原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
第
42
卷
第
10
期空
气
动
力
学
学
报Vol.42，No.10
2024
年
10
月ACTAAERODYNAMICASINICAOct.
，2024
文章编号：0258-1825(2024)10-0069-15
面向飞行试验认知不确定性的气动数据融合方法
11，*11222
仇静轩，司海青，高昕睿，曹九发，吴晓军，赵
炜，张培红
(1.
南京航空航天大学
通用航空与飞行学院，南京211106；
2.
中国空气动力研究与发展中心
计算空气动力研究所，绵阳621000)
摘要：在飞机设计领域中，不同的气动数据获取手段各有利弊，仅靠单一手段难以精确预测飞机的气动特性。因此，
在实际工程应用中通常需要融合多种来源的数据，以获得更为准确和全面的气动特性描述。针对这一需求，以典型喷
气式飞机为例，采用真实飞行数据、模拟飞行数据以及计算流体力学（CFD）仿真数据，结合深度神经网络，提出了一种
认知不确定性的气动数据双层深度证据融合算法。该算法通过引入两种标准的置信分配方法，并将深度神经网络的输
出与变分狄利克雷分布参数相结合，来表达和量化模型融合过程中的认知不确定性，并借助Dempster-Shafer理论有效
地融合不同来源的数据及其不确定性。研究结果表明，该算法有效地融合了多源气动数据，所得结果不仅更加符合物
理规律，而且提供了更高精度和更全面的气动数据，相比于单一数据源具有明显优势。
关键词：双层深度证据融合；多源气动数据；认知不确定性；飞行试验；CFD仿真
中图分类号：V211.3；TP18
文献标识码：A
doi：10.7638/kqdlxxb-2024.0109
Aerodynamicdatafusionmethodunderepistemicuncertaintyinflighttests
11，*11222
QIU
Jingxuan，SI
Haiqing，GAO
Xinrui，CAO
Jiufa，WU
Xiaojun，ZHAO
Wei，ZHANG
Peihong
(1.
NanjingUniversityofAeronauticsandAstronautics,CollegeofGeneralAviationandFlight,Nanjing211106,China；
2.
ComputationalAerodynamicsInstituteofChinaAerodynamicsResearchandDevelopmentCenter,Mianyang621000,China)
Abstract:In
the
field
of
aircraft
design,
various
methods
for
obtaining
aerodynamic
data
have
their
own
advantages
and
disadvantages,
making
it
a
challenge
to
accurately
predict
an
aircrafts
aerodynamic
characteristics
using
a
sin
文档评论（0）