排序方式: 共有25条查询结果,搜索用时 15 毫秒
1.
2.
3.
4.
针对流场粒子图像测速实验中时间和空间高分辨率测量代价高的问题,研究了数据驱动的流场时空重构方法。为了对实验测得的低分辨率数据进行时空高分辨率重构,提出了一种基于深度神经网络的流场时空重构方法,并构建了一种基于卷积神经网络和长短时记忆神经网络的混合深度神经网络。该混合深度神经网络能够学习流场的时空演化特征,训练完成后可实现对实验数据的时空高分辨率重构。测试结果表明:只进行流场空间高分辨率重构时,重构出的流场与真实流场之间的均方根误差为0.0065左右,流场数据点数是原来的51倍;同时进行流场时间和空间高分辨率重构时,重构出的流场与真实流场之间的均方根误差可保持在0.065左右,流场时间维度的密度是原来的5倍,可极大提高实验效率,节约实验成本。 相似文献
5.
飞行器设计阶段的气动分析需要大量的高保真度气动力数据以提高设计性能,但其获取成本十分高昂。为了缓解建模成本与模型精度之间的矛盾,构建了关联不同保真度数据的多保真度气动数据融合模型,并提出了最优关联点选取方法和均匀性增强序贯采样方法,以此实现co-Kriging变可信度模型的高效初始化与最速收敛。作为验证,选用标准数值算例开展建模研究,并结合统计结果对方法精度优劣进行了对比。最后将该建模框架成功应用于NACA0012翼型跨声速气动力工程算例当中。结果表明,与传统模型相比,在仅有的少量高保真度样本下,所采用的方法可以大幅提升变可信度模型收敛精度和建模效率,有效降低了采样成本;相较于高保真度单精度元模型,误差可降低50%以上。 相似文献
6.
基于多项式理论,研究了鲁棒D域稳定和评估空间自适应网格划分方法。在传统只分析单个不确定性参数对动态系统稳定性影响的基础上,实现了多个不确定参数同时摄动对系统稳定性的评估。基于该方法,以一种轴对称飞行器为研究对象,完成了在多种参数组合摄动下的纵向控制律稳定性评估,评估结果直观精确的显示了该飞行器纵向稳定和不稳定区域。 相似文献
7.
飞行器气动参数的集员辨识 总被引:4,自引:0,他引:4
在噪声未知但有界的情况下,本文研究了飞行器气动参数的集员辨识问题。提出了先对非线性系统参数可行集的中心进行估计,再估计参数可行集大小的集员辨识两步法。这样就为解决飞行器气动参数的辨识问题提供了一种新的可行方法,再入体实测数据的处理表明这种方法十分有效。 相似文献
8.
飞行器气动力参数辨识的一种实用滤波误差方法 总被引:1,自引:0,他引:1
提出了一种观测噪声相对于过程噪声较小情况下气动参数识别的实用滤波误差方法,方法不要求已知系统过程噪声和观测噪声方差阵,计算量小,具有一定的应用价值。 相似文献
9.
10.