[發明專利]一種基于深度學習的大氣數據傳感系統解算方法

在審

• 申請號: 201910976525.1
• 申請日: 2019-10-15
• 公開（公告）號: CN110851957A
• 公開（公告）日: 2020-02-28
• 發明（設計）人: 劉燕斌;何家皓;陳金寶;陳柏屹
• 申請（專利權）人: 南京航空航天大學
• 主分類號: G06F30/20
• 分類號: G06F30/20;G06N3/04;G06N3/08;G06F111/10
• 代理公司: 南京蘇高專利商標事務所(普通合伙) 32204
• 代理人: 王安琪

本發明公開了一種基于深度學習的大氣數據傳感系統解算方法，采用深度神經網絡將機理模型與有限試驗數據結合起來，依靠機理模型彌補試驗數據的不足，降低試驗成本，以試驗數據來修正機理模型誤差，提高測量精度，滿足FADS系統實際的應用需求，在未來新型飛行器上具有較為廣闊的應用前景。

技術領域

本發明涉及大氣數據計算技術領域，尤其是一種基于深度學習的大氣數據傳感系統解算方法。

背景技術

嵌入式大氣數據傳感(Flush Airdata Sensing，FADS)系統是一種依靠嵌入在飛行器前端的壓力傳感器陣列來測量飛行器表面的壓力分布，并由此壓力分布間接獲得飛行參數的大氣數據傳感系統。與傳統的基于空速管的大氣數據傳感系統相比，FADS系統在精度、可靠性、適用范圍上都具有更大的優勢。

與傳統的探針式大氣數據系統工作原理不同，FADS系統采用嵌入在飛行器前端周線不同位置上的壓力傳感器陣列來測量飛行器表面的壓力分布，并通過模數轉換將壓力值傳送到計算機，然后基于壓力分布的數值，依據特定的算法來推算出大氣數據，并將這些數據傳送給飛行器的各個系統。從FADS系統的工作原理可以看出，系統依靠壓力傳感器來測壓，傳感器嵌入在飛行器表面，其可靠性、維修性、生存性和隱身性能遠遠優于傳統探針式大氣數據系統。此外，FADS系統的傳感器和飛行器表面齊平，減少了雷達的反射面積，大大提升了飛行器隱身性能，而壓力傳感器及其分布保證了FADS系統在大攻角下的高精度測量。除此之外，FADS系統的壓力傳感器易于集成在機身上，且對飛行器氣動布局沒有影響，性價比較高，同時FADS系統在硬件和軟件實現上具有很好的容錯能力，確保了系統的高可靠性和強穩定性。總之，FADS系統由于其超強的環境適應能力，可以用于亞音速、超聲速、高超聲速下的大氣數據測量，既可以滿足隱身性、大攻角機動情況下大氣數據測量需求，又可以滿足飛行器對高集成大氣數據測量系統的需求，還可以滿足飛行器控制對高精度攻角、側滑角信號的需求。

發明內容

本發明所要解決的技術問題在于，提供一種基于深度學習的大氣數據傳感系統解算方法，采用深度神經網絡將模型驅動和數據驅動相融合，通過構建機理模型，發現壓力分布數據與大氣數據參數之間的變化規律，以試驗數據來修正機理模型的誤差，提高FADS系統的測量精度。

為解決上述技術問題，本發明提供一種基于深度學習的大氣數據傳感系統解算方法，包括如下步驟：

(1)確定FADS系統測壓點分布，獲得不同測壓孔輸入數據，進而建立FADS系統的機理模型；

(2)應用靈敏度的分析策略探討飛行條件和姿態改變對FADS系統穩定性的影響，簡化系統機理模型；

(3)針對有限的實驗數據，采樣分析得到用于深度學習的訓練數據；

(4)采用級聯回歸結構結合多變量標記分布方法與基于LSTM的自編碼網絡對系統關鍵參數進行訓練學習，提高系統解算精度；

(5)對FADS系統輸出結果進行評估和驗證，分別在標稱狀態下和不確定性嚴苛狀態下進行評估。

優選的，步驟(1)中，確定FADS系統測壓點分布，獲得不同測壓孔輸入數據，進而建立了FADS系統的機理模型具體包括如下步驟：

(11)根據FADS系統測壓孔布局特點確定用以描述其測壓孔特征的幾何參數，并分析這些不同測壓孔參數的獨立性及參數之間存在的約束；不同的測壓空位置和形式會影響測量結果的精度及FADS系統的可靠性和穩定性，因此測壓孔的布局需要遵循一定的原則；首先根據實際需求確定目標函數(如迎角誤差最小)，然后數值計算目標函數(如迎角誤差)，最后使用優化方法(如遺傳算法)確定目標函數最小時的測壓孔布局。獲得不同測壓孔輸入數據，進而建立FADS系統的機理模型。

(12)表面壓力分布模型；在亞音速和超音速情況下，球體表面壓力系數分別為