一种基于特征匹配的飞行器气动外形数字化特征提取方法技术

本发明专利技术属于高超声速飞行器智能流体力学研究领域，公开了一种基于特征匹配的飞行器气动外形数字化特征提取方法，包括进行飞行器气动外形数字化特征表示；构建卷积网络；进行特征交叉；进行特征匹配；进行重构。本发明专利技术的基于特征匹配的飞行器气动外形数字化特征提取方法能够结合多种不同的外形表示方法的优点，通过特征交叉和特征匹配，提取到最原始统一的潜在外形特征，保证无论使用哪种外形表示方法，都能够提取到不同外形表示方法中的共有特征即不变外形特征，为高超声速飞行器气动特性研究提供了技术支撑。

【技术实现步骤摘要】

本专利技术属于高超声速飞行器智能流体力学研究领域，具体涉及一种基于特征匹配的飞行器气动外形数字化特征提取方法。

技术介绍

1、空气动力学领域的诸多应用如流场预测、飞行器气动性能预测、流场结构识别等都涉及到飞行器气动外形描述。如何合理的描述飞行器气动外形，建立气动数据与气动外形之间的关系，成为空气动力学领域的关键问题之一。目前，在飞行器气动外形特征提取问题上，解决方法主要分为参数化、多项式描述以及基于深度学习的方法三类。其中，基于深度学习的方法不论是在性能还是在效率方面都要优于前两者，因此，成为智能流体力学领域中的研究热点。

2、基于深度学习的方法中，最典型的解决方案是基于卷积神经网络的特征提取方法。但是，基于深度学习的方法大多只使用单一的手段来描述气动外形，如外形轮廓掩码mask、符号距离场（signed distance field. sdf）等等，没有能够结合不同表示方法的优点；其次，一些基于深度学习的方法直接将原始的表示外形的张量与流场数据混合，导致网络结构复杂，建模效率低下，并且难以确定是否提取到有效的气动外形特征。

3、当本文档来自技高网...

【技术保护点】

1.一种基于特征匹配的飞行器气动外形数字化特征提取方法，其特征在于，包括以下步骤：

【技术特征摘要】

1.一种基于特征匹配的飞行器气动外形数字化...

【专利技术属性】
技术研发人员：刘枫，吴岸平，李宇玻，汤洪伟，王庆凤，唐磊，蒋万秋，
申请(专利权)人：中国空气动力研究与发展中心超高速空气动力研究所，
类型：发明
国别省市：