-
-
公开(公告)号:CN113200153B
公开(公告)日:2022-08-26
申请号:CN202110674810.5
申请日:2021-06-17
Applicant: 北京机电工程研究所
IPC: B64F5/60
Abstract: 本发明涉及一种飞行器飞行振动预测方法,属于环境适应性领域,解决了现有振动预测方法预测精度低的问题。本申请通过对飞行参数进行扩展,将扩展后的飞行参数、加速度均方根值以及动压进行机器学习,并对机器学习采用的各个方法进行参数设置,将每个方法都细分为具有不同参数组合的多个子方法,每个子方法对应于一个预测模型,同时,根据各预测模型得到的RMSE值对飞行参数进行降维,采用降维后的飞行参数进行机器学习,并选择RMSE最小的预测模型作为最终的预测模型,得到振动预测值。该方法通过扩展飞行参数、采用多种预测模型,能够实现高精度预测,同时通过飞行参数降维,大大减少了运算量,实现对飞行器飞行振动的高精度预测。
-
公开(公告)号:CN113200153A
公开(公告)日:2021-08-03
申请号:CN202110674810.5
申请日:2021-06-17
Applicant: 北京机电工程研究所
IPC: B64F5/60
Abstract: 本发明涉及一种飞行器飞行振动预测方法,属于环境适应性领域,解决了现有振动预测方法预测精度低的问题。本申请通过对飞行参数进行扩展,将扩展后的飞行参数、加速度均方根值以及动压进行机器学习,并对机器学习采用的各个方法进行参数设置,将每个方法都细分为具有不同参数组合的多个子方法,每个子方法对应于一个预测模型,同时,根据各预测模型得到的RMSE值对飞行参数进行降维,采用降维后的飞行参数进行机器学习,并选择RMSE最小的预测模型作为最终的预测模型,得到振动预测值。该方法通过扩展飞行参数、采用多种预测模型,能够实现高精度预测,同时通过飞行参数降维,大大减少了运算量,实现对飞行器飞行振动的高精度预测。
-
-