-
公开(公告)号：CN116976011A
公开(公告)日：2023-10-31
申请号：CN202311221653.8
申请日：2023-09-21
Applicant: 中国空气动力研究与发展中心计算空气动力研究所
IPC: G06F30/15 , G06F30/27 , G06F30/28 , G06N3/045 , G06N3/048 , G06N3/084 , G06N3/0985 , G06F113/08 , G06F119/14
Abstract: 本发明公开了一种低高保真度气动数据特征关联深度复合网络模型及方法，该模型包括：低保真度网络和高保真度网络；其中，低保真度网络包括低保真度线性网络和低保真度非线性网络；高保真度网络包括线性变换网络和高保真度非线性网络；低保真度线性网络通过线性变换网络与高保真度非线性网络连接。本发明更明确地用线性变换的方式建立低、高保真度气动数据之间的关联关系，从而简化了模型结构，提升了模型的泛化能力，模型的预测性能更优。
-
公开(公告)号：CN114462293B
公开(公告)日：2023-10-13
申请号：CN202111564646.9
申请日：2021-12-20
Applicant: 中国空气动力研究与发展中心计算空气动力研究所
IPC: G06F30/27 , G06N3/0442 , G06N3/08
Abstract: 本发明涉及高超声速目标技术领域，具体地说，涉及一种高超声速目标中长期轨迹预测方法，其包括以下步骤：步骤1、根据雷达探测目标的信息，通过滤波算法获得目标的位置、速度状态信息；步骤2、通过目标跟踪得到的历史状态信息，计算气动参数序列αVTC，然后建立其LSTM预测模型；步骤3、利用训练好的LSTM模型预测αVTC，而后根据预测结果获得目标的中长期预测的轨迹；步骤4、目标再入机动或机动模式发生变化时，按照步骤1、步骤2生成新序列αVTC，并依此更新LSTM模型，然后返回步骤3。本发明能较佳地预测中长期轨迹。
-
公开(公告)号：CN116772846A
公开(公告)日：2023-09-19
申请号：CN202310590673.6
申请日：2023-05-24
Applicant: 中国空气动力研究与发展中心计算空气动力研究所
IPC: G01C21/20
Abstract: 本申请公开了一种无人机航迹规划方法、装置、设备及介质，涉及无人机航迹规划技术领域，包括：基于预设地形模型和预设气象环境威胁模型构建三维航迹规划环境；利用预设搜索算法和通视判定方法从所述三维航迹规划环境中确定出无人机的飞行航迹；利用三次B样条曲线对所述飞行航迹进行平滑处理，以得到平滑处理后的飞行航迹。本申请在构建的三维航迹规划环境中，通过利用预设搜索算法和通视判定方法能够规划出无人机能够避开各种威胁区域的飞行航迹，并通过三次B样条曲线对飞行航迹进行处理以得到平滑的飞行航迹，使得飞行航迹满足无人机的实际飞行需求。
-
公开(公告)号：CN114896830A
公开(公告)日：2022-08-12
申请号：CN202210825423.1
申请日：2022-07-14
Applicant: 中国空气动力研究与发展中心计算空气动力研究所
IPC: G06F30/20 , G06F17/13 , G06F119/14
Abstract: 本发明提供了一种导弹非线性非定常气动力微分方程模型辨识方法，包括：S1：数据准备：利用风洞试验或CFD计算得到导弹静态气动力和力矩系数、大振幅俯仰振荡气动力和力矩系数时间历程的动态数据表，并经过数据处理后生成气动建模的输入数据文件；S2：将气动力分解为静态气动力、俯仰阻尼和下洗迟滞增量、非定常增量，采用一阶微分方程描述非定常增量，构建气动力微分方程模型；S3：将气动力微分方程模型辨识问题转化为动态系统的参数辨识问题；S4：利用所述气动数据，基于最小二乘准则，采用Gauss‑Newton优化算法辨识获取模型参数的估计值。本发明适用于全攻角范围，模型泛化性能强。
-
公开(公告)号：CN119026527A
公开(公告)日：2024-11-26
申请号：CN202411517736.6
申请日：2024-10-29
Applicant: 中国空气动力研究与发展中心计算空气动力研究所
IPC: G06F30/28 , G06F30/27 , G06F17/13 , G06N3/0499 , G06N3/048 , G06F113/08 , G06F119/14
Abstract: 本发明公开了一种基于内嵌物理知识神经网络的非定常气动力建模方法，涉及建模技术领域；其将大迎角非定常气动力物理知识嵌入深度神经网络进行大迎角非定常气动力建模，克服了计算复杂和参数辨识困难，并能够用稀疏的非定常气动力数据训练得到具备可解释性、预测精度较高的大迎角非定常气动力模型。本发明不需要对物理机理进行深入的研究，而是可以直接选择相应背景下的具有代表性的物理方程进行结构和物理意义的研究，降低了对技术人员专业知识的要求，大大缩短了建模时间。
-
Patent Agency Ranking
公开(公告)号：CN118410743B
公开(公告)日：2024-08-23
申请号：CN202410865656.3
申请日：2024-07-01
Applicant: 中国空气动力研究与发展中心计算空气动力研究所
IPC: G06F30/28 , G06F113/08 , G06F119/14
Abstract: 本申请公开了基于去噪扩散模型的翼型快速反设计方法、装置及设备，涉及智能流体力学领域，包括：基于获取的历史飞行器翼型形状及对应的历史翼型坐标点训练无条件去噪扩散模型，以便训练后的目标无条件去噪扩散模型生成若干目标翼型形状，基于目标翼型形状建立目标翼型数据库；利用目标翼型数据库的目标翼型形状以及对应的气动性能参数对条件去噪扩散模型进行模型训练，得到目标条件去噪扩散模型；当存在翼型生成请求时，将翼型生成请求中的气动性能指标输入至目标条件去噪扩散模型，以便目标条件去噪扩散模型基于气动性能指标生成对应的翼型形状。可对训练完成的目标条件去噪扩散模型直接输入气动性能快速得到满足气动性能要求的翼型结果。
-
公开(公告)号：CN115879008B
公开(公告)日：2023-05-26
申请号：CN202310188273.2
申请日：2023-03-02
Applicant: 中国空气动力研究与发展中心计算空气动力研究所
IPC: G06F18/214 , G06F18/25
Abstract: 本申请公开了一种数据融合模型训练方法、装置、设备及存储介质，涉及气动数据融合技术领域，包括：获取包含三种来源气动数据的训练集；将训练集的输入传输至第一来源气动数据预测网络以得到第一预测结果；结合第一预测结果中第二和第三来源条件对应结果以及训练集传输至第二来源气动数据预测网络以得到第二预测结果；结合第一预测结果中第三来源条件对应结果、第二预测结果中第三来源条件对应结果以及第三来源条件传输至第三来源气动数据预测网络以得到第三预测结果，并根据三个预测结果确定损失函数以对三种来源气动数据预测网络中的当前网络参数进行训练。本申请利用深度网络可以实现对三种来源气动数据进行融合，最大限度提取数据之间的关系。
-
公开(公告)号：CN115879008A
公开(公告)日：2023-03-31
申请号：CN202310188273.2
申请日：2023-03-02
Applicant: 中国空气动力研究与发展中心计算空气动力研究所
IPC: G06F18/214 , G06F18/25
Abstract: 本申请公开了一种数据融合模型训练方法、装置、设备及存储介质，涉及气动数据融合技术领域，包括：获取包含三种来源气动数据的训练集；将训练集的输入传输至第一来源气动数据预测网络以得到第一预测结果；结合第一预测结果中第二和第三来源条件对应结果以及训练集传输至第二来源气动数据预测网络以得到第二预测结果；结合第一预测结果中第三来源条件对应结果、第二预测结果中第三来源条件对应结果以及第三来源条件传输至第三来源气动数据预测网络以得到第三预测结果，并根据三个预测结果确定损失函数以对三种来源气动数据预测网络中的当前网络参数进行训练。本申请利用深度网络可以实现对三种来源气动数据进行融合，最大限度提取数据之间的关系。
-
公开(公告)号：CN114330115A
公开(公告)日：2022-04-12
申请号：CN202111566561.4
申请日：2021-12-20
Applicant: 中国空气动力研究与发展中心计算空气动力研究所
Abstract: 本发明涉及空战机动决策技术领域，涉及一种基于粒子群搜索的神经网络空战机动决策方法，其包括以下步骤：一、建立红蓝双方空战战斗机运动学与动力学模型；二、建立空战态势优势函数，包括角度优势函数、速度优势函数、距离优势函数、高度优势函数；三、粒子群算法优化空战机动决策；四、生成空战双方轨迹与机动决策数据库；五、构建神经网络并训练；六、基于神经网络的机动决策。本发明的空战机动决策具有较佳地优越性和快速性。
-
公开(公告)号：CN113777931B
公开(公告)日：2022-02-11
申请号：CN202111317075.9
申请日：2021-11-09
Applicant: 中国空气动力研究与发展中心计算空气动力研究所
IPC: G05B13/04
Abstract: 本发明公开了结冰翼型气动模型构造方法、装置、设备及介质，该方法包括：从翼型数据库中选择任一翼型作为基准翼型并获取所述基准翼型的结冰翼型数据；根据结冰翼型数据生成相应翼型的非结构化网格并计算结冰翼型在预设马赫数和预设攻角条件下的气动系数；根据所述气动系数构建结冰翼型气动模型的训练集和测试集；搭建结冰翼型气动模型的网络，包括主干网络和分支网络；对搭建的网络进行网络训练，得到结冰翼型气动模型。本发明与现有的基于计算流体动力学的结冰翼型气动系数计算方法相比，所构造的结冰翼型气动模型具有更快的预测速度。本发明可以将飞行状态作为输入去预测气动系数，在测试数据集上具有更强的泛化能力。
-
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.048 seconds)
