神经网络在旋翼%2f机身气动干扰模型中的应用.pdfVIP

第十无J甬(1999年)全国直升机年会论文 神经网络在旋翼／机身气动干扰模型中的应用 南京航空航天大学 徐锦法高正梅卫胜 摘 要 实际需要解决的f程技术问题往往都是非线性问题，对非线性系统 的建模较幽难。利Hj神经网络来解决非线性问题是一个很好的办法，而 H已矗：许多何!域中得剑了麻Hj。由丁直升机白身的特点，旋翼／机身气动 一卜扰’．’现1|线性，H受多种田素的影响。利_Lf』旋翼／机身气动干扰试验数 据构造的学习样本，时阔络参数进行学习，可以得到旋翼／机身气动干扰 神经网络模刑，进而可以j羽该神经网络模型研究直升机机身受旋翼气流 干扰时的空气动力特性。参数训练好的旋翼／机_!=}气动干扰神经网络模型 可直接j{J丁直升机气动设计和实时仿真。本文在对旋翼／机身气动干扰神 经网络模IJ建立进行论述外，还简要介纠了旋翼，机身气动干扰试验。 一．引言 ． 直升机机身／旋翼Z州的气动干扰是国际上卣升机界当前研究的热点之…。有着重于理 论分析的气动干扰建模。也肯f}!|J重丁试验的结果验i止。现代先进直升机，由丁尺寸更为紧 凑，桨{{；I：载荷也较以往的更人，冈此旋礓尾流冲击到机身、机尾的气动干扰也更为突出． 且节现为1卜线性。基】‘空气动力学理论建立精确的旋翼／机身气动干扰模型f|oJ不仅困难． 而目即使建立起了复杂的数学方程，要完戒数字仿真，计算鼍还是相当大，每次数字仿真 计算需要数{一小时甚至儿犬的计算鲑，这显然不适rJ‘稗实际需要，也不能用于E行实时 仿真。 神经网络的发联为我们提供了一个理想的建tlr线性模础的I具。促使我们研究神经 网络在旋舞，机身气动千扰建模中应¨4的动机iL是神经网络自身同有的特点： 1．神经网络能够对任意1F线性映射进行无限逼近： 2神经网络jI有“’≯爿能力：． 3．神经网络jt柏开{j处理能力： 旋翼，机身气动干扰有两方面，一方面是机身对旋粪的，由丁|机身的彳r入，对旋翼的载 荷、旋翼f芝涡并产乍影响。月+方面足旋篦对机身的畋风，使作J丁机身表面的定常和1} 定常_!’t动，』发17’跫化．本文所研究的神经网络脚川是针对后-种情况的。在完成旋翼对 机身产7t7i动F扰试验蘑础上t利州试验数据构成神经嘲络参数学习的训练样本，通过网 络参数‘Z爿鳟涩、的’≯习洲约、，得剑旋翼／机身’e助干扰模J‰凌模刑能够揭示试验数据所隐 含的商升机机H受旋舅71动1二扰的规律。 一3∞一 前向多层神经网络已在汁多领域得到应Ⅲ。在这些府川中 个』}同的特点是利_【}』神经 网络能够实现复杂的非线性函数。文献【3】已经严格证明了只要有一个隐含层，神经网络就 能一致逼近于任意连续函数。冈此利心神经网络建芷系统输入输山之闯的1r线性映射关 系，其理论背景是可靠的。 二．多层前向神经网络结构与算法 1．神经网络结构 Ⅲ丁蛹数逼近的神经网络采朋多层前向冲经网络141．在输入输山之间选择一个隐含层， 每层由几个称为节点的计算单元组成．图1显示了这一多层前向神经网络结构。输入信号 经加权求和减去阀值后，由非线性激励函数处理，然后作为下一层神经元的输入。网络的 输出就是在最后一层的节点输出。在前一层中的节点与相邻层的所有节点均相连，但在本 爱中的脊点不相连。曩嘲一个隐禽层的多联神经网络可川r列输入输出戈系表示： r I， Y=w二／(彬x～日1)一B! 其中：x=b*…‰l∈R、是输入久培(N为个数)， Y=pp…-，l∈R”是输出层神经元1，点(M为个数)父彗， {”’． “。． “j、l I”l ”缸 “o w-T叫，“～：‘”‘k W：㈠畦：”jl。R、f 卜‘‘。。‘…： 。卜’：