基于数学代理模型的嵌入式大气数据传感系统算法及应用研究

摘要

由于现代飞行器对其高速性、机动性、敏捷性和隐身性能的要求，FADS（flush air-data sensing）系统已经对飞行控制系统有不可忽视的作用。本文以飞翼飞行器为几何模型，采用CFD数值模拟对此飞行器进行流体分析，得到大量样本数据。利用Kriging算法和BP神经网络这两种算法构建了FADS系统，对头部取点时两种算法精度进行了比较，发现在样本数量较小的情况下，Kriging算法的精度比BP神经网络略高。并且随着测压点数量增加，FADS系统的精度会有明显提高。考虑到某些飞行器头部布点的不便，本文还对机翼机身的布点规律进行了探究。发现机翼和机身布点也是可行的，只是由于大迎角情况下机翼机身上会存在分离区，这个分离区中的测压孔的压强没有规律性，这会导致精度比头部取点要差。另外，对机翼布点而言，靠近机身和前缘处的点对马赫数Ma、迎角α和侧滑角β较为敏感，对于机身而言，机身上的点对β不敏感，而越是靠近前缘处，对Ma和α越敏感。对于Kriging算法和BP神经网络而言，要实现对大气数据的预测，都需要大量的样本数据。由于不同高度上，压强系数的变化不大，可以只计算一个高度，来减少样本点个数。本文建立以压强系数为输入，大气数据为输出的FADS系统，分别预测静压和动压，以及Ma、α、β值，并且预测的误差不大。

目录

封面

声明

中文摘要

英文摘要

目录

注释表

缩略词

第一章 绪论

1.1 研究背景

1.2 国内外研究现状

1.3 本文的研究内容

第二章 基于全局优化的Kriging算法

2.1 Kriging插值法的基本原理

2.2计算试验设计与分析包（DACE）

2.3 Kriging算法实现

2.4 全局优化退火算法

2.5 算法流程

第三章 人工神经网络算法

3.1神经网络简介

3.2神经网络的建立

3.3神经网络的学习

第四章 数值计算

4.1控制方程

4.2离散格式

4.3 湍流模型

4.4计算模型

4.5 CFD模型验证

4.6流场分析

第五章 算法验证及头部取点分析

5.1 三测压点

5.2 四测压点

5.3 五测压点

5.4 本章小结

第六章 测压点布局研究

6.1 机翼布点

6.2 机身布点

6.3 混合布点

6.4 本章小结

第七章 基于压强系数的FADS系统模型

7.1 静压与动压预测

7.2 迎角、侧滑角和马赫数预测

7.3 本章小结

第八章 结论

参考文献

致谢

在学期间的研究成果及发表的学术论文