基于生成式对抗网络的空气动力学数据建模研究

发布时间：2021-01-04 19:47

　　空气动力学的研究由来已久,对航空航天事业的发展和国家安全来说至关重要。传统数据建模方法对该领域的高度非线性偏微分方程的拟合精度有待进一步提升,计算机技术与神经网络的发展给空气动力学的数据建模带来了曙光。神经网络模型的训练需要充分的数据,才能够得到精度较高的模型,但是空气动力学的数据较难获得且代价昂贵。针对上述问题,本文建立生成式对抗网络（GAN）模型,能够自动学习原始数据分布,生成逼真样本。本文的主要工作如下:（1）针对气动力数据建模,设计GAN模型。原始的GAN模型通常多为卷积神经网络,并不适用于气动力数据建模,为此本文提出了基于多层感知机和多径向基的GAN气动力数据模型。（2）为解决气动数据量不足和GAN训练不稳定的问题,引入了基于Wasserstein距离的生成式对抗网络（WGAN）模型。WGAN通常的实现办法是权重裁剪和梯度惩罚,权重裁剪会使得网络的鲁棒性降低,梯度惩罚存在梯度消失的问题,为此本文建立了基于差分的WGAN模型,能够增强判别器损失函数的局部连续性,在小样本数据集中网络训练更加稳定。（3）为解决判别器对生成样本决策正确时GAN出现的饱和问题,构建基于最小二乘法的GA... 

【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校

【文章页数】：77 页

【学位级别】：硕士

【部分图文】：

Burgers方程案例数据在粘度系数为0.005时速度的变化情况

Sigmoid函数图像

图 3-2 Sigmoid 函数图像 ReLU 函数如公式(3-5)和图 3-3 所示，是一个线性修正函数，能够缓解梯度消失。该函数在 z 0时，函数梯度是固定不变的，在一定程度上缓解了 Sigmoid 函数梯度变化慢的情况，可以使用 ReLU 函数来加快模型的收敛速度。但 ReLU 函数只能用于神经网络的隐藏层。 f( z) =max(0, z) (3-5)

【参考文献】：
期刊论文
[1]机器学习技术在气动优化中的应用[J]. 陈海昕,邓凯文,李润泽.  航空学报. 2019(01)
[2]气动模型在现代气动试验设计中的应用研究[J]. 唐志共,王文正,陈功,袁先旭.  空气动力学学报. 2017(02)
[3]基于飞行数据多重分区的高机动飞机气动建模及参数辨识[J]. 胡爽,朱纪洪.  控制理论与应用. 2016(10)
[4]Kriging模型及代理优化算法研究进展[J]. 韩忠华.  航空学报. 2016(11)
[5]偏最小二乘法在气动数据建模中的应用[J]. 何开锋,钱炜祺,张勇,王文正.  宇航学报. 2014(03)
[6]基于非定常气动力辨识技术的气动弹性数值模拟[J]. 张伟伟,叶正寅.  航空学报. 2006(04)
[7]根据风洞试验结果建立有尾翼导弹数学模型[J]. 何开锋,王文正,钱炜祺.  流体力学实验与测量. 2004(04)
[8]飞机大攻角空间机动气动力建模研究[J]. 汪清,何开锋,钱炜祺,毛仲君.  航空学报. 2004(05)
[9]HERMITE—BIRKHOFF INTERPOLATION OF SCATTERED DATA BY RADIAL BASIS FUNCTIONS[J]. 吴宗敏.  Approximation Theory and Its Applications. 1992(02)

硕士论文
[1]大攻角非定常气动力建模和气动模型及飞行仿真研究[D]. 杨勐.南京航空航天大学 2011



本文编号：2957318