【技术实现步骤摘要】
本专利技术涉及一种基于树突神经网络的迁移学习气动建模方法，属于飞行器控制。
技术介绍
1、气动力建模是飞行器工程中总体设计参数、控制率设计的重要基础，模型的精度直接影响控制效果。高速飞行器的气动力受飞行速度、攻角和舵偏等多种因素耦合影响。
2、气动力建模有多种方法，其中，经典的辨识方法，例如最小二乘法，需要首先假定模型结构，然后根据准则函数估计模型参数。如果模型结构不能预先确定，那么在估计模型参数之前必须先识别模型结构参数，因此，模型的质量很大程度上取决于工程师的经验。
3、此外，现有技术中还具有计算流体力学(cfd)方法，然而，该方法随着影响空气动力学的变量数量和采样点的增加，计算的算例数量呈指数增长，实际建模成本较高。
4、因此，有必要对现有的气动建模方法进一步研究，以解决上述问题。
技术实现思路
1、为了克服上述问题，本专利技术人进行了深入研究，提出了一种基于树突神经网络的迁移学习气动建模方法，包括以下步骤：
2、s1、设置样本空间，进行cfd模拟获得样本点的空气动力学数据，生成样本数据集；
3、s2、设置树突网络，采用样本数据集对树突网络进行训练，获得预训练模型；
4、s3、通过cfd模拟获得目标域下的部分模拟数据，对预训练模型进行二次训练，从而调整预训练模型的网络参数，获得预测模型；
5、s4、采用预测模型获得目标域下除模拟数据外的其余气动参数。
6、在一个优选的实施方式中，s
7、在一个优选的实施方式中，s2中，所述树突网络表示为：
8、y＝wk,k-1[…wk，k-1(…w2,1(w1,0x·x)·x…)·x…]
9、其中，x表示树突网络的输入变量，y表示树突网络的输出变量，wk,k-1是从第k-1个树突模块到第k个树突模块的权重矩阵，k表示树突模块的数量，·表示hadamard乘积。
10、在一个优选的实施方式中，s2中，所述树突网络中的树突模块设置为：
11、al＝wl,l-1al-1·x
12、其中，al表示第l个模块的输出，x是树突网络的输入变量，wl,l-1是从第l-1个树突模块到第l个树突模块的权重矩阵。
13、在一个优选的实施方式中，s3中，采用迁移学习的方法进行二次训练，获得预测模型。
14、在一个优选的实施方式中，s3中，所述获得目标域下的部分模拟数据为获得目标域下整体模拟数据的1/8-1/2。
15、本专利技术所具有的有益效果包括：
16、(1)通过将树状网络与迁移学习相结合，在保证预测精度的同时，进一步降低了cfd的计算量；
17、(2)提高了气动建模速度。
本文档来自技高网...【技术保护点】
1.一种基于树突神经网络的迁移学习气动建模方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于树突神经网络的迁移学习气动建模方法，其特征在于，
3.根据权利要求1所述的基于树突神经网络的迁移学习气动建模方法，其特征在于，
4.根据权利要求1所述的基于树突神经网络的迁移学习气动建模方法，其特征在于，
5.根据权利要求1所述的基于树突神经网络的迁移学习气动建模方法，其特征在于，
6.根据权利要求1所述的基于树突神经网络的迁移学习气动建模方法，其特征在于，
【技术特征摘要】
1.一种基于树突神经网络的迁移学习气动建模方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于树突神经网络的迁移学习气动建模方法，其特征在于，
3.根据权利要求1所述的基于树突神经网络的迁移学习气动建模方法，其特征在于，
...【专利技术属性】
技术研发人员：王伟，倪子健，于之晨，李俊辉，李成洋，张宏岩，刘瑞奇，张普熙，刘明，郭琪，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。