龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：中国空气动力研究与发展中心超高速空气动力研究所;南京航空航天大学
摘要：本发明属于航空航天工程和人工智能领域，公开了一种基于融合理论模型的高速飞行器气动载荷智能预测方法。本发明的基于融合理论模型的高速飞行器气动载荷智能预测方法将神经网络和融合理论相结合，通过嵌入低保真模型，减少了预测模型对高保真数据的依赖，加速了神经网络收敛，而且融合了实验数据和计算数据，能够更好的权衡两种数据源之间的关系，从而提高高速飞行器气动载荷的智能预测的精度。本发明的基于融合理论模型的高速飞行器气动载荷智能预测方法可以推广应用于高超声速导弹设计、性能分析以及其他领域，为高超声速导弹的气动载荷预测问题提供了一种全新的智能解决方案。
主权项：1.基于融合理论模型的高速飞行器气动载荷智能预测方法，其特征在于，包括如下步骤：S1.通过实验和计算的方式获得所需的训练数据，根据要求选择神经网络的输入特征，并将神经网络划分为训练集和测试集；通过实验和计算的方式建立气动数据库，将80％的数据划分为训练集，对神经网络进行训练，20％划分为测试集，对神经网络的精度进行测试；S2.根据神经网络的输入特征和所需的输出特征，建立具有高速飞行器的气动性能特征的低保真模型；所述的低保真度模型，是通过输入特征和输出特征拟合的多项式回归模型，多项式的通项公式如下： 其中，x1、x2…xm分别表示各输入特征；nm表示各输入特征对应的阶数；n＝n1+n2+…+nm，n表示各输入特征对应的阶数之和；Y为低保真模型的输出值；S3.建立全连接神经网络结构，确定包括神经网络的层数、节点数、激活函数在内的超参数，同时确定隐藏层的数量和位置；S4.在每个隐藏层中，选择若干个神经元嵌入S2中的低保真模型；S5.在步骤S1的基础上，结合实验数据和计算数据定义损失函数；在定义损失函数过程中，考虑实验数据和计算数据的权重分配，建立预测模型；S6.训练神经网络，在损失函数收敛之后对测试集进行测试，确保预测模型实现所需的预测精度。
全文数据：
权利要求：
百度查询： 中国空气动力研究与发展中心超高速空气动力研究所 南京航空航天大学 基于融合理论模型的高速飞行器气动载荷智能预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号