基于模糊聚类的模糊神经网络在非定常气动力建模中的应用

建立了一种基于模糊聚类的模糊神经网络模型.该模型利用模糊聚类技术确定系统的模糊空间和模糊规则数,利用BP算法调整模糊神经网络的权系数.应用该模型对某飞机模型做俯仰-滚转耦合运动的非定常气动力进行了辨识.结果表明,基于模糊聚类的模糊神经网络计算速度快,辨识结果与实验结果符合较好.用模糊聚类技术可以解决模糊神经网络的结构辨识问题,基于模糊聚类的模糊神经网络可以很好地用于复杂机动飞行的非定常气动力建模.     

径向基神经网络在非线性非定常气动力建模中的应用研究

基于南航NH-2风洞中某飞机模型大迎角大振幅单自由度偏航、滚转及偏航-滚转耦合的谐波、阶跃运动实验数据,应用径向基神经网络,研究人工神经网络描述非线性非定常气动力特性的能力.研究结果表明,所建立的径向基神经网络模型的预测结果与训练数据和验证数据都符合得很好,说明神经网络建模方法可以有效地对高度非线性的气动力进行建模.研究还表明,用神经网络建立模型时所需要的风洞实验数据可以减少,从而提高风洞实验效率、减少风洞实验的时间和成本.     

非定常气动力的结构自适应神经网络建模方法

讨论了非线性非定常气动力的结构自适应神经网络模型建模方法,该方法具有同时进行结构辨识与参数辨识的优点;利用纵向大振幅强迫振荡风洞试验数据,验证了建模方法及所建模型的有效性,结果表明:结构自适应神经网络模型对非定常气动力有很好的逼近能力,由于采用飞行参数的时间离散数据作为输入量,模型可直接应用于飞行仿真研究。     

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。     

非定常气动力非线性微分方程建模方法

为准确描述过失速机动中非定常气动力特性,研究了以非线性微分方程为基本结构的非定常气动建模方法.基于动力学系统建模思想,分析揭示该模型的物理机理,并发展和改进了基于风洞强迫振荡试验的模型参数辨识方法:基于小振幅试验数据,采用线性回归参数辨识方法辨识确定气动模型中特征时间常数等线性参数;基于大振幅试验数据,采用遗传算法全局...     

大迎角非定常气动力建模方法研究

以战斗机俯仰机动为例,建立了飞机大迎角非定常气动力模型,包括非线性代数模型、Fourier函数分析模型、状态空间模型、差分方程模型以及模糊逻辑模型.并用SDM标模大振幅俯仰振荡非定常气动力风洞试验数据对模型参数进行了辨识,验证了模型的有效性.从模型物理意义、参数辨识难易程度及模型通用性和精确度等方面对几种非定常气动力模型进行了比较研究.     

飞机大迎角非定常气动力建模研究进展

准确建立非定常气动力数学模型,是飞机大迎角飞行控制律设计、飞行动力学分析和飞行仿真的基础与前提。鉴于此,对大迎角非定常气动力建模研究进展,包括数学建模方法和人工智能建模方法两类进行了系统综述。其中：数学类建模方法是以对非定常流动现象和机理认识为基础的,主要有气动导数模型、非线性阶跃响应模型、状态空间模型、微分方程模型、非线性阶跃响应与状态空间混合模型以及迎角速率模型等;人工智能方法回避了复杂流动机理,属于黑箱非线性系统建模,主要有神经网络模型、模糊逻辑模型和支持向量机模型等。对于每种气动力模型,阐述了其建模思路和方法,给出了典型应用情况,并对其特点和局限性作了简要评述。最后,指出了当前大迎角非定常气动力建模研究工作存在的问题和未来研究方向。