[发明专利]一种阵风环境下的无人机气动力预测方法

说明书

本发明公开了一种阵风环境下的无人机气动力预测方法，包括：以无人机的随机运动作为输入，以计算流体力学方法计算的无人机随机运动的气动力响应作为输出，通过深度神经网络，建立阵风环境无人机气动力预测模型。本发明的优点是：能够有效得到阵风环境下无人机气动力情况，从而为相关设计提供指导思想，提高无人机的全天候飞行能力。

技术领域

本发明涉及无人机技术领域，特别涉及一种阵风环境下的无人机气动力预测方法。

背景技术

阵风是无人机使用过程中经常遇到的自然现象，阵风使无人机增加额外的附加力矩和附加升力，可能会显著改变结构的动力特性和气动力特性，从而恶化飞行的稳定性操纵性，对无人机的飞行性能和结构安全造成不利影响，将会严重影响长航时无人机全天候飞行的能力。因此阵风响应分析是无人机设计过程中的一个重要问题。传统的方法在计算无人机阵风响应气动力时，多采用估算的方法，但是这与实际情况可能存在较大的差距，尤其是非定常气动力计算，估算的方法往往对升力估算精确度不高。但是如果采用CFD的方法计算气动力，往往又消耗大量时间和计算资源。所以发展和应用一种既可以保证非定常气动力计算精度，又能对非定常气动力进行快速计算的方法非常必要。

发明内容

本发明针对现有技术的缺陷，提供了一种阵风环境下的无人机气动力预测方法。

为了实现以上发明目的，本发明采取的技术方案如下：

一种阵风环境下的无人机气动力预测方法，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_{rand 2}，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)