三种机器学习非定常气动力建模方法对比分析

作     者：李康丽 史志伟 付军泉 童晟翔 张伟麟 LI Kangli;SHI Zhiwei;FU Junquan;TONG Shengxiang;ZHANG Weilin

作者机构：南京航空航天大学非定常空气动力学与流动控制工业和信息化部重点实验室江苏南京210016 南昌航空大学飞行器工程学院江西南昌330000 

出 版 物：《飞行力学》 (Flight Dynamics)

年 卷 期：2023年第41卷第3期

页      面：33-39页

学科分类：08[工学] 081104[工学-模式识别与智能系统] 080103[工学-流体力学] 0811[工学-控制科学与工程] 0801[工学-力学（可授工学、理学学位）] 

主　　题：非定常气动力模型 随机森林 深度神经网络 物理神经网络 内/外插性能 

摘      要：针对大迎角下非定常气动力建模问题,以F-16战斗机为研究对象对随机森林方法、深度神经网络方法和物理神经网络方法三种模型的大迎角下非定常气动力建模效果开展研究。首先,介绍了纯数据驱动的随机森林方法和深度神经网络方法两种机器学习方法;然后,在深度神经网络方法的基础上,提出了一种将状态空间模型与神经网络相结合的物理神经网络方法;最后,对三种方法的内/外插性能进行对比。仿真结果表明,三种建模方法均具有很高的内插精度,而物理神经网络建模方法由于在训练过程中增加了物理信息约束,外插性能优于其他两种方法。