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
При создании быстрого метода аэродинамического проектирования малоразмерного летательного аппарата, основанного на аппроксимации данных с помощью технологии искусственных нейронных сетей, требуется иметь расширенный набор данных, который используется для построения, обучения и тестирования алгоритмов. Данный набор существенно превосходит количество существующих аппаратов данного класса, что обуславливает необходимость создания генератора компоновок малоразмерного летательного аппарата. Первоначальное расширение базы данных выполнено варьированием параметров математической модели в заданном диапазоне значений. Генератор компоновок представляет собой искусственную нейронную сеть, обученную на расширенном множестве реальных объектов в рамках упрощенной математической модели компоновки. Важным элементом создания экземпляра компоновки данного класса является алгоритм выбраковки данных, полученных на выходе искусственной нейронной сети.Исходное множество реальных компоновок состояло из 25 объектов. Упрощенная математическая модель описывает поверхность компоновки летательного аппарата 50 параметрами. Генератор компоновок формирует входной файл для прямого аэродинамического расчета размерности порядка нескольких тысяч. В качестве прямых методов использованы компьютерные коды BLWF и VISTRAN, которые ставят в соответствие каждой компоновке значение коэффициентов сопротивления, подъемной силы и продольного момента. Выбраковка компоновок выполнялась на двух уровнях: на уровне генерации компоновок по геометрическим критериям и после проведения прямых расчетов по выбросу аэродинамических параметров. Полученный в результате набор данных использован для создания искусственных нейронных сетей, число которых соответствует числу рассчитанных аэродинамических коэффициентов. Полученные математические модели реализованы в программном комплексе MATLAB и имеют удобный интерфейс, позволяющий в режиме реального времени увидеть результаты модификации компоновок.
Developing quick aerodynamic design method of small unmanned aerial vehicle based on artificial neural webs technology requires a rich database used for creating, learning and testing algorythms. This database must be significantly larger than the number of existing vehicles, that's why creating a layout generator is important. On the first stage the database was increased by varying the parameters of the layout mathematical model in the accepted range. The layout generator is an artificial neural web trained on the rich database of unmanned aerial vehicles layouts in the frames of the simplified mathematical model. The important element in creating a new layout is the selection algorithm applied to the neural network output.The initial number of layouts was equal to 25. The simplified mathematical model describes the unmanned aerial vehicle layouts with 50 parameters. The layout generator forms an input file for the CFD code, which dimension is of the order of several thousands. The CFD codes BLWF and VISTRAN were chosen for this task. They add to each layout theinformation about its aerodynamic characteristics. Selection of the database was done into two levels. At first it was im-plemented on the layout generator output. Then on output vector after the CFD calculation. The selected databaser was used for creating an artificial neural networks number of which were equal to the number of aerodynamic coefficients. The algorithm was built in MATLAB and has convenient interface, which can be used for design process.
The authors declare that there are no conflicts of interest present.