【技术实现步骤摘要】
本专利技术涉及人工智能，特别涉及一种基于机器学习的高速飞行器特征泛化方法及装置。
技术介绍
1、飞行器设计具有多学科交叉、多目标、强约束等特点，导致研发难度大、研发周期长。为了设计和分析飞行器的气动性能，相关技术中采用飞行器建模、网格生成、计算流体力学（cfd）、试验等方式实现，但存在耗费时间长，人力成本高的问题。
2、基于此，有必要提供一种高速飞行器特征泛化方法，以为飞行器设计提供数据支撑。
技术实现思路
1、本专利技术提供了一种基于机器学习的高速飞行器特征泛化方法及装置。技术方案如下：
2、一方面，提供了一种基于机器学习的高速飞行器特征泛化方法，所述方法包括：
3、针对目标分类下的高速飞行器，获取相应气动特征参数的数据集；所述数据集中包括多个数据对，每一个数据对均包括气动特征参数及其对应的气动特性数据；
4、将所述数据集中的气动特征参数作为输入，对应的气动特性数据作为输出，对构建好的神经网络进行训练，得到训练好的网络模型；
5、利用所述网络模型对不同气动特征参数的敏感性进行分析，并将分析结果和所述网络模型作为对所述目标分类下高速飞行器进行的特征泛化结果。
6、另一方面，提供了一种基于机器学习的高速飞行器特征泛化装置，所述装置包括：
7、获取单元，用于针对目标分类下的高速飞行器，获取相应气动特征参数的数据集；所述数据集中包括多个数据对，每一个数据对均包括气动特征参数及其对应的气动特性数据；
...【技术保护点】
1.一种基于机器学习的高速飞行器特征泛化方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述高速飞行器的分类是按照飞行器型号、气动布局特点和气动特性划分的，不同分类所对应的气动特征参数不完全相同。
3.根据权利要求1所述的方法，其特征在于，所述获取相应气动特征参数的数据集，包括：
4.根据权利要求1所述的方法，其特征在于，所述利用所述网络模型对不同气动特征参数的敏感性进行分析，包括：
5.根据权利要求4所述的方法，其特征在于，所述调整该气动特征参数的输入值的调整量为设定量；
6.根据权利要求5所述的方法，其特征在于，所述利用所述网络模型对不同气动特征参数的敏感性进行分析，还包括：
7.一种基于机器学习的高速飞行器特征泛化装置，其特征在于，所述装置包括：
8.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器，所述存储器用于存放计算机程序，所述处理器用于执行所述存储器上所存放的计算机程序，以实现上述权利要求1-6任一所述方法的步骤。
9.一种计算机可
10.一种计算机程序产品，其特征在于，包括计算机程序，所述计算机程序被处理器执行时实现权利要求1-6任一所述的方法的步骤。
...【技术特征摘要】
1.一种基于机器学习的高速飞行器特征泛化方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述高速飞行器的分类是按照飞行器型号、气动布局特点和气动特性划分的，不同分类所对应的气动特征参数不完全相同。
3.根据权利要求1所述的方法，其特征在于，所述获取相应气动特征参数的数据集，包括：
4.根据权利要求1所述的方法，其特征在于，所述利用所述网络模型对不同气动特征参数的敏感性进行分析，包括：
5.根据权利要求4所述的方法，其特征在于，所述调整该气动特征参数的输入值的调整量为设定量；
6.根据权利要求5所述的方法，其特征在于，所述利用所述网络模...
【专利技术属性】
技术研发人员：刘枫，吴岸平，李宇玻，刘洲池，蒋万秋，肖天航，
申请(专利权)人：中国空气动力研究与发展中心超高速空气动力研究所，
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。