10.16615/j.cnki.1674-8190.2020.06.017
基于深度学习的飞行载荷测试与反演方法研究
飞行载荷测试技术对飞机的载荷设计、强度试飞以及寿命监控等有重要的意义.为了实现复杂翼结构气动载荷的实时在线分布测试,提出基于精细化有限元仿真数据驱动的载荷反演方法;使用深度学习方法建立神经网络代理模型,通过有限元方法构建典型载荷下的结构响应数据集,对模型进行训练;将基于深度学习方法的翼面载荷反演结果与有限元计算结果进行对比验证.结果表明:总载荷的平均误差约为0.2%,压心位置误差约为1%,该方法可以使用少量的应变测点数据对整个翼面结构的载荷分布实时反演与重构.
飞行载荷测试、复杂翼型、载荷反演、深度学习、数字孪生
11
V215.3+2(基础理论及试验)
2021-01-12(万方平台首次上网日期,不代表论文的发表时间)
共7页
887-893