基于深度自动编码器神经网络的飞行器翼型参数降维与优化设计

传统飞行器翼型参数化描述方法在翼型优化设计研究中因变量较多导致优化效率低、计算工作量大,为此提出一种基于深度自动编码器(DAE)的神经网络模型。将该模型用于翼型优化设计研究中描述参数降维问题,研究经该模型降维后各翼型描述参数的物理意义,并与本征正交分解法(POD)对翼型描述参数降维效果进行对比。在给定的优化设计目标与约束条件下,设计基于代理模型和遗传算法的翼型优化方法,对RAE2822翼型进行跨声速来流下的优化设计,将所提模型与类别形状函数变换法(CST)、POD方法的优化效率与翼型优化效果进行对比。对比结果表明,所提利用DAE神经网络模型的方法优化效率更高,在跨声速来流下对RAE2822进行减阻优化设计结果明显优于CST方法、POD方法。

四旋翼无人机前飞模态特性

为研究四旋翼无人机在前飞模态下的特性,通过机理建模(叶素法)和风洞试验分析多旋翼无人机在前飞时桨叶和机身气动特性,分别得到了桨叶和机身在前飞模态的气动力模型。该气动力模型带入建立的刚体运动学方程中,可得四旋翼无人机在前飞模态下的非线性动力学模型和状态空间模型,并进行了风洞试验验证。结果表明:在前飞时桨叶气动力模型与悬停模型存在较大的区别;四旋翼在前飞模态时存在俯仰/垂向通道的耦合和滚转/偏航通道的耦合。

“飞鹰”如何培养领军人才

2020年2月25日,穆罕穆德·本·扎耶德国际机器人挑战赛(MBZIRC2020)在阿联酋举行。上一届冠军北京理工大学飞鹰队,又击败卡内基梅隆大学、宾夕法尼亚大学、佐治亚理工学院、苏黎世联邦理工学院、东京大学等23支国际顶级院校和研究机构参赛队夺冠,这是飞鹰队2017年夺冠后的二度卫冕。飞鹰队由北理工宇航学院无人飞行器自主控制研究所本、硕、博学生组成,紧盯无人系统和人工智能前沿问题和瓶颈技术,多次参加无人系统领域高水平科研竞赛.