基于机器学习的飞行器振动预示技术探索

针对飞行器发展中振动预示经验公式不准确、数值仿真方法难以获得准确激励源、不能满足高频部分振动预示需要的问题,文章提出基于已有飞行数据的机器学习方法作为飞行振动预示的解决方案。针对飞行器速度和动力形式变化,引入气动激励源和动力激励源相关的多种飞行参数及状态信息参与振动预示模型训练,并使用飞行器不同位置的振动测量结果作为振动预示目标,以体现飞行器结构形式的变化。根据预测误差对输入训练参数进行调试,完成了多物理量预测模型的优化,并使用部分测量数据进行验证。结果表明,不同方向的振动预示精度较经验公式方法的提高5倍以上。该方法具备进一步研究和推广使用的价值。

资料为PDF文档格式.

本文档关键词:飞行器,预示,振动,机器,探索