典型文献
基于不确定度和气动模型的气动数据融合算法
文献摘要：
飞行器气动数据的来源主要有风洞试验、数值模拟、飞行试验三种方式.受试验和模拟能力的限制,任意一种单一手段都难以准确地对飞行器全飞行包线进行覆盖.为弥补各种数据的"缺陷",提出并实现了两种数据融合算法:一种是依据不确定度作为权值参考,进行加权融合的加权融合算法,利用高斯过程回归算法获得不同来源气动数据预测值的特征,并进行加权融合;另一种是基于模型的CoKriging融合算法,利用CoKriging算法直接建立融合模型.并以某型飞行器气动数据为例进行了对比分析.结果表明:使用单一精度数据建模时,在一定的范围内,样本数据越多,覆盖的设计变量空间越广,精度越高;与单独使用一种精度数据的建模算法相比,两种融合算法预测结果的精度都有较大的提高;相比于基于不确定度的融合算法,使用CoKriging算法建模得到的结果精度更高,提高了近一个数量级.融合数据对于提高数据精度和增强模型预测能力上有重要作用,在参数变量空间内,融合数据能够对高精度数据进行內填补充,同时在参数变量空间外的融合数据能对数据的变化趋势预测提供参考.
文献关键词：
多源气动数据;数据融合;不确定度;相关性;CoKriging模型;加权融合
中图分类号：
作者姓名：
邓晨;陈功;王文正;孔轶男
作者机构：
中国空气动力研究与发展中心,绵阳 621000;国防科技大学 空天科学学院,长沙 410072
文献出处：
引用格式：
[1]邓晨;陈功;王文正;孔轶男-.基于不确定度和气动模型的气动数据融合算法)[J].空气动力学学报,2022(04):117-123
A类：
CoKriging,多源气动数据
B类：
不确定度,气动模型,数据融合,飞行器,风洞试验,飞行试验,模拟能力,一手,飞行包线,权值,值参,加权融合算法,高斯过程回归,回归算法,不同来源,数据预测,基于模型,融合模型,数据建模,设计变量,建模算法,算法预测,数量级,融合数据,数据精度,增强模型,预测能力,参数变量,趋势预测
AB值：
0.300177
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
