现代战争要求战斗机能够在大迎角(AOA)状态下进行过失速飞行,对飞机大迎角绕流流场的研究主要的方法有风洞试验和数值模拟。在大迎角风洞试验中,常用的是尾支撑方法,支架的存在会对模型的试验结果产生一定的影响,本文通过数值模拟来对这个影响进行研究。以开源计算流体力学软件OpenFOAM 2.3为平台,采用PIMPLE算法求解Navier-Stokes(N-S)方程,PIMPLE算法是SIMPLE(Semi-Implicit Method for Pressure-linked Equations)算法和PISO(Pressure Implicit with Splitting of Operator)算法的结合体;采用基于有限体积的空间离散方法和空间二阶精度的线性插值方法,时间离散采用后向差分方法,湍流模型采用SA-DDES(Spalart-Allmaras-Delayed Detached Eddy Simulation)模型。为了验证方法的可靠性,首先对0°、10°、30°、50°、70°以及90°迎角下的有支架三角翼绕流流场进行计算,并将计算结果与试验结果进行对比,两者吻合较好。在此基础上,数值模拟了无支架的三角翼绕流流场,对比有/无支架情况下数值模拟结果,得到支架对三角翼绕流流场、背风面压强分布和气动力的影响。计算结果表明:大迎角情况下,有支架与无支架时相比,支架的存在会影响三角翼附近的流场(但是不会改变涡系等流动结构)、改变翼表面压强分布,从而导致三角翼的法向力系数和俯仰力矩系数发生明显变化。
针对高光谱数据波段多,地物标签获取代价高,带标记的样本数量少,分类过程中容易引起Hudges现象。本文提出一种基于改进的局部全局一致性(learning with local and global consistency,LLGC)算法的半监督分类方法。通过边缘采样法(margin sampling,MS)选取最富含信息量的无标签样本,加入到训练集来扩充训练样本;用KNN算法计算相似度进一步优选无标签样本,去除噪声点和存在的野值点;使用改进的局部全局一致性算法对无标签样本集进行分类标记,得到各类别的分类结果。实验结果表明,本文方法在充分利用无标签样本的情况下,有效地提高了带有少量标签样本的高光谱图像的分类精度。
