飞行仿真气动力数据机器学习建模方法

基于机器学习思想,提出了一种大空域、宽速域的气动力建模方法。该方法利用飞行仿真弹道数据辨识的气动力数据,采用人工神经网络技术,实现了对高度、速度、姿态和舵偏角等多维度强非线性特性的全弹道气动力数据的高精度逼近。首先,分析了神经网络层数、隐含层神经元个数等对建模误差的影响,通过对典型弹道气动数据的神经网络建模计算,确定了较合适的神经网络层数和较优的隐层神经元个数。进而,利用飞行仿真的弹道数据辨识出沿弹道的气动力,采用神经网络建立了包含多个弹道融合的气动力模型,输出量分别为三轴气动力系数和力矩系数。最后通过气动模型输出量与原样本数据的对比,以及4条未参与训练弹道气动数据的预测,验证了该气动力建模方法具有较高的精度。建模结果表明:采用神经网络方法建立的飞行器气动力模型,对拟合多源耦合输入全弹道非线性气动力是可行的和有效的,在样本覆盖的高度、速度、姿态和控制舵偏角范围内,气动力拟合能力较强,并具有一定的外推性。该项研究可以为基于飞行试验数据的气动建模提供新的方法,并且能为飞行器气动力数据挖掘、飞行仿真和总体性能分析提供参考。     

吸气式空空导弹外形多学科一体化优化设计

针对采用整体式固冲发动机的吸气式空空导弹外形气动与推进耦合的推阻匹配设计难题,引入多学科优化设计方法提出了一种综合考虑气动/推进/质量/弹道的导弹外形多学科一体化优化设计技术。其中,气动性能预测采用代理模型技术,主要基于外形参数化建模、非结构网格技术和流场精细数值计算来自动构建气动数据库,据此建立了包含外形几何信息的气动预测代理模型,并对其预测精度进行了验证;推进性能预测采用推进求解模型,该模型根据固冲发动机理论建立,精度满足工程要求。对所建立的学科预测模型完成一体化集成后,以质点弹道仿真评估的战技指标为优化目标,对一款吸气式空空导弹进气道和翼面外形进行了优化设计,取得了推阻匹配的优化外形,优化后导弹动力射程提高10%。所提出的一体化优化设计技术,有助于吸气式空空导弹外形气动与推进耦合推阻匹配设计和提高导弹动力射程。     

弯头机动弹头再入螺旋弹道分析

针对弯头双锥机动弹头，采用内伏流牛顿方法和Euler方程数值方法计算气动力，并与六自由度弹道方程组耦合计算，分析了再入过程中的螺旋弹道特性以及滚转角速度和弹头几何参数等对螺旋弹道的影响，最后分析了利用控制质心横向运动来控制弹头滚转的方法。     

喷流控制飞行器气动参数辨识方法研究

研究了喷流控制飞行器的气动建模与参数估计方法,以某飞船返回舱飞行试验为例,通过辨识得到了返回舱再入过程中的气动导数、喷流力矩放大系数等重要气动参数。该方法是研究喷流干扰效应的一种有效途径,辨识结果有助于提高返回舱姿态控制的准确度。     

飞行器气动参数估计不确定度评价方法研究

为了有效地利用飞行器气动参数估计结果,必须同时给出估计结果的不确定度,因此研究了不确定度评价方法.当试验样本较多时,样本标准差具有明确的统计含义,比分散度能够更好地描述参数估计的不确定度.对于单个试验样本,基于不确定度椭球导出的C-R(Cramer-Rao)界是参数估计不确定度最好的理论预测,但利用飞行实测数据得到的C-R界普遍比样本标准差小.鉴于此,通过在低频有色噪声的基础上构造白噪声的方法,得到了一种C-R界修正方法,并通过仿真算例验证了修正方法的正确性.最后,将C-R界修正方法应用于飞行实测数据,得到的修正C-R界与利用多次飞行试验参数估计结果计算的样本标准差比较一致,表明该修正方法能够较好地给出参数估计的不确定度区间.     

低成本飞行试验平台的FADS技术研究

在国内首次利用成熟的低成本火箭弹平台,开展超声速(马赫数>3)飞行试验的嵌入式大气数据传感系统技术研究。针对嵌入式大气数据传感系统的求解算法,测量系统和误差影响等关键技术问题,建立基于神经网络技术的求解算法和设计飞行试验方案,并完成飞行试验和数据分析研究。研究结果表明基于神经网络技术的求解算法具有较好的鲁棒性和较高的求解精度。测量结果与雷达测量结果基本吻合,验证了算法设计;测量结果相对于雷达测量结果,静压平均相对误差约为5.2%,最大相对误差18.8%;马赫数平均相对误差4.2%,最大相对误差14.9%。攻角和侧滑角的测量结果与理论弹道结果变化趋势接近。研究结果可为相关飞行试验技术研究提供参考。     

闭环气动参数辨识的两步方法

对于闭环控制飞行器动力学系统,如果输入输出数据中含有误差和噪声,将其直接用于辨识气动参数是有偏差的。针对这个问题,利用闭环控制飞行仿真数据,采用两步方法辨识飞行器的气动参数,并与直接开环辨识的结果及参数真值进行对比,表明两步方法辨识结果较直接开环辨识方法具有更高的精度,是一种有效的闭环气动参数辨识方法。