本發(fā)明公開了一種飛行試驗與地面仿真氣動力數(shù)據(jù)綜合建模方法，用于根據(jù)10次以上的飛行試驗數(shù)據(jù)樣本，以及飛行器的飛行包絡范圍內的氣動力地面仿真數(shù)據(jù)，建立飛行器的全空域、全速域氣動力數(shù)學模型。本發(fā)明首先在飛行器的飛行包絡范圍內，進行氣動力計算地面仿真，獲取全空域、全速域的氣動力仿真數(shù)據(jù)，并轉換成氣動力仿真樣本。進而進行飛行試驗，獲取10次以上的飛行試驗狀態(tài)測量數(shù)據(jù)，并根據(jù)氣動力辨識方法，獲得多次飛行試驗的氣動力辨識數(shù)據(jù)樣本。最后，將上述氣動力辨識數(shù)據(jù)樣本以及氣動力仿真樣本一起作為總樣本，利用基于人工智能的BP神經(jīng)網(wǎng)絡方法，通過機器學習，建立綜合了飛行試驗與地面仿真數(shù)據(jù)的飛行器全空域、全速域氣動力數(shù)學模型。

技術領域

本發(fā)明屬于飛行器系統(tǒng)建模領域，涉及對飛行器飛行試驗與地面仿真氣動力數(shù)據(jù)進行數(shù)學建模的方法。

背景技術

對于飛行器的地面仿真數(shù)據(jù)，通常是一個數(shù)據(jù)表。而飛行器的飛行試驗氣動力數(shù)據(jù)，通常是沿彈道的離散的數(shù)據(jù)點。如何利用飛行試驗數(shù)據(jù)修正地面仿真數(shù)據(jù)，是一個廣泛關注的難題，建立一個既包括飛行試驗數(shù)據(jù)又包括地面仿真數(shù)據(jù)的綜合氣動力模型是可行的辦法。對于全空域、全速域地面仿真數(shù)據(jù)，以及10次以上的飛行試驗數(shù)據(jù)，高度、速度、迎角、側滑角、舵偏角等空域、速域、狀態(tài)范圍都比較大，氣動力和高度、速度、迎角、側滑角、舵偏角等參數(shù)之間的關系呈現(xiàn)高度非線性，傳統(tǒng)氣動建模方法很難對空域、速域、狀態(tài)變化都比較大時的氣動力數(shù)學模型給出準確的描述，需要發(fā)展新的建模方法。

基于人工智能的神經(jīng)網(wǎng)絡方法，能夠逼近任意非線性，是理想的建模方法。該方法在氣動力建模領域已經(jīng)有個別的應用，但大都是針對大迎角、復雜流動等特定條件下的非線性、非定常氣動力進行建模的，狀態(tài)參數(shù)少，狀態(tài)變化范圍小。對于高度、速度、迎角、側滑角、舵偏角等空域、速域、狀態(tài)范圍都比較大的情況，尚沒有應用。另外，在BP神經(jīng)網(wǎng)絡氣動建模應用中，得到最優(yōu)的網(wǎng)絡層數(shù)、每層的神經(jīng)元個數(shù)等規(guī)律，尚未見報道。

發(fā)明內容

本發(fā)明所要解決的技術問題是：針對全空域、全速域地面仿真數(shù)據(jù)，以及10次以上的飛行試驗數(shù)據(jù)，高度、速度、迎角、側滑角、舵偏角等空域、速域、狀態(tài)范圍都比較大，氣動力和高度、速度、迎角、側滑角、舵偏角等參數(shù)之間的關系呈現(xiàn)高度非線性的情況，利用基于人工智能的BP神經(jīng)網(wǎng)絡方法，建立綜合了飛行試驗與地面仿真數(shù)據(jù)的飛行器全空域、全速域氣動力數(shù)學模型。

本發(fā)明包括如下技術方案：一種飛行試驗與地面仿真氣動力數(shù)據(jù)綜合建模方法，步驟如下：

在飛行器的飛行包絡范圍內，進行氣動力計算地面仿真，獲取全空域、全速域的氣動力仿真數(shù)據(jù)，并轉換成氣動力仿真樣本；

進行飛行試驗，獲取10次以上的飛行試驗狀態(tài)測量數(shù)據(jù)；

對所述的飛行試驗狀態(tài)測量數(shù)據(jù)，根據(jù)氣動力辨識方法，獲得多次飛行試驗的氣動力辨識數(shù)據(jù)樣本；

將上述氣動力辨識數(shù)據(jù)樣本以及氣動力仿真樣本一起作為總樣本,利用基于人工智能的BP神經(jīng)網(wǎng)絡方法，通過機器學習，建立綜合了飛行試驗與地面仿真數(shù)據(jù)的飛行器全空域、全速域氣動力數(shù)學模型。

優(yōu)選的，氣動力仿真樣本的轉換通過下述方式實現(xiàn)：

將得到的氣動力仿真數(shù)據(jù)制成氣動數(shù)據(jù)表，所述的氣動數(shù)據(jù)表包括仿真輸入?yún)?shù)以及對應的輸出；

將氣動數(shù)據(jù)表中的每個仿真輸入?yún)?shù)在飛行包絡范圍內生成相同數(shù)量的隨機數(shù)，根據(jù)正交組合方式得到新的氣動數(shù)據(jù)表；

利用多元插值方式確定新的氣動數(shù)據(jù)表中的輸出，將新的氣動數(shù)據(jù)表中的輸入?yún)?shù)及輸出作為氣動力仿真樣本。

優(yōu)選的，所述的多元插值方式從氣動數(shù)據(jù)表中最外層開始依次利用一元插值方式進行插值，直至第一層插值完成。

優(yōu)選的，所述隨機數(shù)的數(shù)量不少一萬。