基于循环神经网络的大迎角非定常气动力建模

飞行器大迎角动态机动飞行时,非线性流场与运动高度耦合,现在发展的非定常气动力建模技术在通用性、泛化特性等方面仍需要进一步的改进和优化。本文以CFD技术为基础,建立了基于门控循环单元网络的增强泛化能力的非定常气动力神经网络智能模型。通过引入循环神经网络中的门控循环单元网络,丰富了神经网络模型对序列数据的学习能力,提高了其内插和外插的泛化能力。仿真结果表明了该智能模型的有效性和适用性。