一种基于无量纲输入输出神经网络的FADS解算系统及方法技术方案

本发明专利技术公开了一种基于无量纲输入输出神经网络的FADS解算系统及方法，该方法包括：确定各个测压点在飞行器表面的分布，收集对应来流工况下各个测压点的压力值；将所述各个测压点的压力值进行无量纲化处理获得输入参数集；利用第一神经网络对大气数据参数中包含的各个无量纲大气参数、与进行求解；利用第二神经网络对各个测压点的压力系数Cpi进行求解；根据第二神经网络对各个测压点的压力系数的求解；该系统包括：压力值收集单元、无量纲化处理单元、无量纲大气参数求解单元、有量纲大气参数计算单元，本发明专利技术充分利用不同自由来流静压下的相似性，使得求解大气数据的空气动力学模型解耦了自由来流静压，使得训练神经网络的样本大大减少。的样本大大减少。的样本大大减少。

【技术实现步骤摘要】
一种基于无量纲输入输出神经网络的FADS解算系统及方法


[0001]本专利技术涉及空气动力学
，特别涉及一种基于无量纲输入输出神经网络的FADS解算系统及方法。

技术介绍

[0002]大气数据系统是飞机上重要的机载电子系统，其提供的攻角、侧滑角、总压、静压、总温等大气参数对于飞行器的制导、导航与控制至关重要。随着现代飞行器对于飞行速度、机动性以及隐身性等要求的不断提高，传统大气数据系统所采用的探针式测量方法无法满足新一代飞行器的测量需要，寻求一种新型的大气数据测量方法,成为新一代飞行器大气数据传感的迫切需求。
[0003]嵌入式大气数据传感(Flush Air Data Sensing,FADS)系统，依靠嵌入在飞行器表面的压力传感器阵列测量获取飞行器头部或其它局部位置的压力分布，通过特定求解算法模型间接测量飞行过程中的马赫数、迎角、侧滑角、静压与动压等来流参数。相比于传统的大气数据测量方法，FADS系统在降低飞行器雷达反射面积、适应高超声速高热高压飞行环境等方面具有巨大的优势，因此FADS系统已经成为诸多高性能飞行器大气数据系统本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于无量纲输入输出神经网络的FADS解算方法，其特征在于，所述方法包括以下步骤：步骤一、确定各个测压点在飞行器表面的分布，收集对应来流工况下各个测压点的压力值；步骤二、将所述各个测压点的压力值进行无量纲化处理获得输入参数集所述无量纲化处理包括：分别将所述各个测压点的压力值与除自身外的每个测压点的压力值一一做压力比值，从而得到所述输入参数集[Cp
12
,Cp
21
,
…
,Cp
ij
]；步骤三、利用第一神经网络对大气数据参数中包含的各个无量纲大气参数α、β与Ma进行求解：将无量纲化处理后获得输入参数集[Cp
12
,Cp
21
,
…
,Cp
ij
]作为第一神经网络的输入参数，将无量纲大气参数包括攻角α、侧滑角β与马赫数Ma作为第一神经网络的输出参数，该Cp
ij
为各个测压点的压力值与除自身外的每个测压点的压力比值；步骤四、利用第二神经网络对各个测压点的压力系数Cp
i
进行求解；将第一神经网络的输出参数α、β、Ma作为第二神经网络的输入参数，将各个测压点的压力系数Cp
i
作为第二神经网络的输出参数，该Cp
i
为各个测压孔处的压力系数[Cp1,Cp2,
…
,Cp
n
]；步骤五、根据第二神经网络对各个测压点的压力系数的求解[Cp1,Cp2,
…
,Cp
n
]，结合对应测得的压力分布，对大气数据参数中包含的各个有量纲大气参数动压q
c
、静压p
∞
进行求解，具体为：采用基于多个测压孔的压力系数与压力值利用最小二乘法进行求解。2.根据权利要求1所述的一种基于无量纲输入输出神经网络的FADS解算方法，其特征在于，所述第一神经网络的无量纲输入参数Cp
ij
和无量纲输出参数α、β与Ma的函数关系为：假定v1＝[α,β,Ma]，对公式(6)求反函数，可得函数关系：v1＝Π1(Cp
12
,Cp
21
,...,Cp
ij
)α、β、Ma仅仅是无量纲参量[Cp
12
,Cp
21
,
…
,Cp
ij
]的函数，与来流静压无关，以此解耦来流静压；设定该函数的具体过程如下：1)设定共有n个测压孔；2)每个测压孔除自身外与剩余测压孔做比值；2)构建公式(6)的n
·
(n
‑
1)个方程；其中i≤n，j≤n，i≠j，当测压孔分布确定的情况下，r
i
/l为已知参数。3.根据权利要求2所述的一种基于无量纲输入输出神经网络的FADS解算方法，其特征在于：所述公式(6)的推导如下：假设飞行器表面一点i的压力可以表示为：p
i
＝q
c
Cp
i
+p
∞
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(...

【专利技术属性】
技术研发人员：刘洋，张陈安，
申请(专利权)人：中国科学院力学研究所，
类型：发明
国别省市：