(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 202111627988.0 (22)申请日 2021.12.28 (71)申请人 中国航天空气动力技 术研究院 地址 100074 北京市丰台区云岗西路17号 (72)发明人 赵渊　胡宁　时晓天　 (74)专利代理 机构 北京八月瓜知识产权代理有 限公司 1 1543 代理人 陈赢 (51)Int.Cl. G06F 30/15(2020.01) G06F 30/27(2020.01) G06F 119/14(2020.01) (54)发明名称 一种飞行器气动力系数快速预测方法、 系统 及设备 (57)摘要 本发明公开了一种飞行器气动力系数快速 预测方法、 系统及设备， 该方法包括获取需要确 定飞行器气动力系数的状态点； 将获取的飞行器 气动力系数的状态点输入至训练好的气动力系 数预测模型； 以使气动力系数预测模 型输出飞行 器的气动力系数； 气动力系数预测模 型包括采用 回归模块， 分别 与所述回归模块 分别连接的线性 模块和非线性模块； 飞行器气动力系数的状态点 输入回归模块输出气动力系数预测值， 气动力系 数预测值与飞行器气动力系数的状态点同时分 别输入至线性模块和非线性模块， 再线性模块输 出与非线性模块输出进行加权运算获得最终飞 行器的气动力系数； 训练气动力系数预测模型所 使用的数据集 为不同置信度数据构成。 权利要求书2页 说明书8页 附图2页 CN 114297779 A 2022.04.08 CN 114297779 A 1.一种飞行器气动力系数 快速预测方法， 其特 征在于， 包括以下步骤： 获取需要确定飞行器气动力系数的状态点； 将 获取的飞行器气动力系数的状态点输入 至训练好的气动力系数 预测模型； 以使气动力系数 预测模型输出飞行器的气动力系数； 所述气动力系数预测模型包括采用回归模块， 分别与 所述回归模块分别连接的线性模 块和非线性模块； 飞行器气动力系数的状态点输入回归模块输出气动力系数预测值， 气动力系数预测值 与飞行器气动力系数的状态点分别同时输入至线性模块和非线性模块， 再线性模块输出与 非线性模块输出进行加权运 算获得最终 飞行器的气动力系数。 2.如权利要求1所述的飞行器气动力系数 快速预测方法， 其特 征在于， 所述 回归模块采用一个四层的全连接神经网络， 激活函数为双曲正切函数， 输出层为不加 激活的线性层， 选取均方误差作为损失函数， 采用梯度类的最优化算法对损失函数进行最 小化。 3.如权利要求1所述的飞行器气动力系数 快速预测方法， 其特 征在于， 所述 线性模块采用单层、 不加激活函数的神经网络模块， 选取均 方误差作为损失函数， 梯度 类的最优化 算法对损失函数进行最小化； 非线性模块采用包含两个隐藏层的全连接神经网络模块， 选取均方误差作为损失函 数， 梯度类的最优化 算法对损失函数进行最小化。 4.如权利要求1所述的飞行器气动力系数快速预测方法， 其特征在于， 所述气动力系数 预测模型通过以下 方法训练： 获取多种置信度的气动力系数数据集； 将气动力系数数据集依照置信度从低到高排序 并形成多个数据集列表； 从列表中不放 回地获取最低及次低置信度的两种数据集， 输入至初始气动力系数预测 模型， 最低置信度数据集数据输入至回归模块进 行训练， 直至损失函数收敛达到预定要求， 获得气动力系数预测值； 将获得气动力系数预测值与次低置信度数据集数据作为输入数据 分别输入线性模块和非线性模块进行训练， 直至两个模块损失函数收敛达到预定要求， 获 得新的气动力系数 预测模型； 将获得的新的气动力系数预测模型作为回归模块替换初始气动力系数预测模型中回 归模块， 再从列表中不放回地获取最低置信度数据集输入至该模型， 数据集数据输入至回 归模块进行运算， 获得气动力系 数预测值； 将获得气动力系 数预测值与低置信度数据集数 据作为输入数据分别输入线性模块和非线性模块进行训练， 直至两个模块损失函数收敛达 到预定要求， 获得新的气动力系数预测模型， 重复本步骤， 直至所有气动力系数数据集用于 完成模型训练， 获得训练好的气动力系数 预测模型。 5.如权利要求1所述的飞行器气动力系数快速预测方法， 其特征在于， 气动力系数预测 模型训练过程中权 重参数的确定分为两个阶段， 具体包括： 第一阶段， 确定回归 模块的权 重参数； 采用低置信度数据集， 使得回归模块在低置信度数据集上的性能指标达到预定要求， 回归模块完成权 重参数确定； 第二阶段， 确定线性模块及非线性模块的权重参数； 训练过程中冻结第一阶段所确定 的回归模块的权重参数； 采用高置信度数据集， 在高置信度测试集上 的性能指标达到预定权　利　要　求　书 1/2 页 2 CN 114297779 A 2要求， 至此完成两个模块的权 重参数确认。 6.如权利要求1所述的飞行器气动力系数快速预测方法， 其特征在于， 采用拉丁超立方 或优化的拉丁超立方 方法确定获取训练预测模型 所需的气动力数据集对应的飞行器 状态； 飞行器状态包括飞行器的参数化外形参数、 飞行 条件参数。 7.一种飞行器气动力系数 快速预测系统， 其特 征在于， 包括： 数据输入单 元： 用于输入或获取需要确定飞行器气动力系数的状态点； 气动力系数预测单元： 用于接收数据输入单元输入的数据， 并输入至训练好的气动力 系数预测模型， 得到飞行器的气动力系数； 气动力系数预测模型包括采用回归模块， 分别与 所述回归模块分别连接的线性模块和 非线性模块； 气动力系数预测单元获取的飞行器气动力系数的状态点输入回归模块输出气动力系 数预测值， 气动力系数预测值与飞行器气动力系数的状态点同时分别输入至线性模块和非 线性模块， 再线性模块输出与非线性模块输出进行加权运算获得最终飞行器的气动力系 数。 8.如权利要求7 所述的飞行器气动力系数 快速预测系统， 其特 征在于， 所述 所述气动力系数预测单元包括通过多种置信度的气动力系数数据集训练初始气动力 系数预测模型的模型训练模块； 还包括与模型训练模块连接的数据获取模块。 9.如权利要求8所述的飞行器气动力系数快速预测系统， 其特征在于， 所述模型训练模 块具体训练过程包括： 数据获取模块获取多种置信度的气动力系数数据集， 将气动力系数数据集依照置信度 从低到高排序并形成多个数据集列表； 模型训练模块从列表中不放 回地获取最低及次低置信度的两种数据集， 输入至初始气 动力系数预测模型， 最低置信度数据集数据输入至回归模块进行训练， 直至损失函数收敛 达到预定要求， 获得气动力系 数预测值； 将获得气动力系 数预测值与次低置信度数据集数 据作为输入数据分别输入线性模块和非线性模块进行训练， 直至两个模块损失函数收敛达 到预定要求， 获得新的气动力系数 预测模型； 模型训练模块将获得的新的气动力系数预测模型作为回归模块替换初始气动力系数 预测模型中回归模块， 再从列表中不放回地获取最低置信度数据集输入至该模型， 数据集 数据输入至回归模块进行运算， 获得气动力系 数预测值； 将获得气动力系 数预测值与低置 信度数据集数据作为输入数据分别输入线性模块和非线性模块进 行训练， 直至两个模块损 失函数收敛达到预定要求， 获得新的气动力系数预测模型； 重复本步骤内容， 直至所有气动 力系数数据集用于完成模型训练， 即模型训练模块完成模型训练， 获得训练好的气动力系 数预测模型。 10.计算机设备， 包括存储器、 处理器以及存储在所述存储器中并可在所述处理器上运 行的计算机程序， 其特征在于， 所述处理器执行所述计算机程序时实现如权利要求1至6任 一项所述飞行器气动力系数 快速预测方法。权　利　要　求　书 2/2 页 3 CN 114297779 A 3