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:2024-04-30
公开(公告)号:CN113962028B
主分类号:G06F30/15
分类号:G06F30/15;G06F30/27;G06F30/28;G06N3/0464;G06F113/08;G06F119/14
优先权:
专利状态码:有效-授权
法律状态:2024.04.30#授权;2022.02.15#实质审查的生效;2022.01.21#公开
摘要:本发明公开了一种考虑结冰影响的无人机气动导数辨识方法,步骤1、确定大气参数和飞行参数的上限和下限;随机选取参数值,建立参数的随机数据集,计算外流场和水滴撞击特性,得到机翼结冰后的形状;步骤2、以随机数据集作为输入,进行归一化处理,采用卷积神经网络,构建结冰机翼形状预测模型;步骤3、指定大气参数和飞行参数,通过结冰机翼形状预测模型,得到结冰机翼形状;步骤4、采用计算流体力学方法,将常用翼型作为测试用例,采用RANS方法对动态气动性能预测能力。结冰机翼的无人机非定常受迫振荡运动,计算无人机的动态气动性能,辨识无人机的气动导数。本发明的优点是:有效得到无人机飞行性能情况,从而为相关设计提供指导思想。
主权项:1.一种考虑结冰影响的无人机气动导数辨识方法,其特征在于,包括以下步骤:步骤1、以飞行速度V、飞行攻角、温度T、水滴直径D、液态水含量LWC,结冰时长T为参数,根据无人机对应的飞行状态和大气状态,选择各个参数的上限和下限;在各参数的范围内,随机选取参数值,建立参数的随机数据集,通过计算流体力学方法,计算外流场和水滴撞击特性,最后得到随机数据集对应的机翼结冰后的形状;步骤2、以随机数据集作为输入,对应的机翼结冰后的形状作为输出,其中,对输入数据进行归一化处理,输出的机翼形状进行灰度化处理,采用卷积神经网络,训练更新神经网络卷积层和全连接层的权重和偏置参数,构建结冰机翼形状预测模型;步骤3、指定飞行速度V、飞行攻角、温度T、水滴直径D、液态水含量LWC和结冰时长T参数,通过结冰机翼形状预测模型,得到结冰机翼形状;步骤4、采用计算流体力学方法,结合动网格技术,将常用翼型作为测试用例,采用RANS方法对动态气动性能预测;结冰机翼的无人机非定常受迫振荡运动,计算无人机的动态气动性能,辨识无人机的气动导数;所述计算无人机的动态气动性能具体为:通过俯仰阻尼动导数计算方法,结冰机翼受迫振荡运动采用随机运动形式,计算得到结冰机翼的非定常俯仰力矩系数,其表达式如下: 其中,为攻角,为俯仰角速度,为零攻角时结冰机翼的俯仰力矩系数,,,,和分别为静导数和组合动导数。
全文数据:
权利要求:
百度查询: 北京航空航天大学 一种考虑结冰影响的无人机气动导数辨识方法
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。