人工智能气动特性预测技术在火箭子级落区控制项目的应用
2021-02-23许晨舟王国辉宫宇昆李舟阳高家一韩忠华
杜 涛,许晨舟,王国辉,宫宇昆,何 巍,牟 宇,李舟阳,沈 丹,程 兴,高家一,韩忠华
(1. 北京宇航系统工程研究所,北京 100076;2. 西北工业大学航空学院翼型、叶栅空气动力学重点实验室,西安 710072)
0 引 言
气动特性的预测是飞行器气动设计的核心工作之一。高超声速飞行器流动复杂,建立覆盖飞行包线的气动特性数据库通常需要开展规模庞大和复杂的风洞试验和计算流体力学(Computational fluid dynamics,CFD)计算,成为影响研制经费和进度的重要因素。
20世纪80年代之前,飞行器研制的气动特性预测主要依靠风洞试验,重要项目的试验量近乎天文数字,给研制成本和进度控制造成巨大压力。得益于计算机技术的发展,CFD进入工程领域,降低了研制对风洞试验的耗费。20世纪90年代后,一系列外界因素的改变促使工业部门意识到,需要发展更高效的气动数据库建立技术,降低研制成本并缩短周期。这成为飞行器设计领域活跃的研究方向。经过近30年的发展,已在下述三个方面取得长足进步。
1)预测中心从“数据”转移到“知识”
传统OFAT(One factor at a time)方法[1],以“数据”为中心,试验规模与需求之间是线性关系。以现代试验设计(Modern design of experiments, MDOE)[2-3]为代表的新方法,以气动特性的“知识”和“关系”为中心,取代数据本身。当气动设计人员判断模型精度满足要求,风洞试验即可结束。兰利研究中心研究表明,采用MDOE策略,试验量减少了80%,风洞占用时间缩短了50%[2]。
2)气动数据融合技术
气动数据融合是指将不同来源、不同精度的气动数据,整合为一组高精度的气动数据集的方法。……
