| 机器学习数据融合方法在火箭子级栅格舵气动特性建模应用中的比较研究 |
| |
| 引用本文： | 许晨舟,杜涛,韩忠华,等. 机器学习数据融合方法在火箭子级栅格舵气动特性建模应用中的比较研究[J]. 实验流体力学,2022,36（3）：79-92. doi: 10.11729/syltlx20210154 |
| |
| 作者姓名： | 许晨舟 杜涛 韩忠华 昝博文 牟宇 张津泽 |
| |
| 作者单位： | 1. 西北工业大学 航空学院,西安 710072;; 2. 翼型、叶栅空气动力学国家级重点实验室,西安 710072;; 3. 北京宇航系统工程研究所,北京 100076 |
| |
| 基金项目： | 国家自然科学基金（11972305）;航空基金（2019ZA053004）;陕西省自然科学基金（2020JM-127）;陕西省杰出青年科学基金（2020JC-31）;国家数值风洞工程（NNW2019ZT6-A12） |
| |
| 摘 要： | 
机器学习数据融合方法可帮助降低飞行器气动数据库建立的成本,加快研制进度,目前已经成为飞行器设计方法领域越来越活跃的研究方向,但其在工程复杂问题方面的应用研究并不充分。将多种常见变可信度数据融合模型应用于运载火箭子级栅格舵落区控制的工程项目,在开展部分工况的风洞试验基础上,结合少量的CFD数值模拟结果,研究相关函数和不同模型预测完整工况气动特性数据的差异性。
通过对比加法标度函数修正模型、Co-Kriging模型、分层Kriging模型和多可信度神经网络模型等4种不同的数据融合模型发现：高斯指数相关函数对气动建模问题的适应性更好;Co-Kriging模型对气动数据的内插表现最好;分层Kriging模型对内插的预测精度较高,外插效果不理想;多可信度神经网络模型在外插区域能获得更光滑、合理的预测结果。
|
| 关 键 词： | 变可信度模型 气动建模 数据融合 栅格舵 机器学习 |
| 收稿时间： | 2021-11-26 |
| 修稿时间： | 2022-02-23 |
|
| 点击此处可从《实验流体力学》浏览原始摘要信息 |
|
点击此处可从《实验流体力学》下载全文 |
|
