考虑强风干扰的固定翼飞行器“神经元”飞行气动建模

大气环境中的风是影响飞行器实际飞行的主要动态环境干扰因素之一,强风干扰下的复杂空气动力学是固定翼飞行器安全稳定飞行面临的严峻挑战。为提高强风干扰下固定翼飞行器的环境适应能力,发展了一种基于深度元学习的创新固定翼飞行器“神经元”飞行气动建模方法,该方法采用相对于地面坐标系的变量进行描述,根据多元函数的切比雪夫级数理论,将气动力和气动力矩函数分解为不同变量函数的乘积和,通过生成对抗网络技术构建强风干扰下飞行器空气动力模型的共性基函数模型,进而预测飞行器在飞行过程中受到的气动力(矩)。研究结果表明,文章建立的固定翼无人机空气动力共性基函数模型准确,可以较好地预测未知风况条件下飞行器的气动力与气动力矩,为实时空气动力学建模的迁移应用奠定良好基础。