10.16660/j.cnki.1674-098X.2016.22.014
基于广义回归神经网络的积冰后三维机翼阻力增量预测方法
针对现有的积冰后阻力系数预测模型与实验数据误差较大,而且无法满足三维机翼的预测需求的问题,提出了一种基于广义回归神经网络的改进预测方法.基于现有的积冰理论和实验结果,分析了可能影响积冰外形的环境参数,并针对三维机翼的特点对上述参数进行修正,从中抽取了影响最大的一组影响因素作为网络的输入.为了达到最优的结果,采用交叉验证的方法预估平滑参数.仿真结果表明,该方法对于无后掠机翼的预测结果的精确度显著高于现有的Bragg,Gray,HPC模型,同时对于有后掠的机翼依旧能保持较高的精度.
飞机积冰、飞行力学、广义回归神经同路、阻力预测
V24(航空仪表、航空设备、飞行控制与导航)
2017-04-10(万方平台首次上网日期,不代表论文的发表时间)
共5页
14-18