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。

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