-
题名基于高效自适应数据融合的螺旋桨气动力快速预测方法
- 1
-
-
作者
王磊
苏冠廷
高齐
郑勇峰
孔红华
李秋实
-
机构
北京航空航天大学能源与动力工程学院
中航(成都)无人机系统股份有限公司研发中心
北京航空航天大学航空发动机研究院
西华大学智能空地融合载具及管控教育部工程研究中心
-
出处
《推进技术》
北大核心
2025年第10期251-263,共13页
-
基金
国家自然科学基金(52206040)
中国博士后科学基金(2022M710296)
中航(成都)无人机系统股份有限公司/四川省无人机产业创新中心创新基金资助项目。
-
文摘
螺旋桨设计阶段的气动分析需要大量的高精度气动力数据以提高设计性能,但其获取成本高昂。为了缓解建模成本与模型精度之间的矛盾,本文构建了关联不同精度数据的混合精度气动数据融合模型,并提出了微元划分采样方法和自适应数据融合方法,以此实现径向基函数变可信度模型的高效初始化与高精度预测。作为验证,选用标准函数开展建模研究,并结合统计结果对方法精度优劣进行了对比。最后将该建模框架成功应用于三维螺旋桨气动力工程算例当中。结果表明,与传统模型相比,在仅有的少量高精度样本下,本文所采用的方法可以大幅提升变可信度模型收敛精度和建模效率,有效降低了采样成本;相较于低精度模型,误差可降低35.3%以上。
-
关键词
螺旋桨性能预测
神经网络
高效率采样
数据融合
快速预测
-
Keywords
Performance prediction of propeller
Neural network
High-efficiency sampling
Data fu-sion
Fast prediction
-
分类号
V231.3
[航空宇航科学与技术—航空宇航推进理论与工程]
-
