基于物理信息神经网络的飞机气动参数辨识方法 |
| |
引用本文: | 付军泉,钟伯文,钟运琴,刘赟.基于物理信息神经网络的飞机气动参数辨识方法[J].空气动力学学报,2023(9):30-37. |
| |
作者姓名: | 付军泉 钟伯文 钟运琴 刘赟 |
| |
作者单位: | 1. 南昌航空大学飞行器工程学院;3. 中国科学院大学中国科学院大数据挖掘与知识管理重点实验室 |
| |
基金项目: | 国家自然科学基金(12262023); |
| |
摘 要: | 在飞机设计与研制过程中,通过气动参数辨识建立可靠的飞行动力学模型非常重要。传统的气动参数辨识工程算法,诸如极大似然法,需要给出合理的飞行动力学模型以及待辨识参数的初值。基于传统神经网络的气动参数辨识可以避免飞行动力学建模过程,这种方法需要通过增量法、导数法间接地从神经网络提取气动参数。本文提出了一种基于物理信息神经网络的飞机气动参数辨识方法,可将含待辨识参数的飞行动力学模型作为正则项加入损失函数,直接辨识得到气动参数。该方法可以显著减少建模数据需求,也能提高建模精度。飞行仿真数据验证结果表明,该方法的无噪声、含2%噪声仿真数据,纵向飞行状态空间模型辨识最大相对误差分别为1.80%、4.64%,表明了基于物理信息神经网络的飞机气动参数辨识方法具有可行性,并对含噪声的飞行数据具有泛化性。
|
关 键 词: | 深度学习 基于物理信息的神经网络 飞行动力学 状态空间 气动参数辨识 |
|
|