标题：非定常气动数据多源融合方法研究

英文标题：Multisource Data Fusion Method for Unsteady Aerodynamic Data

作者：王旭

指导教师：张伟伟 教授

培养院系：航空学院

学科：飞行器设计

读博寄语：道阻且长，行则将至。

主要研究内容

在“西北工业大学博士论文创新基金”资助下，本基金依托于“翼型、叶栅空气动力学国家级重点实验室”和“流体力学智能化国际联合研究所”，在国家自然科学基金面上项目等国家级科研项目基础上，开展了典型飞行器非定常气动性能仿真与数据融合方法研究，突破了风洞/飞行试验环境下的非定常气动数据获取限制，有效提升了先进航空、航天飞行器大迎角非定常动态模拟精度。主要创新性研究内容如下：

一、仿真与试验结合的翼型动态失速预示

本研究结合数据融合与机器学习方法，开展了翼型动态失速风洞试验预示方法研究，融合数值仿真方法的灵活性与风洞试验的客观性，实现了翼型任意运动形式下的动态失速气动性能预测（图1）。通过结合参数分析与特征提取手段，进一步给出了翼型动态失速过程的分离度表征，定量地实现了风洞试验附着流与分离流主导的气动力模式的划分，给出了动态失速机器学习模型的物理解释。

图 1翼型动态失速数据融合框架（左）与模型物理含义解析（右）

二、试验环境下的宽体客机大迎角气动性能模拟

在宽体客机大迎角动态失速风洞试验设计与数据挖掘方面，本研究针对大迎角非定常风洞试验的设计开展了机器学习方法研究，利用经典动导数模型的鲁棒性，提出了嵌入物理模型的集成神经网络架构，实现了风洞试验数据的挖掘和再利用，可以将原本参数范围的风洞试验车次需求大幅降低（图2）。本研究可以提高飞机大迎角动态风洞试验的效率与数据精度，为先进飞行器虚拟飞行与动态仿真提供了重要参考。

图 2宽体客机大迎角非定常数据融合算法与试验设计

三、面向飞行试验的天地数据关联

针对某型战术导弹飞行试验下的气动数据，本研究提出了基于随机森林的数据融合方法，针对跨速域弹道气动数据开展了交叉验证，对飞行试验下的气动性能进行了评估。相关结果有效利用了地面风洞试验数据库，具有较强的抗噪能力，在面对真实飞行试验环境时，实现了对于弹道不同飞行阶段，不同来流条件的预测。关联模型的评估结果相比地面试验结果，相对误差可以降低70%以上，有力支撑了地面风洞试验气动数据库的外推（图3）。

图 3面向飞行试验的天地数据融合方法与弹道验证

主要创新点

1. 提出了融合仿真数据的非定常集成神经网络框架，实现了对于风洞试验数据集的有效泛化，结合参数学习与分析，揭示了集成模型对附着流和分离流的区分机制，定量地给出了附着流和分离流区域边界的物理关系。

2. 提出了嵌入物理模型的宽体客机大迎角动态试验数据挖掘方法，结合典型动导数模型的初步结果开展嵌入式模型构建，这一方法有效降低了客机大迎角下的非定常试验车次需求，相同条件下可以大幅提升试验效率。

3. 提出了结合随机森林的天地数据关联模型，结合典型弹道数据开展研究，给出了面向遥测数据的特征分析结果，有效提升了地面风洞试验数据库的利用能力，为飞行试验的降本增效提供了可行的技术方案。

代表性创新成果

1) Wang X, Kou J, Zhang W. Unsteady aerodynamic prediction for iced airfoil based on Multi-Task Learning[J]. Physics of Fluids, 2022, 34(08):7117. (SCI二区/JCR Q1, 流体与等离子体TOP, IF: 4.980)

2) Wang X, Kou J, Zhang W, et al. Incorporating Physical Models for Dynamic Stall Prediction Based on Machine Learning[J]. AIAA Journal, 2022: 1-11. (SCI二区/JCR Q2, IF: 2.624)

3) Wang X, Kou J, Zhang W. A new dynamic stall prediction framework based on symbiosis of experimental and simulation data[J]. Physics of Fluids, 2021, 33(12): 127119. (SCI二区/JCR Q1, 流体与等离子体TOP, IF: 4.980)

4) Wang X, Kou J, Zhang W. Multi‐fidelity surrogate reduced‐order modeling of steady flow estimation[J]. International Journal for Numerical Methods in Fluids, 2020, 92(12): 1826-1844. (SCI三区/JCR Q3, IF: 2.005)

5) Wang X and Zhang W. Data Fusion Unsteady Aerodynamic Modeling Based On Experimental Data. ICAS 2021, EI:20220711634095.

6) 王旭,宁晨伽,王文正,张伟伟.面向飞行试验的多源气动数据智能融合方法[J/OL].空气动力学学报,2022,1-8.

7) 王旭,任凯,高传强,孔轶男,张伟伟.跨声速抖振锁频状态下的自适应控制方法[J].空气动力学学报,2020,38(05):1011-1016.