(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111336221.2 (22)申请日 2021.11.12 (71)申请人 北京航空航天大 学 地址 100089 北京市海淀区学院路37号 (72)发明人 李道春　阚梓　姚卓尔　赵仕伟　 申童　邵浩原　向锦武　 (74)专利代理 机构 成都方圆聿联专利代理事务 所(普通合伙) 51241 代理人 李鹏 (51)Int.Cl. G06F 30/15(2020.01) G06F 30/27(2020.01) G06F 30/28(2020.01) G06N 3/04(2006.01) (54)发明名称 一种考虑结冰影响的无人机气动导数辨识 方法 (57)摘要 本发明公开了一种考虑结冰影响的无人机 气动导数辨识方法， 步骤1、 确定大气参数和飞行 参数的上限和下限； 随机选取参数值， 建立参数 的随机数据集， 计算外流场和水滴撞击特性， 得 到机翼结冰后的形状； 步骤2、 以随机数据集作为 输入， 进行归一化处理， 采用卷积神经网络， 构建 结冰机翼形状预测模型； 步骤3、 指定大气参数和 飞行参数， 通过结冰机翼形状预测模型， 得到结 冰机翼形状； 步骤4、 采用计算流体力学方法， 将 常用翼型作为测试用例， 采用RANS方法对动态气 动性能预测能力。 结冰机翼的无人机非定常受迫 振荡运动， 计算无人机的动态气动性能， 辨识无 人机的气动导数。 本发明的优点是： 有效得到无 人机飞行性能情况， 从而为相关设计提供指导思 想。 权利要求书1页 说明书3页 附图2页 CN 113962028 A 2022.01.21 CN 113962028 A 1.一种考虑结冰影响的无 人机气动导数辨识方法， 其特 征在于， 包括以下步骤： 步骤1、 以飞行速度V、 飞行攻角α、 温度T、 水滴直径D、 液态水含量LWC， 结冰时长T为参 数， 根据无人机对应的飞行状态和大气 状态， 选择各个参数的上限和下限； 在各参数的范围 内， 随机选取参数值， 建立参数的随机数据集， 通过计算流体力学方法， 计算外流场和水滴 撞击特性计算， 最后得到随机数据集对应的机翼结冰后的形状； 步骤2、 以随机数据集作为输入， 对应的机翼结冰后的形状作为输出， 其中， 对输入数据 进行归一化处理， 输出的机翼形状进校灰度化处理， 采用卷积神经网络， 训练更新神经网络 卷积层和全连接层的权 重和偏置参数， 构建结冰机翼形状预测模型； 步骤3、 指定飞行速度V、 飞行攻角α、 温度T、 水滴直径D、 液态水含量LWC和结冰时长T参 数， 通过结冰机翼形状预测模型， 得到结冰机翼形状； 步骤4、 采用计算流体力学方法， 结合动网格技术， 将常用翼型作为测试用例， 采用RANS 方法对动态气动性能预测能力； 结冰机翼的无人机非定常受迫振荡运动， 计算无人机的动 态气动性能， 辨识无 人机的气动导数。 2.根据权利要求1所述的一种考虑结冰影响的无人机气动导数辨识方法， 其特征在于： 所述计算无人机的动态气动性能具体为： 通过俯仰阻尼动导数计算方法， 结冰机翼受迫振 荡运动采用随机运动形式， 计算得到结冰机翼的非定常俯仰力矩系数Cm_ice， 其表达式如下： 其中， α为攻角， q为俯仰角速度， Cm0_ice为零攻角时结冰机翼的俯仰力矩系数， Cmα_ice和 分别为静导 数和组合动导数。权　利　要　求　书 1/1 页 2 CN 113962028 A 2一种考虑 结冰影响的无人机气动导数辨识 方法 技术领域 [0001]本发明涉及无人机技术领域， 特别涉及一种考虑结冰影响的无人机气动导数辨识 方法。 背景技术 [0002]机翼结冰问题是影响航空飞行器飞行安全的重要隐患之一。 无人机积冰是由于环 境条件和飞行条件共同的影响结果。 当发生积冰时， 若处理不妥当， 轻则恶化无人机的飞行 性能、 降低飞行品质， 重则会发生无人机坠毁的事故， 造成严重的损失。 当无人机发生积冰 现象时， 会使机体总体质量增加， 同时无人机尤其是机翼表 面的气动外形发生变化， 将严重 影响无人机执行长航时全天候飞行任务的能力。 实现长航时无人机全天候飞行， 积冰现象 是十分容 易出现而且必须 克服的一种天候条件。 [0003]传统的方法在计算无人机结冰机翼的气动导数时， 多采用估算的方法， 与实际情 况可能存在较大的差距。 采用试验的方法得到结冰机翼的气动导数时， 成本较高。 发明内容 [0004]本发明针对现有技术的缺陷， 提供了一种考虑结冰影响的无人机气动导数辨识方 法。 能对非定常气动导数进行快速计算的方法非常必要， 对于提高积冰条件下无人机的飞 行性能， 发展无 人机全天候飞行能力， 具有重要 而深远的意 义。 [0005]为了实现以上发明目的， 本发明采取的技 术方案如下： [0006]一种考虑结冰影响的无 人机气动导数辨识方法， 包括以下步骤： [0007]步骤1、 以飞行速度V、 飞行攻角 α、 温度 T、 水滴直径D、 液态 水含量LWC， 结冰时长T为 参数， 根据无人机对应的飞行状态和大气 状态， 选择各个参数的上限和下限； 在各参数的范 围内， 随机选取参数值， 建立参数的随机数据集， 通过计算流体力学方法， 计算外流场和水 滴撞击特性计算， 最后得到随机数据集对应的机翼结冰后的形状； [0008]步骤2、 以随机数据集作为输入， 对应的机翼结冰后的形状作为输出， 其中， 对输入 数据进行归一化处理， 输出的机翼形状进 校灰度化处理， 采用卷积神经网络， 训练更新神经 网络卷积层和全连接层的权 重， 偏置相关参数， 构建结冰机翼形状预测模型； [0009]步骤3、 指定 飞行速度V、 飞行攻角 α、 温度 T、 水滴直径D、 液态 水含量LWC和结冰时长 T参数， 通过 结冰机翼形状预测模型， 得到结冰机翼形状； [0010]步骤4、 采用计算流体力学方法， 结合动网格技术， 将常用翼 型作为测试用例， 采用 RANS方法对动态气动性能预测能力。 结冰机翼的无人机非定常受迫振荡运动， 计算无人机 的动态气动性能， 辨识无 人机的气动导数。 [0011]进一步地， 所述计算无人机 的动态气动性能具体为： 通过俯仰阻尼动导数计算方 法， 结冰机翼受迫振荡运动采用随机运动形式， 计算得到结冰机翼的非定常俯仰力矩系 数 Cm_ice， 其表达式如下： [0012] 说　明　书 1/3 页 3 CN 113962028 A 3