建立氣動(dòng)力模型是飛行器系統(tǒng)仿真中的關(guān)鍵,也是氣動(dòng)數(shù)據(jù)處理過程中的一個(gè)重要環(huán)節(jié)。氣動(dòng)力模型是否正確決定了整個(gè)飛行器仿真系統(tǒng)的置信度,氣動(dòng)參數(shù)的準(zhǔn)確性又影響到飛行器的穩(wěn)定性等控制,因此,建立高精度的氣動(dòng)力模型是非常重要的。神經(jīng)網(wǎng)絡(luò)具有可以逼近任意非線性函數(shù)的特點(diǎn),為了適應(yīng)越來越復(fù)雜的飛行器,使用神經(jīng)網(wǎng)絡(luò)建立氣動(dòng)力模型的方法研究日趨活躍,本文將采用神經(jīng)網(wǎng)絡(luò)建立高精度的氣動(dòng)力模型做為研究目標(biāo)。首先,本文通過對(duì)比基本的神經(jīng)網(wǎng)絡(luò)各自的特點(diǎn),結(jié)合非定常情況下氣動(dòng)參數(shù)的非線性以及參數(shù)隨時(shí)間變化的特點(diǎn),選擇采用Elman神經(jīng)網(wǎng)絡(luò)建立氣動(dòng)力模型。但是,Elman神經(jīng)網(wǎng)絡(luò)仍然存在著一些缺點(diǎn),主要有易陷入局部最優(yōu)解、收斂速度慢等。本文從收斂速度、處理動(dòng)態(tài)信息能力、全局搜索能力三個(gè)方面對(duì)Elman神經(jīng)網(wǎng)絡(luò)進(jìn)行了改進(jìn)。建模方法確定后,需要使用氣動(dòng)數(shù)據(jù)建立模型以驗(yàn)證方法的有效性。本文以NACA 2410亞音速翼型和NLR 7301跨音速翼型為測(cè)試算例,建立了其CFD計(jì)算模型,通過使用Fluent軟件中的CFD仿真功能,獲得了翼型在定常和非定常情況下氣動(dòng)數(shù)據(jù),并且對(duì)CFD計(jì)算得到的氣動(dòng)數(shù)據(jù)做了初步的氣動(dòng)分析。隨后,本...

【文章頁數(shù)】：75 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景及研究現(xiàn)狀
        1.1.1 研究背景
        1.1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.2 研究意義
    1.3 論文結(jié)構(gòu)及章節(jié)安排
        1.3.1 論文研究?jī)?nèi)容及主要工作
        1.3.2 論文組織結(jié)構(gòu)安排
第二章 建模算法對(duì)比及選擇
    2.1 Elman神經(jīng)網(wǎng)絡(luò)特點(diǎn)及對(duì)比分析
        2.1.1 Elman神經(jīng)網(wǎng)絡(luò)
        2.1.2 神經(jīng)網(wǎng)絡(luò)對(duì)比及選擇
    2.2 遺傳算法
        2.2.1 遺傳算法原理
        2.2.2 遺傳算法實(shí)現(xiàn)
    2.3 本章小結(jié)
第三章 CFD計(jì)算模型構(gòu)建及氣動(dòng)分析
    3.1 氣動(dòng)數(shù)據(jù)的獲取方式及翼型的選擇
    3.2 CFD計(jì)算模型的構(gòu)建
        3.2.1 模型網(wǎng)格的劃分及邊界條件選擇
        3.2.2 CFD計(jì)算的湍流模型的選擇
        3.2.3 計(jì)算條件
    3.3 CFD計(jì)算仿真步驟
    3.4 定常氣動(dòng)特性分析
        3.4.1 升阻特性
    3.5 非定常氣動(dòng)特性分析
        3.5.1 非定常升力、阻力特性
        3.5.2 不同縮減頻率下氣動(dòng)特性對(duì)比分析
    3.6 本章小結(jié)
第四章 基于改進(jìn)ELMAN神經(jīng)網(wǎng)絡(luò)的氣動(dòng)力模型
    4.1 改進(jìn)Elman神經(jīng)網(wǎng)絡(luò)的方法
        4.1.2 自適應(yīng)動(dòng)量算法改進(jìn)Elman神經(jīng)網(wǎng)絡(luò)
        4.1.3 DD-Elman神經(jīng)網(wǎng)絡(luò)
        4.1.4 遺傳算法優(yōu)化DD-Elman神經(jīng)網(wǎng)絡(luò)
    4.2 模型結(jié)構(gòu)以及參數(shù)的確定
        4.2.1 DD-Elman神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)確定
        4.2.2 GADD-Elman神經(jīng)網(wǎng)絡(luò)構(gòu)建氣動(dòng)力模型步驟
        4.2.3 GADD-Elman神經(jīng)網(wǎng)絡(luò)氣動(dòng)力模型參數(shù)設(shè)置
    4.3 實(shí)驗(yàn)結(jié)果分析
        4.3.1 定常預(yù)測(cè)結(jié)果分析
        4.3.2 非定常預(yù)測(cè)結(jié)果分析
    4.4 對(duì)比實(shí)驗(yàn)驗(yàn)證分析
        4.4.1 NACA2410 預(yù)測(cè)效果對(duì)比分析
        4.4.2 NLR7301 預(yù)測(cè)效果對(duì)比分析
    4.5 本章小結(jié)
第五章 氣動(dòng)數(shù)據(jù)處理軟件設(shè)計(jì)
    5.1 氣動(dòng)數(shù)據(jù)處理軟件設(shè)計(jì)
        5.1.1 軟件總體設(shè)計(jì)
        5.1.2 野值處理模塊設(shè)計(jì)
        5.1.3 低通數(shù)字濾波模塊設(shè)計(jì)
        5.1.4 數(shù)據(jù)整合模塊設(shè)計(jì)
        5.1.5 氣動(dòng)力辨識(shí)模塊設(shè)計(jì)
        5.1.6 界面設(shè)計(jì)
    5.2 軟件測(cè)試
        5.2.1 測(cè)試目的及測(cè)試范圍
        5.2.2 測(cè)試結(jié)果及分析
    5.3 本章小結(jié)
第六章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
致謝
參考文獻(xiàn)



本文編號(hào)：3853547