科研之友
微信
新浪微博
Facebook
分享链接
摘要
随着超机动概念的提出和过失速机动的飞行实现，非定常气动力建模问题成为空气动力学、飞行力学、飞行控制领域共同关注的研究课题。传统的气动数据库由静态、动态数据和旋转天平数据构成，无法精细表征过失速机动状态下气动力的非定常效应。循环神经网络（RNN）结构是一种用于处理和预测序列数据的神经网络结构，在人工智能领域被广泛运用，与非定常气动力一样都具有时间序列依赖的特点。本文重点研究了循环神经网络在非定常气动力建模中的应用，利用单自由度俯仰振荡的风洞试验数据进行建模，对“眼镜蛇”机动动作的气动力进行预测，并与传统气动数据库以及风洞试验的结果进行对比，结果表明在复杂过失速机动的气动力预测上，包含非定常气动力的循环神经网络建模结果比传统气动力数据库更接近试验结果，对非定常气动力有着更好的表征。最后研究了如何向多自由度耦合进行扩展的问题。
-
单位成都飞机设计研究所
