高超声速飞行器FADS算法研究

应用BP神经网络开展高超声速飞行器嵌入式大气数据系统(FADS)算法研究。采用自主研发CACFD软件平台求解欧拉方程,计算获得飞行器头部的压力分布作为神经网络样本训练的输入,对应的来流状态,如静压、马赫数、迎角和侧滑角作为样本的目标训练神经网络,建立基于BP神经网络FADS求解算法,并进行测试研究。研究表明,基于神经网络技术的FADS算法具有较好的鲁棒性和求解精度,实时性强,是一种非常有效的求解算法。研究结果得出,一定样本数范围内,FADS的求解精度随着样本数增加而提高;算法的平均误差随着测压点的增加而减小;包含大锥角位置测压点的布点组合,明显比只有小锥角测压点布点组合的求解结果平均误差要小;去掉顶点测压点,对算法的求解结果影响不大;1%压力测量误差时,神经网络泛化性能表现非常稳定。