基于AGA-LSTM神经网络的飞机气动力建模方法

摘要

针对飞机复杂大机动过程中非定常气动力高精度建模需求，提出了一种基于自适应遗传算法（adaptive genetic algorithm,AGA）优化长短时记忆（long short-term memory,LSTM）神经网络的非定常气动力建模方法。通过计算流体力学（computational fluid dynamics,CFD）模拟飞机不同坡度角的快速转弯及在不同马赫数飞行条件下的横滚和筋斗机动动作并获取机动飞行数据，建立了AGA-LSTM气动力模型。基于此对坡度角为60°的快速转弯机动系数进行预测，成功预测了其升力系数、阻力系数及俯仰力矩系数的变化，与CFD仿真数据基本吻合，具有较高的准确性。为验证所提出模型的准确性，对英斯曼机动进行预测，并与CFD仿真数据和传统的LSTM神经网络模型进行对比。结果表明，AGA-LSTM神经网络建模结果比传统的LSTM神经网络模型更接近仿真数据，具有更好的预测精度。

关键词

长短时记忆 / 自适应遗传算法 / 非定常气动力建模 / 计算流体力学 / 机动飞行