文献类型：期刊文章

作　　者：吴军强[1,2] 杨党国[1,2] 张林[2] 龚天弛[3] 周方奇[1,2] 王岩[3] 李阳[2]

WU Junqiang;YANG Dangguo;ZHANG Lin;GONG Tianchi;ZHOU Fangqi;WANG Yan;LI Yang(State Key Laboratory of Aerodynamics,China Aerodynamics Research and Development Center,Mianyang 621000,China;High Speed Aerodynamics Institute,China Aerodynamics Research and Development Center,Mianyang 621000,China;College of Aerospace Engineering,Nanjing University of Aeronautics and Astronautics,Nanjing 210016,China)

机构地区：[1]中国空气动力研究与发展中心空气动力学国家重点实验室,绵阳621000 [2]中国空气动力研究与发展中心高速空气动力研究所,绵阳621000 [3]南京航天航天大学航空学院,南京210016

出　　处：《实验流体力学》

基　　金：国家自然科学基金(11732016,11972360,52130603)。

年　　份：2022

卷　　号：36

期　　号：3

起止页码：33-43

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD2021_2022、IC、JST、SCOPUS、ZGKJHX、核心刊

摘　　要：多参数多条件下的精准气动特性数据是进行飞行器快速设计、系统完善、性能评估、指标考核的基本前提和根本保证。基于人工智能的深度学习技术与流体力学交叉融合已成为当前发展趋势,并在湍流模型改造、系统理论建模、气动数据预测、控制参数优化、复杂流场重构等方面得到成功应用。为最大限度发挥深度学习的强大表征能力,围绕内埋弹舱作战运用和智能优化设计需求,构建了弹舱空腔气动特性多场载荷数据库,采用基于数据驱动的深度学习方法,建立了耦合因素影响下的空腔气动/声学特性智能分析深度前馈神经网络模型,实现了有限约束条件下的空腔气动/声学特性快速预测,并引入随机搜索和贝叶斯超参数优化方法增强了模型鲁棒性,为空腔噪声有效控制模型快速优化设计提供了数据基础和方法途径。

关 键 词：人工智能 数据驱动 气动特性 空腔流动 机器学习  控制参数优化  

分 类 号：V211.7]