简介:开展了机器学习在翼型气动力计算和反设计方法中的应用研究,实现了在更大翼型空间范围内,人工神经网络的训练和优化,建立了翼型气动力计算模型,和给定目标压力分布的翼型反设计优化模型.作为机器学习领域兴起的研究热点,人工神经网络的研究工作不断深入,有研究者尝试将其应用于流体力学的学科范畴内.文章实现人工神经网络在翼型计算领域中应用的方法如下:首先通过Parsec参数化方法,围绕基准翼型构造了一定翼型空间范围的翼型库,利用XFOIL进行数值模拟,搭建了和翼型库具有一一映射关系的流场信息库.通过训练和优化神经网络,实现了基于此模型的快速、高可信度的翼型气动力预测,以及新型的翼型优化设计方法.通过自动化编程实现样本库的批量生成,实现了不同翼型空间的样本量下,神经网络的训练和优化过程.实验结果表明,在机器学习领域中,基于神经网络的翼型反设计模型的精确性高度依赖于训练样本量的大小和覆盖范围.
简介:针对1点RANSAC(RandomSampleConsensus)单目视觉EKF(ExtendedKalmanFilter)算法中的滤波发散问题,分析了滤波发散的产生原因,提出了一种基于渐消记忆滤波的1点RANSAC单目视觉姿态估计算法。该算法通过在EKF滤波方程中引入加权因子,逐渐加大当前数据的权重,相应地减少旧数据的权重,有效地扼制了算法中的滤波发散问题。最后通过两组验证性实验验证说明了算法的有效性。实验结果表明:该算法能够有效地解决1点RANSAC单目视觉EKF算法中的滤波发散问题,具有更高的精度。第一组双轴联动实验,航向角的平均误差减小2.4158?,俯仰角平均误差减小0.1782?;第二组偏航轴大角度转动实验,摄像机航向角的估计误差一直保持在1.5?以内。
简介:为了更加精确地模拟流动/运动耦合问题,建立了耦合动态混合网格生成、非定常流场计算和六自由度运动方程求解的一体化计算方法,并在统一框架内同时实现了松耦合与紧耦合方法.通过圆柱涡致自激振荡(vortexinducedvibration,VIV)的模拟,对不同时间精度的松耦合和紧耦合算法的优劣及适用范围进行了评估和分析;通过引入附加质量的概念,对耦合算法的稳定性进行了理论分析.研究表明:在流体的密度与物体的密度接近时,松耦合方法是不稳定的,必须采用紧耦合方法.最后利用耦合算法对二维鱼体的自主游动和钝锥三自由度自由飞过程进行了数值模拟,证实了理论分析的结论.
简介:主要研究导弹高超声速飞行时弹头流场对自身红外导引头的辐射照度影响问题.建立导弹弹头及气动流场模型,划分计算流场网格、红外导引头镜面网格和辐射场计算网格.从辐射照度和亮度的理论公式开始,推导出适用于辐射网格的气体辐射积分式,并将流场网格数值插值到辐射场网格,求出各节点辐射值得到由导弹飞行状态确定的导弹头部流场气体辐射,积分到红外导引头的光学系统镜面处,求出对其红外导引头的光学系统镜面处的辐射照度.得出流场气体对导引头主镜面的辐射照度值的分布规律:主镜面中心最大,围绕主镜面中心成环形分布,沿着半径方向逐渐减小,随着Math数增大影响增加.
简介:惯性导航系统(INS)以其自主的工作能力广泛应用于军事武备的导航、制导与控制系统和国民经济的诸多领域.它的主要缺点是定位误差随其工作时间的增长而增大.对惯导系统的误差进行估计和补偿是在保证性能价格比的前提下,提高惯性导航系统精度的有效途径.目前,对惯导系统的误差修正均采用外信息(如GPS的输出信息)校正,即在INS工作的全部时间内,定期地利用GPS输出的速度和位置信息与INS输出的相应信息的差值作为观测量,对INS误差进行估计和补偿.Kalman滤波的方法广泛地应用于惯导系统的误差修正初始对准.本文研究了当地水平惯导系统的的误差估计和补偿问题.分析结果表明,采用Kalman滤波的方法,可以精确地估计惯导系统的误差(包括陀螺漂移和加速度计零偏),误差估计的精度高,并且估计的方差阵收敛快.