基于深度学习的变后掠无人机非定常气动载荷预测方法

【作者】 曾丽芳； 赵佳墀； 黎军； 邵雪明；

【机构】 浙江大学；

【摘要】 变后掠无人机因其机翼可变后掠,具有空中变速、便于装载与快速发射的优势。图1所示为一型典型的变后掠无人机,包含一对变后掠机翼、机身与一对可折叠的V型尾翼。为了实现空中变速飞行,机翼具备空中快速变后掠功能。无人机变体过程中的气动载荷是动力学建模、飞行控制和变后掠机构设计的基础。变后掠无人机的气动力和力矩在变体过程中不断变化,其气动特性在变形过程中往往表现出高度不稳定和非线性特征,基于传统计算流体力学方法很难快速获得其准确的气动载荷。本文提出了一种基于深度机器学习——多任务学习算法的气动载荷预测模型,该模型可在有限的数据驱动下快速预测三维变后掠无人机在任何攻角下的非定常气动载荷。如图2所示为预测模型的基本框架:其中多任务学习模型结合了硬共享和定制共享,旨在利用有限的训练数据有效预测复杂三维流场中的气动载荷;该模型有四个输入,即攻角、时间步、变后掠时刻和角度,它通过多层非线性映射输出非定常气动力和力矩。多任务学习模型训练和测试所需的数据是通过计算流体力学方法得到。训练结束后,该预测模型可在几秒钟内获得任何攻角和任何后掠角状态下的非定常气动载荷。测试结果表明,多任务学习模型实现了快速准确的气动载荷预测。更多还原