科研之友
微信
新浪微博
Facebook
分享链接
摘要
提出一种基于机器学习的颤振边界预测方法，能够在风速到达亚临界状态前进行颤振速度的预测。从风洞响应信号中提取颤振信号特征，根据飞行状态的不同建立分类模型；接着分别在不同颤振样本下建立回归模型，用于颤振度分析。进行预测时，根据待测数据的分类表现，将颤振度分析的结果进行加权计算，得到当前风速对应的颤振度，再计算出颤振风速。在进行机器学习的算法选择时，使用朴素贝叶斯算法、支持向量机法、k近邻算法等机器学习算法进行分类模型的构建，用线性回归、支持向量机法、高斯过程回归等进行回归模型的构建。结果显示，k近邻算法在分类算法中表现最优，而高斯过程回归算法在回归算法中表现最优。通过试验数据的交叉验证，该方法可以通过颤振样本识别和颤振度分析，在离颤振边界较远时，较为准确的预测出颤振临界速度。
-
单位南京航空航天大学; 机械结构力学及控制国家重点实验室
