机器学习方法在气动特性建模中的应用

• 作者: 何磊 杨俊 汪清 钱炜祺 陈海
• 来源期刊: 空气动力学学报
• 学科: 工学
• 关键词: 气动特性建模 机器学习 分类与回归树 浅层学习 深度学习
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 专栏——智能空气动力学研究探索
• 页码范围: 470-479
• 页数: 10页
• 分类号: TP181|V211
• 字数: 6951字
• 语种: 中文
• DOI: 10.7638/kqdlxxb-2019.0033

摘要

气动数据建模是飞行性能仿真评估的基础.气动特性建模主要有机理建模方法和"黑箱"建模方法.本文对"黑箱"建模的三类机器学习方法——分类与回归树方法、浅层学习方法和深度学习方法,进行了算法说明与分析应用.将分类与回归树方法、浅层学习方法中的Kriging建模方法、RBF神经网络方法及 SVM支持向量机方法分别应用于火箭气动特性建模、三角翼大迎角非定常气动特性建模、气动热试验数据融合,对这几类建模方法的优势和不足进行了比较分析.同时,将流动条件参数组成向量,再映射为图像,与翼型图像构成"合成图像",建立了基于翼型几何图像、来流马赫数、迎角的翼型气动特性深度神经网络模型,得到了比较好的预测效果,拓展了气动特性深度学习建模方法的使用范围.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	钱炜祺		82	975	19.0	28.0
2	汪清		28	269	9.0	15.0
3	何磊		11	28	3.0	5.0
4	陈海		7	51	5.0	7.0
5	杨俊		1	0	0.0	0.0