доктор технических наук, профессор, главный научный сотрудник, г. Москва;
заведующий кафедрой, г. Жуковский
Doctor of Science, Full Professor, Chief Research Fellow;
Head of Chair,
Zhukovskiy
студент,
г. Москва
Student,
Zhukovskiy
руководитель лаборатории,
г. Москва
Head of Laboratory,
Zhukovskiy
В фундаментальных прогнозах ведущих научных центров аэрокосмической индустрии поставлена задача существенно сократить время разработки новых летательных аппаратов за счет создания нового поколения средств проектирования с привлечением систем искусственного интеллекта. В данной статье рассматривается подход к развитию быстрых методов аэродинамического проектирования, основанных на применении технологии искусственных нейронных сетей. Решается задача создания быстрого интерполяционного метода аэродинамического расчета компоновки малого летательного аппарата самолетной схемы. Составными частями метода являются математическая модель компоновки, генератор компоновок данного класса на базе репликативных искусственных нейронных сетей, автоматизированный алгоритм выбраковки неудачных компоновок, созданных в автоматическом режиме, робастный прямой метод аэродинамического расчета компоновок, аппроксиматоры на базе искусственных нейронных сетей.Методы, основанные на применении искусственных нейронных сетей, занимают некоторое промежуточное место между методами решения краевых задач вычислительной аэродинамики или экспериментом и упрощенными (инженерными) методами. Использование искусственных нейронных сетей для оценки аэродинамических характери-стик накладывает определенные ограничения на представление входной информации. При использовании искусственных нейронных сетей в качестве аппроксиматора аэродинамических характеристик размерность входного вектора, описывающего компоновку, не должна превышать нескольких сотен. При этом компоненты входного вектора должны включать в себя все основные параметры, традиционно используемые для описания компоновок рассматриваемого класса и полностью отражающие наиболее существенные аэродинамические и конструктивные свойства.В статье приведены результаты первого этапа работ. Предложена обобщенная математическая модель компоновок малоразмерных беспилотных летательных аппаратов. Для определения диапазона изменения геометрических параметров компоновки сделан обзор аппаратов данного класса. Результатом работы является алгоритм и компьютерная программа на базе искусственных нейронных сетей для генерации компоновок данного класса. Сгенерировано 10000 компоновок, выбраковка неудачных позволила создать набор данных. Выбран, тестирован и подготовлен к проведению численных экспериментов прямой метод для выполнения аэродинамического расчета.
Strong reduction of new aircraft design period using new technology based on artificial intelligence is the key problem mentioned in forecasts of leading aerospace industry research centers. This article covers the approach to development of quick aerodynamic design methods based on artificial intelligence neural system. The problem is being solved for the classical scheme of small sized unmanned aircraft vehicle (UAV). The principal parts of the method are the mathematical model of layout, layout generator of this type of aircraft is built on aircraft neural networks, automatic selection module for cleaning variety of layouts generated in automatic mode, robust direct computational fluid dynamics method, aerodynamic characteristics approximators on artificial neural networks.Methods based on artificial neural networks have intermediate position between computational fluid dynamics methods or experiments and simplified engineering approaches. The use of ANN for estimating aerodynamic characteris-tics put limitations on input data. For this task the layout must be presented as a vector with dimension not exceeding sev-eral hundred. Vector components must include all main parameters conventionally used for layouts description and completely replicate the most important aerodynamics and structural properties.The first stage of the work is presented in the paper. Simplified mathematical model of small sized UAV was developed. To estimate the range of geometrical parameters of layouts the review of existing vehicle was done. The result of the work is the algorithm and computer software for generating the layouts based on ANN technolo-gy. 10000 samples were generated and the dataset containig geometrical and aerodynamic characteristics of layoutwas created.
The authors declare that there are no conflicts of interest present.