基于长短时记忆神经网络的非定常气动力建模方法

针对飞机大迎角过失速机动过程中的非定常气动力高精度建模需求,提出了一种基于长短时记忆(LSTM)神经网络的非定常气动力建模方法。以三角翼大迎角非定常气动特性为研究对象,建立了基于LSTM神经网络的非定常气动力模型,实现了对升力系数、阻力系数和俯仰力矩系数的预测。研究结果表明,基于LSTM的非定常气动力模型收敛速度快,模型预测结果与真实试验结果符合性较好,模型预测精度优于基于循环神经网络的非定常气动力模型,并且具有良好的泛化性能。