基于神经网络的机翼结构载荷模型建立方法
2021-09-23唐宁
空军工程大学学报 2021年4期
唐 宁
(中国飞行试验研究院, 西安, 710089)
飞机飞行过程中,机翼作为主要承载结构,受到气动力、重力、发动机推力及惯性力等载荷共同影响,在相应剖面上产生结构载荷,通过结构载荷实测,可在飞机服役及使用过程中对机翼结构实施载荷安全监控,并为结构疲劳寿命评估积累相关数据。目前,一般采用应变法[1]对机翼结构载荷进行测量,该方法通过载荷地面校准试验建立表征结构应变响应与结构所受载荷之间对应关系的载荷方程,在飞行实测过程中,通过实测应变与载荷方程确定结构载荷。但该方法存在地面试验成本较高且应变电桥受环境及人为因素影响难以长期可靠测量等问题,因此有必要在机翼结构载荷与飞行参数相关性的基础上建立一种以飞行参数为变量的机翼结构载荷模型。
应变法飞行实测数据能够真实反映机翼结构受载及其对应的飞行状态,因此可基于飞行实测数据建立模型,对此国内外已有相关研究开展[2-5],采用了包含多元线性回归、BP神经网络(BPNN)及支持向量机回归(SVR)等方法,其中线性回归方法仅适用于线性模型,SVR方法建模效率受样本规模影响,BPNN方法拟合能力较强且建模效率受样本影响小,但该方法对网络初始权值敏感,可能因初值选取不当导致训练陷入局部最优而影响模型精度,考虑到真实飞行中机翼结构受载的复杂性,需要对建模方法进行合理选取。此外为保证所建立模型在不同机翼油量下的适用性,需将燃油对机翼结构载荷的影响予以分离。……
登录APP查看全文
