(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111336188.3 (22)申请日 2021.11.12 (71)申请人 北京航空航天大 学 地址 100089 北京市海淀区学院路37号 (72)发明人 李道春　阚梓　赵仕伟　申童　 姚卓尔　向锦武　 (74)专利代理 机构 成都方圆聿联专利代理事务 所(普通合伙) 51241 代理人 李鹏 (51)Int.Cl. G06F 30/27(2020.01) G06F 30/28(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06F 111/08(2020.01)G06F 113/08(2020.01) G06F 119/10(2020.01) G06F 119/14(2020.01) (54)发明名称 一种阵风环境下的无 人机气动力预测方法 (57)摘要 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。 权利要求书1页 说明书3页 附图2页 CN 113971375 A 2022.01.25 CN 113971375 A 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： Hrand＝filter(wag(P)) 其中， Hrand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Hrand2， 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Hrand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Hrand的关于时间的导数； 第三步， 无人机升沉随机运动速度Hrand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： it＝σ(Wi·yt‑1,ut+bi)； ft＝σ(Wf·yt‑1,ut+bf)； ot＝σ(Wo·yt‑1,ut+bo)； yt＝ot*tanh(Ct)； 其中， it， Ot和ft分别代表输入门、 输出门遗忘门， Ct代表t时刻的单元状态， yt和ut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Hrand2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。权　利　要　求　书 1/1 页 2 CN 113971375 A 2一种阵风环境下的无人机气动力预测方 法 技术领域 [0001]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 [0002]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 [0003]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。 [0004]为了实现以上发明目的， 本发明采取的技 术方案如下： [0005]一种阵风环境下的无 人机气动力预测方法， 包括以下步骤： [0006]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)。 [0007]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： [0008]Hrand＝filter(wag(P)) [0009]其中， Hrand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； [0010]采用同样的方法， 生成测试集的无人机升沉随机运动速度Hrand 2， 其中高斯白噪声 的强度小于P； [0011]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 Hrand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Hrand的关于时间的导数。 [0012]第三步， 无人机升沉随机运动速度Hrand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： [0013]it＝σ(Wi·yt‑1， ut+bi) [0014] 说　明　书 1/3 页 3 CN 113971375 A 3