排序方式: 共有5条查询结果,搜索用时 125 毫秒
1
1.
建立了一种基于优化思想的配平舵偏求解方法,在此基础上对飞行器静操纵性进行了评估。具体采用三通道线性叠加模型,结合多维线性插值和牛顿-拉夫森算法,对大量的飞行器风洞试验数据进行处理,快速准确地求解出各个状态下的配平舵偏。与传统求解方法相比,该方法求解精度不受搜索间隔限制,求解时间大大缩短。通过对求解结果进行分析,评估飞行器的静操纵性,提高了静操纵性的评估效率和准确性。 相似文献
2.
为研究高超声速再入飞行器沿弹道的自由扰动运动的稳定性,考虑大气密度随高度的变化和引力梯度,建立了高超声速无动力再入纵向动力学小扰动线性化方程,然后获得转移矩阵和特征方程,在此基础上进行沿弹道的纵向模态分析。利用二次曲线及基于类型函数和形状函数(CST)的方法提出升力式高超声速飞行器气动布局,并采用工程估算方法获得飞行器气动特性数据。针对最大射程、最小射程和跳跃弹道等典型再入弹道进行沿弹道的模态稳定性分析,得到高超声速再入弹道高度模态、沉浮模态和短周期模态稳定性沿弹道的变化特征。从稳定性的角度,对弹道优化提出建议:应避免所设计的弹道产生太大的跳跃,即使是牺牲一些射程上的性能,因为跳跃会使短周期模态和沉浮模态产生更多的不稳定特征根。 相似文献
3.
4.
5.
建立了一种基于内嵌物理机理神经网络(PINN)的热传导方程的正问题及逆问题求解方法。该方法利用自动微分技术将一维热传导方程嵌入到深度网络的损失函数中,通过以损失函数最小为目标来优化深度网络,求解一维热传导方程以及对方程中的未知导热系数进行辨识。随后,分析了基于PINN求解正问题的收敛精度以及参数辨识的鲁棒性,并得出以下结论:在给定网络结构的情况下,基于PINN求解一维热传导方程的收敛误差在样本点数较少时主要由采样误差主导,而当样本点数较多时,收敛误差由优化误差主导;由于损失函数中包含了方程相关的正则化项,以及采用了自动微分技术,因此,基于PINN的参数辨识方法噪声标签数据具有较强的鲁棒性。 相似文献
1