| 机器学习方法在气动特性建模中的应用 |
| |
| 引用本文： | 何磊,钱炜祺,汪清,陈海,杨俊.机器学习方法在气动特性建模中的应用[J].空气动力学学报,2019,37(3):470-479. |
| |
| 作者姓名： | 何磊 钱炜祺 汪清 陈海 杨俊 |
| |
| 作者单位： | 中国空气动力研究与发展中心,绵阳,621000;中国空气动力研究与发展中心,绵阳,621000;中国空气动力研究与发展中心,绵阳,621000;中国空气动力研究与发展中心,绵阳,621000;中国空气动力研究与发展中心,绵阳,621000 |
| |
| 摘 要： | 气动数据建模是飞行性能仿真评估的基础。气动特性建模主要有机理建模方法和“黑箱”建模方法。本文对“黑箱”建模的三类机器学习方法——分类与回归树方法、浅层学习方法和深度学习方法,进行了算法说明与分析应用。将分类与回归树方法、浅层学习方法中的Kriging建模方法、RBF神经网络方法及SVM支持向量机方法分别应用于火箭气动特性建模、三角翼大迎角非定常气动特性建模、气动热试验数据融合,对这几类建模方法的优势和不足进行了比较分析。同时,将流动条件参数组成向量,再映射为图像,与翼型图像构成“合成图像”,建立了基于翼型几何图像、来流马赫数、迎角的翼型气动特性深度神经网络模型,得到了比较好的预测效果,拓展了气动特性深度学习建模方法的使用范围。
|
| 关 键 词： | 气动特性建模 机器学习 分类与回归树 浅层学习 深度学习 |
Applications of machine learning for aerodynamic characteristics modeling |
| |
| HE Lei,QIAN Weiqi,WANG Qing,CHEN Hai,YANG Jun.Applications of machine learning for aerodynamic characteristics modeling[J].Acta Aerodynamica Sinica,2019,37(3):470-479. |
| |
| Authors: | HE Lei QIAN Weiqi WANG Qing CHEN Hai YANG Jun |
| |
| Institution: | (China Aerodynamics Research and Development Center,Mianyang 621000,China) |
| |
| Abstract: | HE Lei;QIAN Weiqi;WANG Qing;CHEN Hai;YANG Jun(China Aerodynamics Research and Development Center,Mianyang 621000,China) |
| |
| Keywords: | aerodynamic characteristics modeling machine learning CART shallow learning deep learning |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
|
