翼吊式布局是现代大型民用飞机常见的发动机布局方式，该布局将发动机短舱吊挂在机翼下方，具有发动机进气效率高、降低翼根弯矩和减轻客舱噪声等优点. 对于翼吊式布局飞机而言，在飞行过程中，机翼和短舱之间会产生强烈的气动干扰，可能严重破坏全机的气动性能^[1-3]. 为了提高发动机的推进效率和降低发动机的燃油消耗率，民用航空发动机呈现出涵道比越来越大和风扇压力比越来越小的发展趋势^[4]. 预计未来涡扇发动机的涵道比将为14~23 ^[5]. 大的涵道比会带来更大的发动机重量和尺寸，而发动机直径和进气面积的增大会导致机翼和短舱之间的气动干扰更加强烈^[6]. 因此，亟须对机翼/短舱进行一体化气动优化设计，来减弱部件间的流动干扰，提升飞机的整体气动性能.

针对机翼/短舱的一体化气动优化设计已经开展了大量研究工作. Koc等^[7]使用序列二次规划算法对DLR-F6翼-身-短舱-挂架结构进行优化设计，在减小阻力的同时极大地消除了挂架表面的强激波. Saitoh等^[8]在此基础上进行低升力条件和跨声速巡航条件下的多点设计，优化设计后的构型在2种工况下都具有较好的气动性能. Epstein等^[9]使用遗传算法与降阶模型相结合的方法实现翼吊式飞机的机翼结构的多点优化设计，并取得显著的减阻效果. Bons等^[10]采用基于高精度气动建模的梯度优化方法对喷气式客机的完整配置进行优化设计，优化设计后构型的气动性能比初始提升了2%. Li等^[11]使用基于Kringing代理模型和粒子群优化算法的优化框架，对DLR-F6翼-身-短舱-挂架几何中短舱的安装位置进行优化。结果表明，优化后飞机各部件间的流动干扰显著减弱。Lei等^[12]使用基于伴随法的梯度优化算法，对某典型长程双通道运输机构型进行一体化气动优化，得到翼-身-短舱-挂架一体化的全耦合设计.

综上所述，机翼/短舱气动优化设计的研究缺少同时考虑机翼形状、短舱形状和短舱安装位置的机翼/短舱一体化气动优化设计，并且考虑短舱真实进气和排气效应的研究较少. 实际上短舱射流和飞机外流的相互干扰不可忽略，飞机的气动性能在很大程度上会受到短舱射流的影响^[12].优化方法一直是气动优化设计工作的重点，优化方法能否高效并充分地搜索整个设计空间是气动优化设计工作面临的巨大挑战之一^[13]. 对于机翼/短舱一体化设计的三维气动优化问题，设计变量个数众多，设计空间维度巨大，本质上是求解高维非线性优化问题，因此往往需要大规模地调用高精度计算流体力学（CFD）数值模拟分析，这对优化方法的高效性和全局性都提出了较高的要求^[14].

针对上述机翼/短舱一体化气动优化设计中存在的问题，本研究使用基于高斯过程回归（Gaussian process regression, GPR）和贝叶斯优化(Bayesian optimization, BO)架构的气动优化设计框架开展机翼/短舱结构的一体化气动外形优化设计：在考虑发动机短舱真实进气和排气效应的基础上，建立翼-身-短舱-挂架构型中包含机翼形状参数、短舱形状参数和短舱安装参数在内的50个气动外形参数到气动性能参数的高斯过程回归代理模型，再基于贝叶斯优化方法实现在参数空间内的全局寻优，并更新高斯过程回归代理模型，重复此过程直至收敛以获得最优的翼-身-短舱-挂架几何外形.

在不考虑发动机进排气效应的机翼/短舱一体化优化研究中，初始几何较常使用带通流短舱的DLR-F6翼-身-挂架-短舱标模. 国际上暂不存在带有动力短舱的全机标模，因此本研究选择将DLR-F4翼身组合体、BPR9动力短舱模型和斜挂架进行组合作为翼-身-短舱-挂架的初始几何. DLR-F4翼身组合体来自第一届AIAA计算流体力学阻力预测研讨会（DPW-Ⅰ）. BPR9动力短舱模型是涵道比为9并带有一定前倾角的非对称发动机短舱模型^[15]. 斜挂架使用NACA0012翼型放样生成. 如表1所示为初始几何构型的参数^[16].

三维机翼形状包括平面形状和截面形状. 当控制截面确定下来时，可以通过平面形状参数对控制截面进行插值来得到三维机翼形状. 本研究使用类别形状函数变换（class and shape transformation，CST）方法对二维翼型截面进行参数化，再通过平面形状参数创建三维机翼形状. CST方法适用于很多复杂构型的参数化，它由类函数 $ C_{{N_2}}^{{N_1}}\left( \psi \right) $和形函数 $ S\left( \psi \right) $组成^[17]，

(1) $ \xi \left( \psi \right) = C_{{N_2}}^{{N_1}}\left( \psi \right) \cdot S \left( \psi \right) + \psi \cdot \Delta {\xi _{{\rm{te}}}}， $

(2) $ C_{{N_2}}^{{N_1}}\left( \psi \right) = {\psi ^{{N_1}}} \cdot {\left( {1 - \psi } \right)^{{N_2}}}. $

式中： $ \Delta {\xi _{{\text{te}}}} $为尾缘厚度比. 不同N₁、N₂取值的类函数会表达不同的形状，对于圆头尖尾的机翼翼型，选择N₁ = 0.5、N₂ = 1.0. 使用n阶Bernstein多项式作为形函数来描述翼型的具体形状：

(3) $ {{{B}}_n} = \sum\limits_{r = 0}^n {{K_{r,n}}{\psi ^r}{{\left( {1 - \psi } \right)}^{n - r}}} ， $

(4) $ {K_{i,n}} = \left( \begin{array}{l} n\\ i \end{array} \right) = \frac{{n!}}{{i!\left( {n - i} \right)!}}. $

式中：K为二项式系数. CST方法对翼型进行参数化的完整数学表达式为

(5) $ \begin{split} \xi \left( \psi \right) = & {\psi ^{0.5}} \cdot {\left( {1 - \psi } \right)^{1.0}} \times \\ &\sum\limits_{i = 0}^n {\left[ {{A_i} \cdot {K_{i,n}} \cdot {\psi ^i} \cdot {{\left( {1 - \psi } \right)}^{n - i}}} \right]} + \psi \cdot \Delta {\xi _{{\text{te}}}}. \\[-12pt] \end{split} $

式中： $ {A_i} $为权重系数，在翼型优化中通常作为设计变量. 使用5阶CST方法对DLR-F4几何初始控制截面的翼型进行拟合，通过使CST翼型数据点与真实翼型数据点之间的误差平方和最小，得到初始的权重系数，即原始翼型的CST参数. DLR-F4几何的初始控制截面由2种翼型组成，分别是R4翼型和Ha5翼型，对于每个翼型截面，5阶CST方法拟合需要12个CST参数. 如图1所示为使用5阶CST方法对RAE2822翼型数据点参数化并与RAE2822翼型数据点进行对比，可以看到，CST方法的拟合精度很高. 机翼由4个控制截面翼型通过线性放样生成，如图2所示. 平面形状参数考虑3个根梢比参数：

(6) $ \begin{gathered} {\eta _1} = {c_1}/{c_2}, \; {\eta _2} = {c_2}/{c_3}, \; {\eta _3} = {c_3}/{c_4}. \end{gathered} $

由此，将这24个CST参数作为控制截面翼型的设计参数，再结合3个机翼平面形状参数，能够实现特定参数下DLR-F4几何的创建.

对于短舱的外形优化设计，本研究关注它的部分直观参数，如前缘曲率半径、风扇罩最大半径，因此使用直观类别形状函数变换（intuitive CST，iCST）参数化方法对BPR9发动机短舱型线进行参数化. iCST方法是在CST方法的基础上，建立直观参数到权重系数的变换矩阵，将CST方法中的权重系数转化成直观参数，再对直观参数进行设计^[18]. 由于短舱和发动机存在的几何约束和硬性要求，对于单个短舱型线，本研究关注的几何参数有前缘曲率半径 $ {r_{{\text{if}}}} $、风扇罩最大半径 $ {r_{{\text{max}}}} $、风扇罩最大半径位置 $ {f_{{\text{max}}}} $、尾锥角 $ {\;\beta _{{\text{nac}}}} $、进气道喉道半径 $ {r_{{\text{hi}}}} $、进气道喉道半径位置 $ {f_{\text{i}}} $和进气道扩张段扩张角 $ {\;\beta _{{\text{int}}}} $，如图3所示. 其中l_nac为风扇罩的最大长度，l_int为进气道的最大长度。通过对7个直观几何参数的设计和iCST参数化方法，能够生成对应的短舱风扇罩型线和进气道型线，再与整流锥、排气系统型线相结合，即可生成完整的短舱型线，再将短舱型线沿着风扇的轴向进行旋转，能够生成轴对称短舱几何. 如图4所示，考虑5°前倾角的非轴对称短舱的设计，由3条短舱型线组成，共有21个直观几何设计参数. 图中， $ \alpha $为短舱型线所在截面对应的角度，其中初始构型的3条短舱型线相同.

在考虑DLR-F4翼身组合体和BPR9短舱外形参数化的基础上，将短舱的2个安装参数作为设计变量，包括短舱相对于机翼的前伸量X和短舱相对于机翼的下沉量Z，最终通过各几何之间的布尔运算创建翼-身-短舱-挂架几何. 翼-身-短舱-挂架几何的创建流程涉及总计50个外形设计参数，整个参数化建模过程在FreeCAD平台上完成.

对于跨声速流动而言，通常使用可压缩的Navier-Stokes方程来求解流体动力学问题. 本研究使用雷诺平均Navier-Stokes（RANS）法和涡黏滞模型来模拟高雷诺数影响下的湍流流动，并使用Spalart-Allmaras（SA）湍流模型来评估雷诺应力模型中湍流黏度的变化^[19].

当发动机处于工作状态时，由于发动机内部的燃烧和工作过程非常复杂，很难直接精确计算发动机的内部工况来模拟实际的进气和排气效应. 发动机的实际物理边界条件同样难以精准确定，例如，扇叶在风扇边界处不断旋转，其真实边界条件为三维时变流场，必须作为扇叶流动问题来求解^[20]. 为了降低计算成本，选择对发动机短舱的边界条件进行简化. 如图5为短舱边界示意图，边界面1是风扇进口面，来流在该进口面经过风扇压缩作用进入发动机；边界面2为风扇出口面，即外涵道排气面，这一部分排出的气体是仅经过风扇加压的低能量气体；边界面3为核心机出口面，即内涵道排气面，这一部分排出的气体是经过燃烧做功的高能量燃气.

在边界条件的设置上，将机身、机翼和除3个进出口面外的所有短舱表面均设置成无滑移壁面边界，风扇进口面设置成流场的出口边界条件，风扇出口面和核心机出口面均设置成流场的入口边界条件，将计算域的外边界设置成远场边界条件. 对于某个特定几何的短舱，知道以下工况参数：涵道比 $ \lambda $、流量系数MFR、风扇总温比FTR、风扇总压比FPR、核心机总温比CTR、核心机总压比FPR，便可通过一系列等熵关系式和声速公式计算出短舱3个进出口边界的物理状态参数，用以设置流场的入口边界和出口边界，具体的计算公式见文献[21]. 为了简化优化问题，暂不考虑工况参数的变化，将发动机短舱的各工况参数设定为恒定值. 动力短舱阻力的计算式^[22]为

(7) $ D = {D_{{\text{in}}}}+{D_{{\text{cowl}}}}+[q_m ({v_{{\text{in}}}}\cos \alpha - {v_0})+{A_{{\text{in}}}}({p_{{\text{in}}}} - {p_0})]. $

式中： $ {D_{{\text{in}}}} $、 $ {D_{{\text{cowl}}}} $分别为短舱进气道和风扇罩的气动阻力， $q_m$、 ${v_{{\text{in}}}}$、 $ {A_{{\text{in}}}} $、 $ {p_{{\text{in}}}} $分别为风扇进口面的质量流量、速度、面积、压强， ${v_0}$、 $ {p_0} $分别为自由来流的速度和压强.

使用可压缩求解器SU2在Ma=0.75、Re=3.0×10⁶的工况下对DLR-F4翼身组合体几何模型进行了数值模拟. DLR-F4模型采用T-Rex非结构网格划分，共生成3种质量不同的网格，网格单元数分别为1.91×10⁶、4.13×10⁶和6.30×10⁶，分别对应粗网格、中网格和细网格. 不同网格体现在壁面层网格厚度以及表面网格尺度的不同，壁面层第1层网格厚度分别为1×10⁻⁴、5×10⁻⁵和3×10⁻⁵ m，中网格和细网格均有无量纲壁面距离y⁺<1，如图6所示. 如图7所示为DLR-F4几何模型的机翼压力系数分布C_p. 将3种质量网格的计算结果与文献[16]的实验数据进行对比，其中实验工况与数值模拟工况一致. 结果表明，数值模拟结果和实验结果符合良好，且中网格和细网格的计算结果基本一致，网格无关性得到验证.

为了验证短舱边界条件简化处理的正确性，在2种工况下对隔离发动机短舱模型NAL-AERO-02-01进行数值模拟，模型采用T-Rex非结构网格划分，壁面层第1层网格厚度设为2.5×10⁻⁶ m，以确保y⁺<1，黏性层网格增长率设为1.2，总网格数为3.48×10⁶. NAL-AERO-02-01是日本航天技术研究所的隔离涡扇发动机模型^[23]. 模型具体参数及工况见文献[23]. 如图8所示为NAL-AERO-02-01几何模型在短舱风扇罩、进气道和核心机整流罩处的压力系数分布，计算结果与文献[23]的实验数据符合良好，短舱边界条件处理的合理性得到验证.

如图9所示为DLR-F4翼型截面的设计空间. 如表2所示为短舱型线直观参数和短舱安装位置的设计范围. 表中， $ {r_{{\text{if,0}}}} $为初始前缘曲率半径， $ {r_{{\text{hl}}}} $为短舱前缘半径， $ \Delta {r_{{\text{up}}}} $为初始风扇罩最大半径 $ {r_{{\text{max,0}}}} $与短舱前缘半径 $ {r_{{\text{hl}}}} $的差， $ {r_{{\text{hi,0}}}} $为初始进气道喉道半径， $ \Delta {r_{{\text{do}}}} $为短舱前缘半径 $ {r_{{\text{hl}}}} $与初始进气道喉道半径 $ {r_{{\text{hi,0}}}} $的差.

优化目标为在升力系数没有损失的约束条件下尽可能地降低阻力系数，同时，由于对翼型的CST参数化方法不具备直观性，在优化设计过程中还施加了对翼型最大厚度的约束以及对机翼面积的约束. 优化问题可以表示为

$\left. \begin{array}{l} {\rm{minimize}}: \;\;\; {C_{\rm{d}}};\\ {\rm{s.t.}} \quad\quad\quad\quad{C_{\rm{l}}} \geqslant{C_{{\rm{l,}}}}_{{\rm{ini}}},\\ \;\;\quad\quad\quad\quad\quad {d_{{\rm{s1}}}} \geqslant {d_{{\rm{s1,ini}}}},\\ \;\;\quad \quad\quad\quad\quad {d_{{\rm{s2}}}} \geqslant {d_{{\rm{s2,ini}}}},\\ \;\;\quad\quad\quad\quad\quad S \geqslant {S_{{\rm{ini}}}}. \end{array} \right\} $

式中： ${C_{\rm{l}}} $、 ${C_{\rm{d}}} $分别为升力系数和阻力系数， ${d_{{\rm{s1}}}} $、 ${d_{{\rm{s2}}}} $、 $S $分别为优化后的R4和Ha5翼型的最大厚度和优化后的三维机翼面积， $ {C_{{\text{l,}}}}_{{\text{ini}}} $为初始几何（优化前）的升力系数， $ {d_{{\text{s1,ini}}}} $、 $ {d_{{\text{s2,ini}}}} $分别为Ha5翼型和R4翼型的初始最大厚度， $ {S_{{\text{ini}}}} $为DLR-F4翼身组合体的机翼参考面积.

如图10所示为基于高斯过程回归机器学习架构的优化框架. 图中，N为当前迭代次数，MNE为优化过程中设置的最大迭代次数. 优化流程由初始采样、计算气动性能、基于GPR建立代理模型和贝叶斯优化寻找最优点组成. 初始采样是使用拉丁超立方采样方法在设计空间内进行初始样本点的采样. 计算气动性能由参数化建模、网格自动划分和CFD数值模拟计算组成. GPR是使用高斯过程先验对数据进行回归分析的非参数模型. 基于GPR建立代理模型，能够准确预测不同外形设计参数下的气动性能. BO能够基于当前的代理模型快速输出最优设计参数. 每一步迭代中通过BO输出的采样点都会加入训练集中，并进行GPR代理模型的更新，直到收敛或者达到最大迭代次数.

GPR假设所有采样点均服从高斯分布，由均值函数和协方差函数唯一定义. 根据贝叶斯理论可以通过高斯过程先验求出测试集 ${X_{{\xi }}}$的后验概率分布 ${P_{{\xi }}}$，构建代理模型为

(8) $ \begin{split} P_{\xi}\left(\boldsymbol{X}_{\xi}\right) \sim N\left(\boldsymbol{K}_{\xi y}^{\rm{T}} \boldsymbol{K}_{\xi \xi}^{-1}(\boldsymbol{y}-\boldsymbol{\mu}(\boldsymbol{X}))+\boldsymbol{\mu}\left(\boldsymbol{X}_{\xi}\right),\right. \\ \left.\boldsymbol{K}_{y y}-\boldsymbol{K}_{\xi y}^{\rm{T}} \boldsymbol{K}_{\xi \xi}^{-1} \boldsymbol{K}_{\xi y}\right) .\\[-5pt] \end{split} $

式中： $ {{{\boldsymbol{X}}}} $为训练集， $ {{{\boldsymbol{y}}}} $为训练集的实际值， $ {{{\boldsymbol{\mu}} }} $为均值向量， $ {{{\boldsymbol{K}}}} $为数据集之间的协方差矩阵，下标ξ、y分别代表测试集和训练集. BO能够实现寻优过程在参数空间范围内进行开发和探索之间的平衡，在确保优化设计高效的基础上还具备一定的全局搜索能力. BO的采样规则是通过定义期望改善（expected improvement，EI）函数，它的极大值点就是下一个采样点，

(9) $ {\rm{E I}}({{x}})=\left\{\begin{array}{ll} {{Z }}{{\sigma}}({{x}}) \phi({{Z}})+\sigma({{x}}) \varphi({{Z}}), & {{\sigma}}({{x}})> 0； \\ 0, & {{\sigma}}({{x}})=0 . \end{array}\right. $

(10) ${{{Z}}}=\left\{\begin{array}{ll}\dfrac{{{{\mu}}}\left({{{x}}}\right)-f\left({{{x}}}^+\right)-\xi }{{{{\sigma}}}\left({{{x}}}\right)},& {{{\sigma}}}\left({{{x}}}\right) > 0 {；}\\ 0, & {{{\sigma}}}\left({{{x}}}\right)=0.\end{array}\right. $

式中： $\;{{{{\mu}} }}\left( {{{{x}}}} \right)$、 ${{{{\sigma}} }}\left( {{{{x}}}} \right)$为高斯过程后验分布在测试点 $x$处均值和方差的预测值， $ \phi $、 $ \varphi $分别为标准正态分布的分布函数和概率密度函数， $ {x^+} $、 $ f\left( {{x^+}} \right) $为当前已知的最优样本点和高斯过程后验给出的最优样本点的预测值，参数 $ \xi $能够决定开发已知设计空间和探索未知设计空间之间的权重.

在参数设计空间中进行80个样本点的拉丁超立方采样，将其作为初始的稀疏训练集，用于构建粗糙的代理模型. 随着优化过程中迭代加点的不断进行，BO具备的探索参数空间的高效性和全局性，一方面在最优设计点附近的数据点数会逐渐变多，对应的粗糙代理模型在最优设计点附近的精度也会逐渐提高；另一方面，BO能够辅助寻优过程跨过局部最优解，使得优化设计过程不会陷入局部最优. 因此，理论上随着迭代的进行，即使初始的训练集较稀疏，BO仍然可以实现在参数空间内的全局寻优. 当迭代过程进行到第60步时，当前的最优可行解已经实现较好的减阻效果，达到目标需求，且随着迭代加点的进行，最优解的提升不大. 由于实际工程问题并没有理论上的全局最优解，考虑到计算成本和优化效果之间的平衡，选择在这一步迭代加点后结束优化流程，并将当前步的最优可行解作为优化结果. 如图11所示为优化过程中目标函数的收敛过程，其中不可行解指不同时满足翼型最大厚度约束、机翼面积约束和升力系数约束的设计点，可行解指同时满足这3个约束的设计点.

如表3所示为优化前后升力系数、阻力系数和部分几何结构参数的对比. 其中升力系数略微增加，总阻力系数降低了10.95%，主要是压差阻力的减少和摩擦阻力略微减少. 如表4所示为各个部件的阻力系数变化情况，均为无量纲计数. 其中C_d,p为压差阻力对阻力系数的贡献项，C_d,f为摩擦阻力对阻力系数的贡献项。机身结构未发生变化，机身部分的阻力变化不大，机身部分阻力系数减小的主要是机翼面积的增大使得CFD计算使用的参考面积增大引起的. 如图12所示为优化前后短舱型线的对比，上中下型线别对应 $\alpha = 0^\circ $、 $ 90^\circ /270^\circ $和 $ 180^\circ $的短舱截面。如图13所示为优化前后机翼翼型截面的对比，翼型截面1、2分别对应R4翼型和Ha5翼型。优化构型的短舱前伸量X从15.0 mm变为17.1 mm，下沉量Z从7.5 mm变为4.6 mm。如图14所示为优化前后上翼面压力系数分布云图的对比，图中左侧的压力系数分布和右侧的压力系数分布分别对应优化前和优化后的构型. 可以看到优化后的构型在机翼上翼面的压力梯度趋于平缓，且强负压区域减弱，上翼面的激波强度降低，激波阻力减小，这一部分的减阻主要是由于机翼的外形优化改善了机翼上翼面的流动情况. 如图15所示为优化前后机翼的压力系数分布对比. 可以看到，上翼面的压力系数梯度减小，这与图14观察到的结果一致：下翼面在37.1%展长处的压力系数梯度明显减小，在其他展长无明显变化. 如图16所示为37.1%展长处马赫数分布. 可以看到，优化后短舱后端的马赫数有所减小（图中虚线圆圈内）. 对于优化后的构型，由3种物理状态不同的气流在短舱后端发生相互作用导致的流动加速现象有所减弱，意味着3股气流间的相互作用得到缓解，最终减弱了机翼和短舱之间的相互干扰，这也解释了37.1%展长处压力系数梯度明显减小的原因. 由于下翼面仅在37.1%展长处流动情况得到改善，机翼下翼面减阻的主要原因是短舱安装参数的改变，减弱了机翼和短舱之间的流动干扰，短舱附近的流场结构得到改善，远离短舱的展长位置处下翼面流场结构并无明显变化. 如图17所示为优化前后4个短舱截面处短舱风扇罩和进气道的压力系数分布对比. 可以发现，短舱风扇罩的压力系数梯度明显减小，尤其是在短舱前缘处，压力峰后移，激波阻力减小，进气道收缩段无明显变化，扩张段压力系数产生一定的波动，该处激波阻力略微增大. 短舱部分的减阻一方面是由于对短舱的外形优化使得短舱表面的流动更加光滑，导致风扇罩激波阻力和摩擦阻力减小，另一部分是由于机翼和短舱间干扰作用的减弱改善了短舱表面的流场结构，激波阻力得到减弱.

（1）提出机翼/短舱一体化气动优化设计方法，使用高斯过程回归构建翼-身-短舱-挂架构型气动外形参数到气动性能参数的代理模型。通过贝叶斯优化方法平衡对已知设计空间的开发和未知设计空间的探索，兼顾优化设计的高效性和全局性，确定最优候选点，更新代理模型，获得翼-身-短舱-挂架的最优构型，实现机翼/短舱的一体化气动优化设计.

（2）优化后的构型相对于初始构型实现了10.95%的减阻效果. 阻力系数减小的来源有机身、机翼和短舱，其中机身阻力系数的减小主要是由机翼面积增大引起的，机翼上翼面阻力系数的减小主要是机翼外形优化引起的，机翼下翼面阻力系数的减小主要是由短舱安装位置优化引起的，短舱阻力系数的减小同时受短舱外形优化和短舱安装位置优化影响.

（3）通过对机翼/短舱的一体化气动优化设计，包括机翼外形参数、短舱外形参数和短舱安装参数的设计，优化了翼-身-短舱-挂架构型的流场结构，减弱了机翼和短舱之间的相互干扰，降低了流动损失. 机翼和短舱之间气动耦合作用的内在机理以及流量系数、总温比等工况参数对气动性能的影响探究，未来可能成为继续研究的目标.