本文關鍵詞：基于數(shù)學代理模型的嵌入式大氣數(shù)據(jù)傳感系統(tǒng)算法及應用研究

  更多相關文章： 嵌入式大氣數(shù)據(jù)傳感系統(tǒng) 空氣動力學模型 Kriging算法 BP神經(jīng)網(wǎng)絡

【摘要】：由于現(xiàn)代飛行器對其高速性、機動性、敏捷性和隱身性能的要求,FADS(flush air-data sensing)系統(tǒng)已經(jīng)對飛行控制系統(tǒng)有不可忽視的作用。本文以飛翼飛行器為幾何模型,采用CFD數(shù)值模擬對此飛行器進行流體分析,得到大量樣本數(shù)據(jù)。利用Kriging算法和BP神經(jīng)網(wǎng)絡這兩種算法構建了FADS系統(tǒng),對頭部取點時兩種算法精度進行了比較,發(fā)現(xiàn)在樣本數(shù)量較小的情況下,Kriging算法的精度比BP神經(jīng)網(wǎng)絡略高。并且隨著測壓點數(shù)量增加,FADS系統(tǒng)的精度會有明顯提高�？紤]到某些飛行器頭部布點的不便,本文還對機翼機身的布點規(guī)律進行了探究。發(fā)現(xiàn)機翼和機身布點也是可行的,只是由于大迎角情況下機翼機身上會存在分離區(qū),這個分離區(qū)中的測壓孔的壓強沒有規(guī)律性,這會導致精度比頭部取點要差。另外,對機翼布點而言,靠近機身和前緣處的點對馬赫數(shù)Ma、迎角α和側(cè)滑角β較為敏感,對于機身而言,機身上的點對β不敏感,而越是靠近前緣處,對Ma和α越敏感。對于Kriging算法和BP神經(jīng)網(wǎng)絡而言,要實現(xiàn)對大氣數(shù)據(jù)的預測,都需要大量的樣本數(shù)據(jù)。由于不同高度上,壓強系數(shù)的變化不大,可以只計算一個高度,來減少樣本點個數(shù)。本文建立以壓強系數(shù)為輸入,大氣數(shù)據(jù)為輸出的FADS系統(tǒng),分別預測靜壓和動壓,以及Ma、α、β值,并且預測的誤差不大。
【關鍵詞】：嵌入式大氣數(shù)據(jù)傳感系統(tǒng) 空氣動力學模型 Kriging算法 BP神經(jīng)網(wǎng)絡
【學位授予單位】：南京航空航天大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：V247.5
【目錄】：

• 摘要4-5
• ABSTRACT5-13
• 第一章 緒論13-20
• 1.1 研究背景13-14
• 1.2 國內(nèi)外研究現(xiàn)狀14-19
• 1.3 本文的研究內(nèi)容19-20
• 第二章 基于全局優(yōu)化的Kriging算法20-29
• 2.1 Kriging插值法的基本原理20
• 2.2 計算試驗設計與分析包（DACE）20-25
• 2.2.1 DACE中的Kriging模型21-22
• 2.2.2 回歸函數(shù)22-23
• 2.2.3 相關函數(shù)23-25
• 2.3 Kriging算法實現(xiàn)25-26
• 2.4 全局優(yōu)化退火算法26-27
• 2.4.1 模擬退火算法的步驟26-27
• 2.4.2 模擬退火算法的流程27
• 2.5 算法流程27-29
• 第三章 人工神經(jīng)網(wǎng)絡算法29-36
• 3.1 神經(jīng)網(wǎng)絡簡介29-32
• 3.1.1 激活函數(shù)30-31
• 3.1.2 網(wǎng)絡結構31-32
• 3.1.3 學習方法32
• 3.2 神經(jīng)網(wǎng)絡的建立32-33
• 3.3 神經(jīng)網(wǎng)絡的學習33-36
• 第四章 數(shù)值計算36-43
• 4.1 控制方程36-37
• 4.2 離散格式37-38
• 4.3 湍流模型38-39
• 4.4 計算模型39
• 4.5 CFD模型驗證39-40
• 4.6 流場分析40-43
• 第五章 算法驗證及頭部取點分析43-51
• 5.1 三測壓點44-47
• 5.1.1 縱向取點（1,2,6）44-45
• 5.1.2 橫向取點（1,4,8）45
• 5.1.3 斜向取點（1,3,7）45-46
• 5.1.4 三角形取點（2,5,7）46-47
• 5.2 四測壓點47-48
• 5.2.1 四測壓點（2,4,6,8）47-48
• 5.2.2 四測壓點（3,5,7,9）48
• 5.3 五測壓點48-50
• 5.4 本章小結50-51
• 第六章 測壓點布局研究51-63
• 6.1 機翼布點53-57
• 6.1.1 對B面的取點數(shù)據(jù)54-55
• 6.1.2 對A面的取點數(shù)據(jù)55-56
• 6.1.3 A、B面對比分析。56-57
• 6.2 機身布點57-60
• 6.3 混合布點60-62
• 6.4 本章小結62-63
• 第七章 基于壓強系數(shù)的FADS系統(tǒng)模型63-67
• 7.1 靜壓與動壓預測63-65
• 7.2 迎角、偏航角和馬赫數(shù)預測65-66
• 7.3 本章小結66-67
• 第八章 結論67-68
• 參考文獻68-71
• 致謝71-72
• 在學期間的研究成果及發(fā)表的學術論文72

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前6條

1 溫瑞珩;鄭守鐸;葉瑋;;嵌入式大氣數(shù)據(jù)傳感技術的發(fā)展現(xiàn)狀[J];電光與控制;2008年08期

2 宋秀毅;陸宇平;;飛翼飛行器嵌入式大氣數(shù)據(jù)傳感系統(tǒng)算法研究[J];傳感器與微系統(tǒng);2008年04期

3 方習高;陸宇平;;嵌入式大氣數(shù)據(jù)傳感系統(tǒng)的求解算法研究[J];計算機測量與控制;2008年03期

4 馮建超;鄭成軍;陳峰;;嵌入式大氣數(shù)據(jù)傳感系統(tǒng)及其BP網(wǎng)絡校正算法[J];計算機測量與控制;2006年04期

5 張斌;于盛林;;嵌入式飛行參數(shù)傳感系統(tǒng)的神經(jīng)網(wǎng)絡算法[J];航空學報;2006年02期

6 陳華根,吳健生,王家林,陳冰;模擬退火算法機理研究[J];同濟大學學報(自然科學版);2004年06期

，

本文編號：1071304