超燃冲压发动机流场一维平均方法研究

介绍了多种平均方法,包括常用的流量或面积加权平均方法,以及CMME(流量/动量/能量守恒)方法和CMES(动量/能量/熵守恒)方法。以超燃冲压发动机进气道-燃烧室构型为对象,研究了不同平均方法得到的等效一维结果差异,以及不同平均方法的入口参数对超燃燃烧室一维计算结果的影响。结果表明:在超燃燃烧室多维热态仿真数据分析时,推荐使用通量守恒方法;CMES方法能准确的保留总压信息,CMME方法得到的总压损失会大于实际,在处理总压恢复性能时,CMES方法更优;亚燃模态时,CMME方法和CMES方法均不能反映隔离段激波串的渐变压缩;超燃模态时,CMES方法能较好地保持动量的近似守恒,在亚燃模态则较差;不同平均方法得到燃烧室入口参数的一维计算结果与三维流场等效一维沿程静压分布均存在一定偏差,Case1流量加权平均解误差高达27.8%,通量守恒解误差仅约13%,Case2流量加权平均解误差为14.9%,通量守恒解误差仅约5%,说明CMME方法与CMES方法符合程度更高,推力计算结果更为可信。

基于随机矩阵的新型频谱盲感知方法

针对传统频谱感知算法需要预先估计噪声方差且当存在噪声不确定度时,检测性能降低的特点,提出一种基于随机矩阵的改进型频谱盲感知算法(M-CMME)。该算法通过分析协方差矩阵最大特征值极限分布特性,分析并利用采样协方差矩阵特征值与信号平均能量的关系,推导设定虚警概率条件下判决门限的闭式表达式。该算法不需要预先知道授权用户信号的先验知识,且能够有效克服噪声不确定度的影响。仿真结果显示,当噪声方差估计存在偏差的情况下,该算法具有较强的鲁棒性,且在较少采样点、低信噪比、较少阵元数情况下能够获得比CMME更优的检测性能。