数据背景下有效存储气动数据的存储模式。具体来说,主要完成了如下工作:1、提出了一种基于极端随机森林的对气动力流场表面文件进行预测的方法,选取代表性的半结构化数据(有限元表面数据)进行数据挖掘分析;实验证明,所提出的方法总体性能优于已有方法,具有参考性;2、将拟牛顿法训练的神经网络用于气动系数预测,实验证明,比以往研究中基于梯度下降方法训练的网络,在保持了预测能力的同时大大缩短了模型训练时间;并且抑制了预测过程中的过拟合现象,使得气动模型的泛化能力提升;3、整合了上述研究工作,完成了气动数据平台的整体设计,并对空气动力学数据的存储设计进行了深入研究,设计出一种可以同时满足空气动力学数据的高可扩展性和兼容性需求的存储方式。(本文来源于《北京邮电大学》期刊2018-03-07）
刘欢,李飞,韩思远,张阳[4]（2017）在《基于Ahmed模型的汽车空气动力学智能优化方法研究》一文中研究指出为了探索智能优化方法在汽车空气动力学领域的工程实用性,本文基于Ahmed模型展开研究。研究选取两种优化方法分别为:多岛遗传算法(MIGA)直接优化;先经过试验设计(DOE),选择径向基神经网络(RBF)搭建近似模型后使用多岛遗传算法优化。本研究基于Isight软件搭建优化平台,RBF+MIGA优化与直接应用MIGA优化相比,可以在得到相同优化结果情况下大规模节约计算成本,提高效率。(本文来源于《2017汽车空气动力学分会学术年会论文集》期刊2017-09-06）
王晓璐,代君,刘战合,赵辉[5]（2016）在《引导式教学方法在“空气动力学”课程上的应用》一文中研究指出空气动力学课程具有抽象性强、与航空发展史有较强联系的特点,将引导式教学方法应用于课堂教学,倡导学生用自己的语言来描述空气动力学相关概念和术语,并强调基于飞机设计视角的课堂互动。增强了课堂的趣味性,降低了学习难度,加深了学生对知识点的认识。(本文来源于《教育教学论坛》期刊2016年23期）
张伟[6]（2016）在《项目驱动式教学方法在空气动力学课程中的应用探索》一文中研究指出针对空气动力学课程中传统教学模式存在的问题,提出了实际项目驱动的教学模式。在空气动力学方向相关课程的教学中,以计算流体力学的数值模拟为主要手段,结合相关工程项目进行教学实践,以完成实际工程项目来促进教学水平的提高,以培养学生联系实际学理论,在实践中体验和学习理论,在应用中形成技术应用能力,以提高学生的岗位核心能力和创新能力。(本文来源于《科技视界》期刊2016年01期）
赵玲玲,夏军,许崇育,陈燕乔[7]（2015）在《基于温度和空气动力学的海河流域潜在蒸散发量估算方法的适用性》一文中研究指出针对潜在蒸散发量估算方法众多但缺乏统一评价的问题,基于海河流域46个国家气象站点1960~2010年日气象数据序列,以Penman-Monteith方法估算量和蒸发皿蒸发量为基准,从估算量与蒸发皿蒸发量的相关性、年均值空间变化特征、年内四季空间变化特征和年际变化趋势四个方面,开展六种基于温度和空气动力学的潜在蒸散发量估算方法及Penman-Monteith法在海河流域的适用性讨论。结果表明,PenmanMonteith方法在整个流域适用性较强;六种基于温度和空气动力学的方法中,Kaharrafa方法和Blaney-Criddle方法在多年均值和年际变化趋势上估算效果较好,但在年内四季分布上却不太好,Penman和Rower方法在多年均值和年内四季分布方面适用性较强,但估算的年际变化趋势与蒸发皿蒸发量不一致。由于各方法考虑的气象因子及各因子对估算量的影响程度不同,基于温度和空气动力学方法仅考虑单一气象要素,只能反映某一方面的变化。(本文来源于《水电能源科学》期刊2015年06期）
刘兴博,叶彤,杨金砖[8]（2014）在《籽粒玉米收获机脱出物空气动力学特性分析及清选方法》一文中研究指出目前,籽粒玉米机械收获方法大致分为两种,其中用谷物联合收割机换装玉米摘穗台直接收获玉米籽粒,或者用专门的自走式籽粒玉米收获机直接收获籽粒的方法已逐渐占据主导地位,本文主要对籽粒玉米收获机脱出物空气动力学特性进行了分析研究,为优化籽粒收获机脱粒装置设计参数提供了依据参考,并简要介绍了几种清选方法及装置。(本文来源于《农机使用与维修》期刊2014年07期）
张辉香,邱优峰,张林波,付杰[9]（2014）在《面向汽车外形空气动力学优化的代理模型方法》一文中研究指出针对代理模型在汽车外形气动优化上的适应性研究较少的现状,运用不同数量样本点构建径向基函数(Radial Basis Function,RBF)模型、多项式模型和Kriging模型等3种常用代理模型.对比发现,在样本点相同的情况下,RBF模型的精度最高,最优解更好.在样本点增加的基础上,多项式和Kriging模型的精度提高,但计算量也大幅增加;多项式最优解更接近RBF模型的最优解,而Kriging模型最优解仍不理想.综合评估可知RBF模型更适用于汽车外气动优化.(本文来源于《计算机辅助工程》期刊2014年03期）
王丽娟,左洪超,杨启东[10]（2013）在《西北地区典型下垫面空气动力学阻抗估算方法改进及其验证》一文中研究指出利用2010年古浪近地层野外观测试验取得的干旱区典型下垫面(荒滩、沙漠和农田)的观测资料,对常用的3种空气动力学阻抗算法——Verma-R算法、Liu算法、Thom算法进行了适用性检验,并通过分离Thom算法中的动量和热量粗糙度对其进行改进(下称Thom-2算法)。对比不同下垫面空气动力学阻抗估算结果发现:在沙漠和荒滩下垫面,动力因素较热力因素影响大,空气动力学阻抗与风速的指数关系较农田下垫面明显;与其他3种算法相比,考虑了热量粗糙度的Thom-2算法在各种典型下垫面上的估算结果与观测值相比偏差最小,且在较为均匀的荒滩和沙漠下垫面上估算的空气动力学阻抗精度较农田高;通过比较4种算法估算干旱区不同典型下垫面空气动力学阻抗结果,说明干旱区空气动力学阻抗的估算应考虑热力粗糙度的影响。(本文来源于《干旱气象》期刊2013年04期）
空气动力学方法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
陆面与大气之间在多种时空尺度的相互作用,是气象学、生态学、水文学和全球变化等领域的研究热点。空气动力学粗糙度作为地气相互作用过程中的重要地表参数,在地表与大气间的物质与能量交换过程中扮演着重要的角色。空气动力学粗糙度被定义为中性稳定的近地面大气条件下,地表上方风速等于零的某一几何高度。它表征地表空气动力学特征,反映地表下垫面特征的差异对风速的减弱作用。然而,准确的估算空间尺度的空气动力学粗糙度一直是通量计算过程中的难点,目前关于空气动力学粗糙度的研究也难以统一和广泛适用。本文依托黑河和海河流域多年积累的气象和通量观测数据,引入多源遥感数据,通过分析、建模、应用、评价的过程,分析了不同下垫面条件下空气动力学粗糙度的影响要素及贡献率,提出了基于归一化冷热点植被指数(HDVI)的作物冠层空气动力学粗糙度估算方法,同时发现,空气动力学粗糙度计算的准确性直接影响蒸散发的估算精度,主要包括以下几个部分:(1)以风温风速廓线数据为基础,利用Monin-Obukhov相似理论计算瞬时的空气动力学粗糙度,利用相关性分析和因子分析的方法分析不同下垫面条件下空气动力学粗糙度的影响要素。结果表明,风速、风向、大气稳定度、地形和植被特征都是影响空气动力学粗糙度的因素,但不同下垫面条件下各因素对空气动力学粗糙度的作用程度不同。空气动力学粗糙度在植被生长季和非生长季均表现出和风速负相关的关系;风向对空气动力学粗糙度的影响主要取决于地形条件,在地形较平坦的地区空气动力学粗糙度不随风向发生明显变化,而在起伏地形条件下,空气动力学粗糙度在不同风向上呈现出差异性的分布规律;空气动力学粗糙度在不同大气稳定度条件下也存在明显差异,对于相同的地表粗糙元素,稳定大气条件下的空气动力学粗糙度要明显大于不稳定状态。因此,在瞬时空气动力学粗糙度模型构建的过程中,对风速、风向和大气稳定度等空气动力学因子的考虑必不可少。对影响空气动力学粗糙度的因子归类并计算因子贡献率,结果显示气象因子和地形因子是影响草地下垫面和森林下垫面z_(0m)的主要驱动因子(对草地下垫面的贡献率分别44.03%和38.33%,对森林下垫面的贡献率分别42.87%和38.66%),植被因子和气象因子是影响农田下垫面z_(0m)的主要驱动因子(贡献率分别53.14%和30.29%),因子分析的结果表明用植被指数模型来估算z_(0m)的方法仅适用于农田地表。(2)在作物生长期内,基于多时相的PROBA-V 300米每日反射率数据产品,引入半经验的BRDF核驱动模型计算归一化的冷热点指数(NDHD),再结合归一化植被指数(NDVI)提出了归一化冷热点植被指数(HDVI),利用HDVI线性表达作物冠层空气动力学粗糙度的估算方法,取得了理想的效果。相比于NDVI,对于黑河大满站春玉米、河北馆陶站冬小麦和夏玉米叁种作物类型,HDVI与空气动力学粗糙度的关系更加显着(决定性系数R~2分别从0.636提高至0.772,从0.764提高至0.790,从0.630提高至0.793)。(3)通过借用并改进非线性互补相关模型,开展空气动力学粗糙度在蒸散发计算中的应用,分析空气动力学粗糙度参数在蒸散发计算中的敏感性。结果表明,空气动力学粗糙度在蒸散发计算模型中的众多输入参量中较为敏感,尤其在作物生长高峰期,空气动力学粗糙度计算的准确性直接影响蒸散发的估算精度。本文的研究提高了对空气动力学粗糙度的认知,发展成熟的、可靠的空气动力学粗糙度反演模型对地气通量计算有着深远的意义,空气动力学粗糙度的模型研究还有广泛的空间和潜力。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
空气动力学方法论文参考文献
[1].李志辉,梁杰,李中华,李海燕,吴俊林.跨流域空气动力学模拟方法与返回舱再入气动研究[J].空气动力学学报.2018
[2].于名召.空气动力学粗糙度的遥感方法及其在蒸散发计算中的应用研究[D].中国科学院大学(中国科学院遥感与数字地球研究所).2018
[3].杨慧英.空气动力学数据分析方法的研究与应用[D].北京邮电大学.2018
[4].刘欢,李飞,韩思远,张阳.基于Ahmed模型的汽车空气动力学智能优化方法研究[C].2017汽车空气动力学分会学术年会论文集.2017
[5].王晓璐,代君,刘战合,赵辉.引导式教学方法在“空气动力学”课程上的应用[J].教育教学论坛.2016
[6].张伟.项目驱动式教学方法在空气动力学课程中的应用探索[J].科技视界.2016
[7].赵玲玲,夏军,许崇育,陈燕乔.基于温度和空气动力学的海河流域潜在蒸散发量估算方法的适用性[J].水电能源科学.2015
[8].刘兴博,叶彤,杨金砖.籽粒玉米收获机脱出物空气动力学特性分析及清选方法[J].农机使用与维修.2014
[9].张辉香,邱优峰,张林波,付杰.面向汽车外形空气动力学优化的代理模型方法[J].计算机辅助工程.2014
[10].王丽娟,左洪超,杨启东.西北地区典型下垫面空气动力学阻抗估算方法改进及其验证[J].干旱气象.2013
论文知识图
