基于神经网络模型的动态非线性气动力辨识方法

摘要：

在标准径向基函数(RBF)神经网络模型的基础上发展了带输出反馈的RBF神经网络.将计算流体力学(CFD)方法计算的时域气动载荷作为输入信号,建立跨声速非定常非线性气动力模型,并进一步运用CFD方法验证模型的精度.算例表明带输出反馈的RBF神经网络较标准RBF神经网络精度更高,能更准确描述跨声速激波大幅振荡时的非线性和非定常特性,并可推广用于多自由度运动的动态非线性气动力建模.用多级信号训练,预测简谐信号输入下的气动力算例表明带输出反馈的RBF神经网络能够预测不同振幅、不同频率的信号激励下的非线性气动力.

关键词：非定常气动力、非线性、神经网络、径向基函数、输出反馈

所属期刊栏目：31

分类号：V211.1+5(基础理论及试验)

资助基金：国家自然科学基金;航空科学基金;高等学校博士学科点专项科研基金

在线出版日期：2010-09-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：1379-1388