留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

积冰几何特性对翼型性能影响的神经网络预测

袁坤刚 曹义华

袁坤刚, 曹义华. 积冰几何特性对翼型性能影响的神经网络预测[J]. 北京航空航天大学学报, 2008, 34(8): 900-903.
引用本文: 袁坤刚, 曹义华. 积冰几何特性对翼型性能影响的神经网络预测[J]. 北京航空航天大学学报, 2008, 34(8): 900-903.
Yuan Kungang, Cao Yihua. Effect of ice geometry to airfoil performance using neural networks prediction[J]. Journal of Beijing University of Aeronautics and Astronautics, 2008, 34(8): 900-903. (in Chinese)
Citation: Yuan Kungang, Cao Yihua. Effect of ice geometry to airfoil performance using neural networks prediction[J]. Journal of Beijing University of Aeronautics and Astronautics, 2008, 34(8): 900-903. (in Chinese)

积冰几何特性对翼型性能影响的神经网络预测

详细信息
    作者简介:

    袁坤刚(1982-),男,贵州金沙人,博士生,kuncite@126.com.

  • 中图分类号: V 212.1

Effect of ice geometry to airfoil performance using neural networks prediction

  • 摘要: 积冰几何形状对翼型气动系数的影响是复杂的.采用BP(Back Propagation)神经网络的LM(Levenberg-Marguardt)学习算法,建立明冰的典型几何特性(冰角前缘半径、冰角高度和冰角位置)对翼型气动系数影响的神经网络,得到该3种几何参数对气动系数影响的规律;建立了典型冰形参数对最大升力系数影响的神经网络,该网络能很好的预测冰形参数对应的最大升力系数值;此外,建立了冰型位置对舵面铰链力矩系数影响的神经网络.仿真结果表明,BP神经网络仿真结果与实验值具有高度一致性,并能预测非实验值条件下的气动系数;翼型表面积冰位置变化对气动系数影响最大;铰链力矩系数在失速迎角达到之前就发生突变,可以更安全地用来预测失速的发生.

     

  • [1] 陈科,曹义华,安克文,等.复杂积冰翼型气动性能分析[J].航空动力学报, 2007, 22(6): 986-990 Chen Ke, Cao Yihua, An Kewen, et al. Analysis on aerodynamic performance of complex iced airfoils[J]. Journal of Aerospace Power, 2007, 22(6): 986-990 (in Chinese) [2] Whalen E A, Melody J W, Bragg M B, et al. Aircraft characterization in icing using flight test data . AIAA 2004-733, 2004 [3] 袁坤刚,曹义华.结冰对飞机飞行动力学特性影响的仿真研究[J].系统仿真学报, 2007, 19(9): 1929-1932 Yuan Kungang, Cao Yihua. Simulation of ice effect on aircraft dynamics[J]. Journal of System Simulation, 2007, 19(9): 1929-1932 (in Chinese) [4] 韩力群.人工神经网络理论、设计及应用[M].北京:化学工业出版社,2002 Han Liqun. Theory, design and application of artificial neural networks[M]. Beijing: Chemical Industry Press, 2002 (in Chinese) [5] Melody J W, Pokhariyal D, Merret J, et al. Sensor integration for inflight icing characterization using neural networks . AIAA 2001-0542,2001 [6] Ogretim E, Huebsch W, Shinn A. Ice accretion prediction based on neural networks . AIAA 2005-1245,2005 [7] Kim H S, Bragg M B. Effects of leading-edge ice accretion geometry on Airfoil Performance . AIAA 99-3150,1999 [8] Gurbacki H M, Bragg M B. Sensing aircraft icing effects by flap hinge moment measurement . AIAA 99-3149,1999
  • 加载中
计量
  • 文章访问数:  10578
  • HTML全文浏览量:  350
  • PDF下载量:  2008
  • 被引次数: 0
出版历程
  • 收稿日期:  2007-07-13
  • 网络出版日期:  2008-08-31

目录

    /

    返回文章
    返回
    常见问答