申请/专利权人：北京航空航天大学

申请日：2021-11-12

公开（公告）日：2024-04-09

公开（公告）号：CN113971375B

主分类号：G06F30/27

分类号：G06F30/27;G06F30/28;G06N3/0442;G06N3/08;G06F111/08;G06F113/08;G06F119/10;G06F119/14

优先权：

专利状态码：有效-授权

法律状态：2024.04.09#授权;2022.02.15#实质审查的生效;2022.01.25#公开

摘要：本发明公开了一种阵风环境下的无人机气动力预测方法，包括：以无人机的随机运动作为输入，以计算流体力学方法计算的无人机随机运动的气动力响应作为输出，通过深度神经网络，建立阵风环境无人机气动力预测模型。本发明的优点是：能够有效得到阵风环境下无人机气动力情况，从而为相关设计提供指导思想，提高无人机的全天候飞行能力。

主权项：1.一种阵风环境下的无人机气动力预测方法，其特征在于，包括以下步骤：第一步，根据阵风作用于无人机的速度，采用相对速度法，相应的转换为无人机的升沉运动，模拟阵风环境；设定阵风垂向速度为vt，无人机垂向获得相对速度bt＝-vt；第二步，无人机的升沉运动速度bt服从高斯分布，而且其功率谱密度均匀分布，因此与高斯白噪声相同，对该高斯白噪声型的无人机随机运动信号进行滤波，滤波范围根据阵风的频率确定，得到滤波后的无人机升沉幅度，如下所示：Hrand＝filterwagP其中，Hrand表示无人机升沉速度，wagP为PdBW强度的高斯白噪声，filter为滤波函数；采用同样的方法，生成测试集的无人机升沉随机运动速度Hrand2，其中高斯白噪声的强度小于P；结合计算流体力学，采用RANS方法，选择Spalart-Allmaras湍流模型进行流场求解，无人机随机升沉运动速度Hrand使用动网格技术进行实现，即通过设置机翼为刚体运动，指定机翼在垂直方向上的速度，该速度为随机升沉运动速度Hrand的关于时间的导数；第三步，无人机升沉随机运动速度Hrand作为训练样本集的输入，相应的气动力响应作为训练样本集的输出，带入长短期记忆神经网络模型：it＝σWi·yt-1,ut+bi； ft＝σWf·yt-1,ut+bf； ot＝σWo·yt-1,ut+bo；yt＝ot*tanhCt； 其中，it，Ot和ft分别代表输入门、输出门遗忘门，Ct代表t时刻的单元状态，yt和ut分别代表t时刻的输入和输出；W是权重矩阵，b代表偏置，下标t表示t时刻各模型中的参数，O表示输入门模型中参数，f表示遗忘门中的参数，C表示各单元中的参数；σ和tanh代表激活函数；经迭代后，可得阵风环境无人机气动力预测的神经网络模型，测试集的无人机升沉随机运动Hrand2带入神经网络模型，验证训练模型的参数最优；第四步，以无人机的相对沉浮运动速度bt作为输入，通过步骤三训练的气动力神经网络模型，快速得到阵风影响的无人机气动力。

全文数据：

权利要求：

百度查询： 北京航空航天大学 一种阵风环境下的无人机气动力预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD