期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于XGBoost的多源气动数据融合建模
被引量：
1
1
作者
林枫
海春龙
梅立泉
《空气动力学学报》
CSCD
北大核心
2024年第7期27-34,I0001,共9页
飞行试验和计算流体力学(CFD)是气动数据获取的两种常用手段,其中,通过飞行试验获取的气动数据精度高,但成本高昂,而通过CFD获取气动数据成本低,数据量丰富。因此,为了以尽可能低的成本获取精度更高的气动数据,本文利用数据融合方法,提...
飞行试验和计算流体力学(CFD)是气动数据获取的两种常用手段,其中,通过飞行试验获取的气动数据精度高,但成本高昂,而通过CFD获取气动数据成本低,数据量丰富。因此,为了以尽可能低的成本获取精度更高的气动数据,本文利用数据融合方法,提出了一种可以融合大量的由CFD获取的气动数据与少量由飞行试验获取的气动数据的嫁接XGBoost(eXtreme Gradient Boosting)集成模型框架。首先,利用充足的CFD气动数据建模,作为融合框架中的低精度模型;然后,将少量飞行试验参数输入低精度模型得到相应的气动输出;最后,结合飞行试验气动数据的其他特征进行二次建模,实现对真实气动参数的预测。为了证明所提算法的有效性,本文设置了相关的对比实验,结果表明:1)多源气动数据融合建模较单源气动数据建模具有更高的预测精度;2)集成学习模型比传统的机器学习模型具有更强的泛化性能,其中XGBoost模型泛化能力最强,能够实现对气动参数的准确预测。
展开更多
关键词
多源气动数据
XGBoost
数据
融合
集成学习
在线阅读
下载PDF
职称材料
面向飞行试验认知不确定性的气动数据融合方法
2
作者
仇静轩
司海青
+4 位作者
高昕睿
曹九发
吴晓军
赵炜
张培红
《空气动力学学报》
CSCD
北大核心
2024年第10期69-83,共15页
在飞机设计领域中,不同的气动数据获取手段各有利弊,仅靠单一手段难以精确预测飞机的气动特性。因此,在实际工程应用中通常需要融合多种来源的数据,以获得更为准确和全面的气动特性描述。针对这一需求,以典型喷气式飞机为例,采用真实飞...
在飞机设计领域中,不同的气动数据获取手段各有利弊,仅靠单一手段难以精确预测飞机的气动特性。因此,在实际工程应用中通常需要融合多种来源的数据,以获得更为准确和全面的气动特性描述。针对这一需求,以典型喷气式飞机为例,采用真实飞行数据、模拟飞行数据以及计算流体力学(CFD)仿真数据,结合深度神经网络,提出了一种认知不确定性的气动数据双层深度证据融合算法。该算法通过引入两种标准的置信分配方法,并将深度神经网络的输出与变分狄利克雷分布参数相结合,来表达和量化模型融合过程中的认知不确定性,并借助Dempster-Shafer理论有效地融合不同来源的数据及其不确定性。研究结果表明,该算法有效地融合了多源气动数据,所得结果不仅更加符合物理规律,而且提供了更高精度和更全面的气动数据,相比于单一数据源具有明显优势。
展开更多
关键词
双层深度证据融合
多源气动数据
认知不确定性
飞行试验
CFD仿真
在线阅读
下载PDF
职称材料
基于不确定度和气动模型的气动数据融合算法
被引量：
7
3
作者
邓晨
陈功
+1 位作者
王文正
孔轶男
《空气动力学学报》
CSCD
北大核心
2022年第4期117-123,共7页
飞行器气动数据的来源主要有风洞试验、数值模拟、飞行试验三种方式。受试验和模拟能力的限制,任意一种单一手段都难以准确地对飞行器全飞行包线进行覆盖。为弥补各种数据的“缺陷”,提出并实现了两种数据融合算法:一种是依据不确定度...
飞行器气动数据的来源主要有风洞试验、数值模拟、飞行试验三种方式。受试验和模拟能力的限制,任意一种单一手段都难以准确地对飞行器全飞行包线进行覆盖。为弥补各种数据的“缺陷”,提出并实现了两种数据融合算法:一种是依据不确定度作为权值参考,进行加权融合的加权融合算法,利用高斯过程回归算法获得不同来源气动数据预测值的特征,并进行加权融合;另一种是基于模型的CoKriging融合算法,利用CoKriging算法直接建立融合模型。并以某型飞行器气动数据为例进行了对比分析。结果表明:使用单一精度数据建模时,在一定的范围内,样本数据越多,覆盖的设计变量空间越广,精度越高;与单独使用一种精度数据的建模算法相比,两种融合算法预测结果的精度都有较大的提高;相比于基于不确定度的融合算法,使用CoKriging算法建模得到的结果精度更高,提高了近一个数量级。融合数据对于提高数据精度和增强模型预测能力上有重要作用,在参数变量空间内,融合数据能够对高精度数据进行内填补充,同时在参数变量空间外的融合数据能对数据的变化趋势预测提供参考。
展开更多
关键词
多源气动数据
数据
融合
不确定度
相关性
CoKriging模型
加权融合
在线阅读
下载PDF
职称材料
题名
基于XGBoost的多源气动数据融合建模
被引量：
1
1
作者
林枫
海春龙
梅立泉
机构
西安交通大学数学与统计学院
出处
《空气动力学学报》
CSCD
北大核心
2024年第7期27-34,I0001,共9页
文摘
飞行试验和计算流体力学(CFD)是气动数据获取的两种常用手段,其中,通过飞行试验获取的气动数据精度高,但成本高昂,而通过CFD获取气动数据成本低,数据量丰富。因此,为了以尽可能低的成本获取精度更高的气动数据,本文利用数据融合方法,提出了一种可以融合大量的由CFD获取的气动数据与少量由飞行试验获取的气动数据的嫁接XGBoost(eXtreme Gradient Boosting)集成模型框架。首先,利用充足的CFD气动数据建模,作为融合框架中的低精度模型;然后,将少量飞行试验参数输入低精度模型得到相应的气动输出;最后,结合飞行试验气动数据的其他特征进行二次建模,实现对真实气动参数的预测。为了证明所提算法的有效性,本文设置了相关的对比实验,结果表明:1)多源气动数据融合建模较单源气动数据建模具有更高的预测精度;2)集成学习模型比传统的机器学习模型具有更强的泛化性能,其中XGBoost模型泛化能力最强,能够实现对气动参数的准确预测。
关键词
多源气动数据
XGBoost
数据
融合
集成学习
Keywords
multi-source aerodynamic data
XGBoost
data fusion
ensemble learning
分类号
V211.3 [航空宇航科学与技术—航空宇航推进理论与工程]
在线阅读
下载PDF
职称材料
题名
面向飞行试验认知不确定性的气动数据融合方法
2
作者
仇静轩
司海青
高昕睿
曹九发
吴晓军
赵炜
张培红
机构
南京航空航天大学通用航空与飞行学院
中国空气动力研究与发展中心计算空气动力研究所
出处
《空气动力学学报》
CSCD
北大核心
2024年第10期69-83,共15页
基金
航空航天结构力学及控制全国重点实验室青年学生项目(MCAS-S-0224G03)
国家自然科学基金委员会-中国民用航空局联合基金项目(U2033202)
+1 种基金
工信部民机专项科研项目(MJZ1-8N22)
江苏省研究生科研创新计划(SJCX24-0141)。
文摘
在飞机设计领域中,不同的气动数据获取手段各有利弊,仅靠单一手段难以精确预测飞机的气动特性。因此,在实际工程应用中通常需要融合多种来源的数据,以获得更为准确和全面的气动特性描述。针对这一需求,以典型喷气式飞机为例,采用真实飞行数据、模拟飞行数据以及计算流体力学(CFD)仿真数据,结合深度神经网络,提出了一种认知不确定性的气动数据双层深度证据融合算法。该算法通过引入两种标准的置信分配方法,并将深度神经网络的输出与变分狄利克雷分布参数相结合,来表达和量化模型融合过程中的认知不确定性,并借助Dempster-Shafer理论有效地融合不同来源的数据及其不确定性。研究结果表明,该算法有效地融合了多源气动数据,所得结果不仅更加符合物理规律,而且提供了更高精度和更全面的气动数据,相比于单一数据源具有明显优势。
关键词
双层深度证据融合
多源气动数据
认知不确定性
飞行试验
CFD仿真
Keywords
dual-level deep evidential fusion
multi-source aerodynamic data
epistemic uncertainty
flight test
CFD simulation
分类号
V211.3 [航空宇航科学与技术—航空宇航推进理论与工程]
TP18 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
基于不确定度和气动模型的气动数据融合算法
被引量：
7
3
作者
邓晨
陈功
王文正
孔轶男
机构
中国空气动力研究与发展中心
国防科技大学空天科学学院
出处
《空气动力学学报》
CSCD
北大核心
2022年第4期117-123,共7页
基金
中国空气动力研究与发展中心基础和前沿技术研究基金(PJD20180143)。
文摘
飞行器气动数据的来源主要有风洞试验、数值模拟、飞行试验三种方式。受试验和模拟能力的限制,任意一种单一手段都难以准确地对飞行器全飞行包线进行覆盖。为弥补各种数据的“缺陷”,提出并实现了两种数据融合算法:一种是依据不确定度作为权值参考,进行加权融合的加权融合算法,利用高斯过程回归算法获得不同来源气动数据预测值的特征,并进行加权融合;另一种是基于模型的CoKriging融合算法,利用CoKriging算法直接建立融合模型。并以某型飞行器气动数据为例进行了对比分析。结果表明:使用单一精度数据建模时,在一定的范围内,样本数据越多,覆盖的设计变量空间越广,精度越高;与单独使用一种精度数据的建模算法相比,两种融合算法预测结果的精度都有较大的提高;相比于基于不确定度的融合算法,使用CoKriging算法建模得到的结果精度更高,提高了近一个数量级。融合数据对于提高数据精度和增强模型预测能力上有重要作用,在参数变量空间内,融合数据能够对高精度数据进行内填补充,同时在参数变量空间外的融合数据能对数据的变化趋势预测提供参考。
关键词
多源气动数据
数据
融合
不确定度
相关性
CoKriging模型
加权融合
Keywords
multi-source aerodynamic data
data fusion
uncertainly
correlation
CoKriging model
weighted fusion
分类号
V211.3 [航空宇航科学与技术—航空宇航推进理论与工程]
TP18 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于XGBoost的多源气动数据融合建模
林枫
海春龙
梅立泉
《空气动力学学报》
CSCD
北大核心
2024
1
在线阅读
下载PDF
职称材料
2
面向飞行试验认知不确定性的气动数据融合方法
仇静轩
司海青
高昕睿
曹九发
吴晓军
赵炜
张培红
《空气动力学学报》
CSCD
北大核心
2024
0
在线阅读
下载PDF
职称材料
3
基于不确定度和气动模型的气动数据融合算法
邓晨
陈功
王文正
孔轶男
《空气动力学学报》
CSCD
北大核心
2022
7
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
