[发明专利]一种适用于失速颤振的大攻角非线性气动力降阶模型在审
| 申请号： | 201810011636.4 | 申请日： | 2018-01-05 |
| 公开（公告）号： | CN108182328A | 公开（公告）日： | 2018-06-19 |
| 发明（设计）人： | 戴玉婷;向正平;朱斯岩 | 申请（专利权）人： | 北京航空航天大学 |
| 主分类号： | G06F17/50 | 分类号： | G06F17/50;G06N3/04;G06N3/08 |
| 代理公司： | 北京永创新实专利事务所 11121 | 代理人： | 周长琪 |
| 地址： | 100191*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明一种适用于失速颤振的大攻角非线性气动力降阶模型，首先设计正弦多级信号作为非线性气动力辨识信号，设计信号的幅值需满足大幅运动要求。其次基于深度学习的循环神经网络模型进行非线性气动力辨识，采用CFD方法计算训练输出信号，运用基于深度学习的循环神经网络模型建立机翼大幅振动时的动态时域非线性气动力模型，并用CFD计算测试信号下的系统响应，与网络模型的辨识结果比较，验证模型的性能。本发明节省飞行器设计成本，提高失速颤振设计效率，发展了非线性气动力的降阶模型，从而快速预测失速颤振。 | ||
| 搜索关键词： | 气动力 颤振 失速 降阶模型 循环神经网络 大攻角 飞行器设计 辨识结果 辨识信号 大幅运动 多级信号 计算测试 计算训练 快速预测 模型建立 设计效率 设计信号 输出信号 网络模型 系统响应 辨识 机翼 时域 正弦 并用 验证 学习 | ||
【主权项】：
1.一种适用于失速颤振的大攻角非线性气动力降阶模型，其特征在于：通过下述步骤得到：步骤1：根据机翼极限环振动时的幅值、频率和振动规律，设计左右对称的多级正弦信号，作为深度学习模型系统的输入数据；步骤2：将步骤1种设计好的正弦信号输入到CFD软件中，获得不同速度下的机翼在该信号激励下的气动力系数，作为深度学习模型系统的输出数据；步骤3：基于深度学习的循环神经网络模型进行非线性气动力辨识，得到大攻角非线性气动力降阶模型。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京航空航天大学，未经北京航空航天大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810011636.4/，转载请声明来源钻瓜专利网。
