物理模型嵌入集成网络

小样本气动建模

将风洞实验与数值仿真之外难以准确捕捉的大迎角非线性非定常气动特性，通过嵌入物理模型的集成神经网络实现高精度建模，并与运动方程耦合完成机动飞行仿真。

Huailu, Li · 王旭 · Xiao, Wang · Tong, Zhao · 张伟伟 · Wang, Xiao

Hangkong Xuebao/Acta Aeronautica et Astronautica Sinica 2023

参数信息

升力系数误差降低

57 %

飞机响应误差降低

63 %

技术优势

误差大幅降低

升力系数建模误差比传统动导数模型低57%，集成网络在耦合过程中鲁棒性和稳定性也更好。

小样本可用

模型专为小样本飞行数据识别设计，相比黑箱神经网络飞机响应误差降低63%，工程潜力显著。

应用场景

• 战斗机大迎角气动建模：为战斗机大迎角机动提供准确气动模型，提升失速后飞行仿真精度。
• 飞行器气动辨识：替代传统动导数辨识方法，从小样本飞行数据中提取更精确的气动模型。
• 小样本数据建模：在小样本条件下实现高精度气动建模，解决工程中数据稀缺的难题。
• 飞行仿真与验证：耦合运动方程进行闭环仿真，验证气动模型的鲁棒性和稳定性。
• 非线性系统建模：通过嵌入物理模型捕捉大迎角飞行的非线性和非定常效应。