基于机器学习算法的舰面流场预警系统研究

• 作者: 王逸斌 苏萁 赵宁
• 来源期刊: 测控技术
• 学科: 工学
• 关键词: 神经网络 支持向量机 数值模拟 舰面流场 预警系统
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 109-114
• 页数: 6页
• 分类号: TP391
• 字数: 4120字
• 语种: 中文
• DOI: 10.19708/j.ckjs.2020.02.019

摘要

飞行甲板是直升机海上作战的重要平台,为了提高直升机的作战效能及舰面操作的安全性,研究开发了一套舰面流场预警系统.该系统主要通过分析数值计算所得的流场数据,以舰面关键位置的压强作为输入,利用神经网络算法和支持向量机训练出一套模型,准确地预测出舰面流场的主要特征(包括来流速度大小、方向和起降点涡结构等),从而实现舰船表面危险气流场的实时预报.预测结果表明,该预警系统的预测准确性较高,能够快速地预测来流情况及旋涡的大小、位置,为飞行员的舰面安全起降提供了参考,对加强国防建设有着重要意义.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王逸斌	南京航空航天大学非定常空气动力学与流动控制工业和信息化部重点实验室	5	10	3.0	3.0
2	赵宁	南京航空航天大学非定常空气动力学与流动控制工业和信息化部重点实验室	85	467	12.0	16.0
3	苏萁	南京航空航天大学非定常空气动力学与流动控制工业和信息化部重点实验室	1	0	0.0	0.0