基于贝叶斯框架的旋翼气动力数据融合

由于气动环境的复杂性，旋翼在气动评估中存在较多不确定性且对旋翼性能影响较大。当前旋翼气动评估方法不能考虑气动数据不确定性，本文将数据融合技术应用于旋翼气动预测以在记及某些不确定因素影响的条件下，获得具有更高可信度的气动力分布及置信区间，为进一步开展旋翼气动数据的不确定度分析及工程应用奠定基础。基于不同来源的气动力数据均为正态分布的独立随机变量这一假设，将分布气动数据和测量值之间的关系作为融合准则，以实现最佳匹配测量值为目标，采用贝叶斯估计求解融合数据的最大后验概率分布，从而构建一种基于贝叶斯框架的气动数据融合方法。以UH-60A旋翼及Caradonna-Tung旋翼为例，采用所提方法进行不同来源气动数据的融合，对融合结果的估计方差与预测误差进行对比分析。结果表明，首先，所提方法对于输入数据的来源无特殊要求，能够给出融合结果的置信区间并降低不同来源数据的估计方差，基于此结果后续可进行不确定度分析与研究；其次，融合所得结果并不局限于不同来源数据之间，扩大了数据覆盖范围；最后，融合所得结果相比于单一数据来源更符合物理规律。