-
公开(公告)号:CN114896830A
公开(公告)日:2022-08-12
申请号:CN202210825423.1
申请日:2022-07-14
Applicant: 中国空气动力研究与发展中心计算空气动力研究所
IPC: G06F30/20 , G06F17/13 , G06F119/14
Abstract: 本发明提供了一种导弹非线性非定常气动力微分方程模型辨识方法,包括:S1:数据准备:利用风洞试验或CFD计算得到导弹静态气动力和力矩系数、大振幅俯仰振荡气动力和力矩系数时间历程的动态数据表,并经过数据处理后生成气动建模的输入数据文件;S2:将气动力分解为静态气动力、俯仰阻尼和下洗迟滞增量、非定常增量,采用一阶微分方程描述非定常增量,构建气动力微分方程模型;S3:将气动力微分方程模型辨识问题转化为动态系统的参数辨识问题;S4:利用所述气动数据,基于最小二乘准则,采用Gauss‑Newton优化算法辨识获取模型参数的估计值。本发明适用于全攻角范围,模型泛化性能强。
-
公开(公告)号:CN114611416B
公开(公告)日:2022-08-02
申请号:CN202210511409.4
申请日:2022-05-12
Applicant: 中国空气动力研究与发展中心计算空气动力研究所
IPC: G06F30/27 , G06F17/12 , G06N20/10 , G06F119/14
Abstract: 本发明涉及导弹非线性非定常气动特性LS‑SVM建模方法,该方法将导弹气动力分解为静态气动力与动态运动产生的气动力增量之和,采用LS‑SVM建模方法建立动态气动力增量模型,其中用有限采样点近似描述运动历程,以反映运动历程对气动特性的影响;采用奇异值分解方法求解LS‑SVM的线性方程组,进行模型训练;采用训练‑校验方法确定罚因子和核宽度,以提高LS‑SVM模型的泛化性能。目的在于提供一种基于机器学习的导弹大攻角机动气动力建模方法。
-
公开(公告)号:CN114611416A
公开(公告)日:2022-06-10
申请号:CN202210511409.4
申请日:2022-05-12
Applicant: 中国空气动力研究与发展中心计算空气动力研究所
IPC: G06F30/27 , G06F17/12 , G06N20/10 , G06F119/14
Abstract: 本发明涉及导弹非线性非定常气动特性LS‑SVM建模方法,该方法将导弹气动力分解为静态气动力与动态运动产生的气动力增量之和,采用LS‑SVM建模方法建立动态气动力增量模型,其中用有限采样点近似描述运动历程,以反映运动历程对气动特性的影响;采用奇异值分解方法求解LS‑SVM的线性方程组,进行模型训练;采用训练‑校验方法确定罚因子和核宽度,以提高LS‑SVM模型的泛化性能。目的在于提供一种基于机器学习的导弹大攻角机动气动力建模方法。
-
公开(公告)号:CN114896830B
公开(公告)日:2022-11-08
申请号:CN202210825423.1
申请日:2022-07-14
Applicant: 中国空气动力研究与发展中心计算空气动力研究所
IPC: G06F30/20 , G06F17/13 , G06F119/14
Abstract: 本发明提供了一种导弹非线性非定常气动力微分方程模型辨识方法,包括:S1:数据准备:利用风洞试验或CFD计算得到导弹静态气动力和力矩系数、大振幅俯仰振荡气动力和力矩系数时间历程的动态数据表,并经过数据处理后生成气动建模的输入数据文件;S2:将气动力分解为静态气动力、俯仰阻尼和下洗迟滞增量、非定常增量,采用一阶微分方程描述非定常增量,构建气动力微分方程模型;S3:将气动力微分方程模型辨识问题转化为动态系统的参数辨识问题;S4:利用所述气动数据,基于最小二乘准则,采用Gauss‑Newton优化算法辨识获取模型参数的估计值。本发明适用于全攻角范围,模型泛化性能强。
-
-
-