摘要：This paper presents the fundamentals of a continuous adjoint method and the applications of this method to the aerodynamic design optimization of both external and internal *** formulation of the continuous adjoint equations and the corresponding boundary conditions are *** the adjoint method,the complete gradient information needed in the design optimization can be obtained by solving the governing flow equations and the corresponding adjoint equations only once for each cost function,regardless of the number of design *** inverse design of airfoil is firstly performed to study the accuracy of the adjoint gradient and the effectiveness of the adjoint method as an inverse design *** the method is used to perform a series of single and multiple point design optimization problems involving the drag reduction of airfoil,wing,and wing-body configuration,and the aerodynamic performance improvement of turbine and compressor blade *** results demonstrate that the continuous adjoint method can efficiently and significantly improve the aerodynamic performance of the design in a shape optimization problem.

摘要：基于响应面方法进行了跨声速翼型的气动优化设计研究。通过采用分次优化、逐步逼近的方法有效地解决了应用响应面方法进行多变量优化设计时拟合精度较低的问题。首先进行了翼型的反设计来验证该方法的可靠性,然后进行了跨声速翼型减阻优化设计。流场控制方程均采用N-S方程。响应面模型采用完全二阶多项式来构造,试验点的选取满足D优化准则。优化设计算例表明:进行分次优化所构造的模型精度满足设计要求,优化结果误差均小于1%;方法实用有效,减阻设计中阻力系数减少了19.34%。

摘要：进行了基于扰动放大N-因子的目标压力分布设计方法的多目标自然层流(NLF)翼型反设计方法研究。流场分析和转捩位置计算用XFOIL程序,大大减少了计算花费。用N-因子设计方法进行有NLF范围要求和满足气动约束的目标压力计算,压力恢复段的压力分布用Stratford分离准则来进行设计。用基于响应面方法的优化方法来进行反设计计算,使用不含二阶交叉项的二次多项式模型的响应面模型,大大减少了构造模型所需的试验次数;设计空间内试验点的选取满足D-优化准则。根据设计目标的设计状态,进行了多目标翼型反设计。计算结果表明,设计结果的层流范围和设计目标基本吻合,该方法可以用于NLF翼型的多目标反设计中。

摘要：结合飞行器在真实飞行条件下受到气动载荷结构发生弹性变形的问题,进行了基于控制理论的跨声速弹性机翼气动反设计方法研究。气动载荷及结构静弹性变形量由气动/结构方程的耦合求解得到。目标函数对设计变量的敏感性信息通过求解相应的共轭方程获得。大展弦比跨声速弹性机翼气动反设计算例结果表明发展的设计方法是成功的,计及静气动弹性变形影响的设计机翼压力分布能够收敛于目标机翼的压力分布。

摘要：耦合RANS和基于线性稳定性分析的eN转捩预测方法,进行风力机翼型的大攻角气动性能计算,以期提供风力机叶片分析/设计中使用翼型的更为准确和完备的气动性能数据。以风力机翼型S809为例,计算了翼型表面从出现分离气泡到大面积分离的情形,并比较了S-A和B-L两种湍流模型对计算结果的影响。通过对已有经典风力机翼型DU97-W-300和新设计风力机翼型WA21ak5在-180°～180°攻角范围内的气动计算,对计算结果和实验结果以及国外风力机叶片分析/设计中使用的基于Viterna方法由有限攻角范围的气动性能外推到-180°～180°的结果进行比较。结果表明,RANS方程计算气动性能和实验结果吻合较好,为建立风力机翼型气动性能数据库提供了基础。

摘要：利用机器视觉技术进行采后荔枝的品质检测与分级有重要意义。首先结合摄像机与荧光光谱仪进行了荔枝图像的光谱分析,荧光作为激发光进行荔枝果皮的发射光谱特性分析,确定了不同荧光照射荔枝果实表皮的视觉检测方法的可行性;然后设计了具有不同颜色光照转换控制功能的机器视觉系统,选定了红色、蓝色和绿色荧光灯,对正常和微损伤两种品质状态的荔枝果实荧光图像进行灰度直方图统计分析,确定了利用蓝色荧光作为照射光源以及HSV颜色空间的V分量进行微损伤荔枝果实图像识别的方法,利用探索性分析法对荔枝果实视觉检测试验结果进行统计与分析,确定了正常与微损伤荔枝果实图像分割的灰度图阈值范围,结合优化的圆拟合算法,实现了荔枝果实视觉智能分级系统的设计。试验结果表明:该研究方法对正常荔枝和表皮微损伤荔枝的识别正确率为92%,为荔枝产后智能化检测分级提供了技术支持。

摘要：在与定常方程相容的情况下,通过对N av ier-Stokes方程的时间导数项实施Cho i及Turkel矩阵预处理,发展了适用于低、亚、跨声速粘性流动的有效的预处理方法。对预处理后的控制方程采用了Jam eson格式进行有限体积空间离散和Runge-K utta显示时间推进求解,以及采用了FA S多重网格方法加速收敛。对RAE 2822、GAW-1等不同类型翼型进行了低速和跨声速流动的数值模拟。算例表明:Cho i预处理方法和Turkel预处理方法均有效改善了时间推进方法对低马赫数流动计算的收敛性,而且提高了计算精度;预处理方法同样适用于跨声速非线性流动的计算,且表现出了一定的加速收敛效果。

摘要：[目的]为解决非结构化环境下采用深度强化学习进行采摘机械臂路径规划时存在的效率低、采摘路径规划成功率不佳的问题,提出了一种非结构化环境下基于深度强化学习(Deep reinforcement learning, DRL)和人工势场的柑橘采摘机械臂的路径规划方法。[方法]首先,通过强化学习方法进行采摘路径规划问题求解,设计了结合人工势场的强化学习方法;其次,引入长短期记忆(Longshort term memory,LSTM)结构对2种DRL算法的Actor网络和Critic网络进行改进;最后,在3种不同的非结构化柑橘果树环境训练DRL算法对采摘机械臂进行路径规划。[结果]仿真对比试验表明:结合人工势场的强化学习方法有效提高了采摘机械臂路径规划的成功率;引入LSTM结构的方法可使深度确定性策略梯度(Deep deterministic policy gradient,DDPG)算法的收敛速度提升57.25%,路径规划成功率提升23.00%;使软行为评判(Soft actor critic,SAC)算法的收敛速度提升53.73%,路径规划成功率提升9.00%;与传统算法RRT-connect(Rapidly exploring random trees connect)对比,引入LSTM结构的SAC算法使规划路径长度缩短了16.20%,路径规划成功率提升了9.67%。[结论]所提出的路径规划方法在路径规划长度、路径规划成功率方面存在一定优势,可为解决采摘机器人在非结构化环境下的路径规划问题提供参考。

摘要：为了解决采摘机器人在自然环境中对扰动状态荔枝的视觉精确定位问题,该文分析机械手采摘过程中荔枝产生扰动的因素,设计制造了模拟荔枝振动的试验平台,该试验平台通过改变方向、振频、振幅等振动条件来模拟采摘过程中的扰动环境;结合振动平台运动参数,提出了双目立体视觉系统采集扰动状态的荔枝图像方法,在HSI颜色空间中对预处理后荔枝图像利用模糊C均值聚类法(FCM,fuzzyC-means)分割荔枝果实和果梗,然后利用Hough变换算法进行直线拟合确定有效的果梗采摘区域和采摘点,对多帧图像中采摘点坐标取平均值,然后进行三维重建确定空间采摘点坐标。荔枝扰动状态的视觉定位试验结果表明,空间定位深度值误差小于6cm,荔枝采摘机械手能实现有效采摘,该研究为机械手实际作业提供指导。

摘要：绿色柑橘具有与背景相似的颜色特征,自然环境下绿色柑橘的视觉检测比较困难。提出基于深度学习技术,利用Faster RCNN方法进行树上绿色柑橘的视觉检测研究。首先配置深度学习的试验环境,同时设计了绿色柑橘图像采集试验,建立了柑橘图像样本集,通过试验对批处理大小、学习速率和动量等超参数进行调优,确定合适的学习速率为0.01、批处理为128、动量系数为0.9,使用确定的超参数对模型进行了训练,最终训练模型在测试集上的平均精度(MAP)为85.49%。通过设计自然环境下不同光照条件、图像中不同尺寸柑橘、不同个数柑橘的Faster RCNN方法与Otsu分割法的柑橘检测对比试验,并定义F值作为对比评价指标,分析2种方法的检测结果,试验结果表明:Faster RCNN方法与Otsu方法在不同光照条件下检测绿色柑橘的F值分别为77.45%和59.53%;不同个数柑橘果实检测结果的F值分别为82.58%和60.34%,不同尺寸柑橘检测结果的F值分别为73.53%和49.44%,表明所提方法对自然环境下绿色柑橘有较好的检测效果,为果园自动化生产和机器人采摘的视觉检测提供了技术支持。