← 返回列表
基于融合理论模型的高速飞行器气动载荷智能预测方法
申请人信息
- 申请人:中国空气动力研究与发展中心超高速空气动力研究所; 南京航空航天大学
- 申请人地址:621900 四川省绵阳市二环路南段6号15分箱
- 发明人: 中国空气动力研究与发展中心超高速空气动力研究所; 南京航空航天大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 基于融合理论模型的高速飞行器气动载荷智能预测方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311428859.8 |
| 申请日 | 2023/10/31 |
| 公告号 | CN117574756A |
| 公开日 | 2024/2/20 |
| IPC主分类号 | G06F30/27 |
| 权利人 | 中国空气动力研究与发展中心超高速空气动力研究所; 南京航空航天大学 |
| 发明人 | 吴岸平; 王赟昊; 林敬周; 王岩 |
| 地址 | 四川省绵阳市二环路南段6号15分箱; 江苏省南京市秦淮区御道街29号 |
摘要文本
中国空气动力研究与发展中心超高速空气动力研究所; 南京航空航天大学取得“一种透气窗帘布”专利技术，本发明属于航空航天工程和人工智能领域，公开了一种基于融合理论模型的高速飞行器气动载荷智能预测方法。本发明的基于融合理论模型的高速飞行器气动载荷智能预测方法将神经网络和融合理论相结合，通过嵌入低保真模型，减少了预测模型对高保真数据的依赖，加速了神经网络收敛，而且融合了实验数据和计算数据，能够更好的权衡两种数据源之间的关系，从而提高高速飞行器气动载荷的智能预测的精度。本发明的基于融合理论模型的高速飞行器气动载荷智能预测方法可以推广应用于高超声速导弹设计、性能分析以及其他领域，为高超声速导弹的气动载荷预测问题提供了一种全新的智能解决方案。
专利主权项内容
1.基于融合理论模型的高速飞行器气动载荷智能预测方法，其特征在于，包括如下步骤：S1.通过实验和计算的方式获得所需的训练数据，根据要求选择神经网络的输入特征，并将神经网络划分为训练集和测试集；S2.根据神经网络的输入特征和所需的输出特征，建立具有高速飞行器的气动性能特征的低保真模型；S3.建立全连接神经网络结构，确定包括神经网络的层数、节点数、激活函数在内的超参数，同时确定隐藏层的数量和位置；S4.在每个隐藏层中，选择若干个神经元嵌入S2中的低保真模型；S5.在步骤S1的基础上，结合实验数据和计算数据定义损失函数；在定义损失函数过程中，考虑实验数据和计算数据的权重分配，建立预测模型；S6.训练神经网络，在损失函数收敛之后对测试集进行测试，确保预测模型实现所需的预测精度。