基于神经网络的飞行器气动数据处理方法研究与软件实现

目录

声明

第一章 绪 论

1.1.1 研究背景

1.1.2 国内外研究现状

1.2 研究意义

1.3 论文结构及章节安排

1.3.1 论文研究内容及主要工作

1.3.2 论文组织结构安排

第二章 建模算法对比及选择

2.1.1 Elman神经网络

2.1.2 神经网络对比及选择

2.2 遗传算法

2.2.1 遗传算法原理

2.2.2 遗传算法实现

2.3 本章小结

第三章 CFD计算模型构建及气动分析

3.1 气动数据的获取方式及翼型的选择

3.2 CFD计算模型的构建

3.2.1 模型网格的划分及边界条件选择

3.2.2 CFD计算的湍流模型的选择

3.2.3 计算条件

3.3 CFD计算仿真步骤

3.4 定常气动特性分析

3.4.1 升阻特性

3.5 非定常气动特性分析

3.5.1 非定常升力、阻力特性

3.5.2 不同缩减频率下气动特性对比分析

3.6 本章小结

第四章 基于改进Elman神经网络的气动力模型

4.1 改进Elman神经网络的方法

4.1.2 自适应动量算法改进Elman神经网络

4.1.3 DD-Elman神经网络

4.1.4 遗传算法优化DD-Elman神经网络

4.2 模型结构以及参数的确定

4.2.1 DD-Elman神经网络结构确定

4.2.2 GADD-Elman神经网络构建气动力模型步骤

4.2.3 GADD-Elman神经网络气动力模型参数设置

4.3 实验结果分析

4.3.1 定常预测结果分析

4.3.2 非定常预测结果分析

4.4 对比实验验证分析

4.4.1 NACA 2410预测效果对比分析

4.4.2 NLR 7301预测效果对比分析

4.5 本章小结

第五章 气动数据处理软件设计

5.1 气动数据处理软件设计

5.1.1 软件总体设计

5.1.2 野值处理模块设计

5.1.3 低通数字滤波模块设计

5.1.4 数据整合模块设计

5.1.5 气动力辨识模块设计

5.1.6 界面设计

5.2 软件测试

5.2.1 测试目的及测试范围

5.2.2 测试结果及分析

5.3 本章小结

第六章 总结与展望

6.1 总结

6.2 展望

致谢

参考文献