基于神经网络的高超声速飞行器偏离稳定判据灵敏度分析

首先针对高超声速飞行器全通道耦合偏离稳定判据中多参数耦合影响问题,考虑Winged-Cone模型动力学特性,对稳定性判据进行合理简化。然后考虑传统多项式响应面数据拟合精度不足的问题,对比多种神经网络与多项式响应面的拟合精度与鲁棒性,选取综合性能最优的径向基神经网络实现气动数据拟合,为灵敏度分析提供快响应与保精度的数据支撑。最后分析攻角、马赫数等参数的灵敏度,并采用蒙特卡洛仿真计算不同攻角范围下的偏离稳定概率。结果表明,在参数取值范围内,判据中全局灵敏度从大到小依次为:攻角、舵偏角、马赫数、转动惯量,且在[4°,12°]、[12°,20°]攻角下偏离稳定概率相对较高。