Document
拖动滑块完成拼图
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

基于机器深度学习的增量融合大迎角气动力模型的构建方法、电子设备及存储介质 

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:中国航空工业集团公司哈尔滨空气动力研究所

摘要:基于机器深度学习的增量融合大迎角气动力模型的构建方法、电子设备及存储介质,属于空气动力与飞行力学领域。为提升大迎角气动力预测准度,本发明包括通过风洞试验获取静态气动力试验数据、动导数试验数据,利用大幅振荡试验或非稳态运动试验风洞试验获得非定常试验数据,计算非定常试验运动历程下的静态分量和动导数分量,利用归一化后的非定常试验数据扣除非定常试验运动历程下的静态分量和动导数分量,得到非定常气动力增量;采用机器深度学习算法对非定常气动力增量进行建模,得到非定常气动力系数增量模型,然后构建大迎角气动力模型。本发明可适应从传统理论分析到仿真分析的多种应用场景。

主权项:1.一种基于机器深度学习的增量融合大迎角气动力模型的构建方法,其特征在于,包括如下步骤:S1.通过风洞试验获取静态气动力试验数据,包括迎角、侧滑角、舵面偏度的变化数据;S2.通过风洞试验获得动导数试验数据,包括俯仰角速度、滚转角速度、偏航角速度和洗流时差角速度的变化数据;S3.利用大幅振荡试验或非稳态运动试验风洞试验获得非定常试验数据,包括目标飞行器运动频率和姿态角包线范围内不同振荡频率和振幅组合的气动力数据;S4.对步骤S1得到的静态气动力试验数据、步骤S2得到的动导数试验数据、步骤S3得到的非定常试验数据进行数据分析和预处理,修正数据中的野值和跳点;S5.利用步骤S4得到的预处理后的静态气动力试验数据和动导数试验数据计算非定常试验运动历程下的静态分量Ci,stα,β,δ和动导数分量其中α为迎角、β为侧滑角、δ为舵面偏度,为无量纲俯仰角速度、为无量纲滚转角速度、为无量纲偏航角速度、为无量纲迎角角速率、为无量纲侧滑角角速率;S6.利用步骤S4得到的归一化后的非定常试验数据扣除步骤S5得到的非定常试验运动历程下的静态分量和动导数分量,得到非定常气动力增量;S7.采用机器深度学习算法对步骤S6得到的非定常气动力增量进行建模,得到非定常气动力系数增量模型,然后构建大迎角气动力模型。

全文数据:

权利要求:

百度查询: 中国航空工业集团公司哈尔滨空气动力研究所 基于机器深度学习的增量融合大迎角气动力模型的构建方法、电子设备及存储介质

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。