[发明专利]一种阵风环境下的无人机气动力预测方法

权利要求书

1.一种阵风环境下的无人机气动力预测方法，其特征在于，包括以下步骤：

第一步，根据阵风作用于无人机的速度，采用相对速度法，相应的转换为无人机的升沉运动，模拟阵风环境；设定阵风垂向速度为v(t)，无人机垂向获得相对速度b(t)＝-v(t)；

第二步，无人机的升沉运动速度b(t)服从高斯分布，而且其功率谱密度均匀分布，因此与高斯白噪声相同，对该高斯白噪声型的无人机随机运动信号进行滤波，滤波范围根据阵风的频率确定，得到滤波后的无人机升沉幅度，如下所示：

H_rand＝filter(wag(P))

其中，H_rand表示无人机升沉速度，wag(P)为P dBW强度的高斯白噪声，filter为滤波函数；

采用同样的方法，生成测试集的无人机升沉随机运动速度H_rand2，其中高斯白噪声的强度小于P；

结合计算流体力学，采用RANS方法，选择Spalart-Allmaras湍流模型进行流场求解，无人机随机升沉运动速度H_rand使用动网格技术进行实现，即通过设置机翼为刚体运动，指定机翼在垂直方向上的速度，该速度为随机升沉运动速度H_rand的关于时间的导数；

第三步，无人机升沉随机运动速度H_rand作为训练样本集的输入，相应的气动力响应作为训练样本集的输出，带入长短期记忆神经网络模型：

i_t＝σ(W_i·y_t-1,u_t+b_i)；

f_t＝σ(W_f·y_t-1,u_t+b_f)；

o_t＝σ(W_o·y_t-1,u_t+b_o)；

y_t＝o_t*tanh(C_t)；

其中，i_t，O_t和f_t分别代表输入门、输出门遗忘门，C_t代表t时刻的单元状态，y_t和u_t分别代表t时刻的输入和输出；W是权重矩阵，b代表偏置，下标t表示t时刻各模型中的参数，O表示输入门模型中参数，f表示遗忘门中的参数，C表示各单元中的参数；σ和tanh代表激活函数；

经迭代后，可得阵风环境无人机气动力预测的神经网络模型，测试集的无人机升沉随机运动H_rand2带入神经网络模型，验证训练模型的参数最优；

第四步，以无人机的相对沉浮运动速度b(t)作为输入，通过步骤三训练的气动力神经网络模型，快速得到阵风影响的无人机气动力。