首页 | 本学科首页   官方微博 | 高级检索  
     检索      

基于高斯过程回归的连续式风洞马赫数控制
引用本文:高赫,刘学军,郭晋,吕宏强.基于高斯过程回归的连续式风洞马赫数控制[J].空气动力学学报,2019,37(3):480-487.
作者姓名:高赫  刘学军  郭晋  吕宏强
作者单位:南京航空航天大学 计算机科学与技术学院,模式分析与机器智能工业和信息化部重点实验室,南京 211106;空气动力学国家重点实验室,绵阳 621000;软件新技术与产业化协同创新中心,南京 210023;南京航空航天大学 计算机科学与技术学院,模式分析与机器智能工业和信息化部重点实验室,南京 211106;软件新技术与产业化协同创新中心,南京 210023;中国航空工业空气动力研究院,沈阳,110034;南京航空航天大学 航空学院,南京,210016
基金项目:国家重点实验室基金;航天一院联合基金
摘    要:在风洞实验中保持实验段马赫数的稳定对实验的成功具有重要意义。传统的PID控制算法具有一定时滞性,不能满足连续变迎角实验模式下马赫数的控制精度要求。针对这一缺陷,提出了一种基于高斯过程回归的前馈控制策略,结合PID控制器共同完成马赫数控制任务。首先,对原始数据执行了预处理操作,将数据集中的异常数据进行清洗并且对清洗后的数据进行标准化;其次,选取迎角、实时马赫数、实验段截面积作为高斯过程回归模型的输入,压缩机转速作为输出,采用随机划分数据集与分组划分数据集两种策略进行建模,并将高斯过程回归与常用回归模型的预测精度进行了比较;最后,给出了利用高斯过程回归预测结果及预测置信度进行PID反馈控制的方法。实验结果表明高斯过程回归对风洞实验数据具有很好的建模能力,基于高斯过程回归的前馈控制与PID结合的控制策略能够提高连续变迎角模式下的马赫数控制精度。

关 键 词:风洞  马赫数控制  连续变迎角实验模式  高斯过程回归  预测  机器学习

Mach number control of continuous wind tunnel based on Gaussian process regression
Institution:(MIIT Key Laboratory of Pattern Analysis and Machine Intelligence,College of Computer Science and Technology,Nanjing University of Aeronautics and Astronautics,Nanjing211100,China;State Key Laboratory of Aerodynamics,Mianyang 621000,China;Collaborative Innovation Center of Novel Software Technology and Industrialization,Nanjing 210023,China;AVIC Aerodynamics Research Institute,Shenyang 110034,China;College of Aerospace Engineering,Nanjing University of Aeronautics and Astronautics,Nanjing 210016,China)
Abstract:GAO He;LIU Xuejun;GUO Jin;LYU Hongqiang(MIIT Key Laboratory of Pattern Analysis and Machine Intelligence,College of Computer Science and Technology,Nanjing University of Aeronautics and Astronautics,Nanjing211100,China;State Key Laboratory of Aerodynamics,Mianyang 621000,China;Collaborative Innovation Center of Novel Software Technology and Industrialization,Nanjing 210023,China;AVIC Aerodynamics Research Institute,Shenyang 110034,China;College of Aerospace Engineering,Nanjing University of Aeronautics and Astronautics,Nanjing 210016,China)
Keywords:wind tunnel  Mach number control  continuous lest mode  Gaussian process regression  prediction  machine learning
本文献已被 CNKI 维普 万方数据 等数据库收录!
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号