基于PINN模型的导弹气动特性快速预测技术

作     者：蔺佳哲 周岭 武频 袁雯琰 周铸 LIN Jiazhe;ZHOU Ling;WU Pin;YUAN Wenyan;ZHOU Zhu

作者机构：中国空气动力研究与发展中心计算空气动力研究所绵阳621000 上海大学计算机工程与科学学院上海200444 

出 版 物：《北京航空航天大学学报》 (Journal of Beijing University of Aeronautics and Astronautics)

年 卷 期：2023年第49卷第10期

页      面：2669-2678页

核心收录：

学科分类：080103[工学-流体力学] 082601[工学-武器系统与运用工程] 08[工学] 080104[工学-工程力学] 082501[工学-飞行器设计] 0826[工学-兵器科学与技术] 082602[工学-兵器发射理论与技术] 0825[工学-航空宇航科学与技术] 0801[工学-力学（可授工学、理学学位）] 

主　　题：内嵌物理机理神经网络 导弹 气动特性 快速预测 数据驱动 

摘      要：随着内嵌物理机理神经网络(PINN)模型的兴起,PINN模型开始应用于许多学科领域。为了实现导弹气动特性的快速预测,借助工程算法,构建了导弹气动数据集,以此训练导弹气动特性预测模型,包含基于多任务学习的神经网络(MTLNN)模型及在MTLNN模型基础上内嵌物理知识的PINN模型。数值模拟通过选取测试集,对比了MTLNN模型和PINN模型的预测效果,结果表明:PINN模型的预测精度较高,且基本控制在1%以内。探究PINN模型的泛化能力,测试集选取导弹气动数据集包络范围之外的数据,PINN模型预测精度仍然高于MTLNN模型。由于PINN模型引入了气动特性参数之间的物理机理,模型对训练样本数量的依赖程度降低,可以进一步节约数据获取成本,为导弹优化设计提供有力工具。