摘要
本发明公开了一种基于深度学习的飞行器几何特征、布局参数和飞行状态参数联合建模方法,属于飞行器气动特性预测领域,包括以下步骤:a、针对飞行器的布局参数进行基于贝塞尔流形的几何特征提取,采用贝塞尔曲线或曲面构建贝塞尔流形,提取贝塞尔流形的几何特征,用来表达飞行器的几何结构;b、通过引入CNN、RBFNN和FCN网络,分别学习飞行器布局参数、几何特征和飞行状态参数,再通过另一个FCN将上述三种参数结合起来,形成一个统一的深度神经网络,实现飞行器气动特性的准确预测,本发明能够满足飞行器几何特征提取,以及飞行器气动特性的准确预测的建模需求,能够对飞行器气动特性进行良好的优化。