基于深度学习的飞行器智能虚拟飞行方法技术

本发明专利技术涉及基于深度学习的飞行器智能虚拟飞行模拟方法，包括：S1，基于气动仿真数据，建立深度学习气动数据模型；S2，基于Simulink，进行控制器设计，建立仿真程序；S3，通过所述深度学习气动数据模型，进行信息交互，代入Simulink仿真程序；S4，所述控制器发出控制指令，并将姿态等参数反馈所述深度学习气动数据模型；S5，重复迭代所述S3和所述S4，直至物理时间推进结束。本发明专利技术给出多学科数值虚拟飞行技术解决方案，提供一种应用于飞行器设计各个阶段、高保真地分析飞行器动态品质、优化气动布局和控制率、提高飞行器性能的研究手段。

【技术实现步骤摘要】

本专利技术涉及飞行器，具体涉及一种基于深度学习的飞行器智能虚拟飞行方法。

技术介绍

1、随着空天对抗的日趋激烈，人们对飞行器高速、大机动、全包线飞行能力的需求愈加强烈，如强调过失速机动能力的现代战斗机、可实现高超声速跨空域机动飞行的新型空天飞行器、面向多任务模式的新一代天地往返运输系统等。这类飞行器飞行速度、飞行姿态等随时间变化剧烈，存在明显的气动/运动/控制等学科的非线性耦合现象，为飞行器气动特性的准确获取、飞行稳定性和控制系统的设计及优化带来了极大挑战。

2、对于这类问题，传统的研究模式是通过飞行包线范围内大量的定常计算或常规风洞试验获得飞行器气动特性，进而通过插值等方式得到气动数据库，以此数据库为基础开展飞行性能分析与控制系统设计。这种传统模式割裂了气动/运动/控制之间的相互作用与影响，忽略了它们之间的耦合效应，造成气动特性与飞行性能预测失真，导致指标降低、计划延迟、费用增长、控制设计失效甚至飞行事故。

3、研究人员们提出了耦合空气动力学、飞行力学和飞行控制等学科的数值虚拟飞行一体化计算方法，其充分考虑了不同学科之间的耦合特性本文档来自技高网...

【技术保护点】

1.一种基于深度学习的飞行器智能虚拟飞行模拟方法，其特征在于，包括：

2.根据权利要求1所述的基于深度学习的飞行器智能虚拟飞行模拟方法，其特征在于，所述S1中，针对特定飞行器外形，根据飞行弹道和外形特征，先完成气动数值仿真获得气动仿真数据，进而在气动仿真数据基础上开展所述深度学习气动数据模型建立，后期可快速实时获取不同姿态下气动数据。

3.根据权利要求1所述的基于深度学习的飞行器智能虚拟飞行模拟方法，其特征在于，所述S2中，针对飞行器气动特性进行控制器设计，从而建立所述仿真程序，并且还需对控制率进行优化。

4.根据权利要求1所述的基于深度学习的飞行器智...

【技术特征摘要】

1.一种基于深度学习的飞行器智能虚拟飞行模拟方法，其特征在于，包括：

2.根据权利要求1所述的基于深度学习的飞行器智能虚拟飞行模拟方法，其特征在于，所述s1中，针对特定飞行器外形，根据飞行弹道和外形特征，先完成气动数值仿真获得气动仿真数据，进而在气动仿真数据基础上开展所述深度学习气动数据模型建立，后期可快速实时获取不同姿态下气动数据。

3.根据权利要求1所述的基于深度学习的飞行器智能虚拟飞行模拟方法，其特征在于，所述s2中，针对飞行器气动特性进行控制器设计，从而建立所述仿真程序，并且还需对控制率进行优化。

4.根据权利要求1所述的基于深度学习的飞行器智能虚拟飞行模拟方法，其特征在于，所述s3中，所述信息交互为，所述深度学习气动数据模型获取的气动数据反馈给所述控制器，所述控制器仿真输出的高度、速度、姿态、舵偏、发动机数据实时反馈给所述深度学习气动数据模型。

【专利技术属性】
技术研发人员：吕凡熹，杜若凡，刘浩杰，徐艺哲，赵飞，
申请(专利权)人：中国空间技术研究院，
类型：发明
国别省市：