Document
拖动滑块完成拼图
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

飞行器气动特性预测方法、装置及介质 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

摘要:本发明公开一种飞行器气动特性预测方法、装置及介质。本发明通过多门专家混合方法进行建模,跳出了将整个隐藏层完全的共享的思维定式,将共享层有意识的划分成了多个专家,并引入了门控机制,每个任务目标使用独立的门控权重,使每个专家对每个目标贡献不同,得以个性化组合使用共享层,与共享底层多任务模型相比,更好的处理了不同目标差异化的问题,而且不需要更多的模型参数。且相比于传统的神经网络气动特性预测方法,本发明在输入数据上加入了三维数据,使预测更加准确。

主权项:1.一种飞行器气动特性预测方法,其特征在于,所述方法包括:通过公式1计算八个翼面的顶点坐标来表示三维坐标信息: 其中,xα,Φ,ya,Φ,zα,Φ代表攻角为α、滚转角为φ的坐标点,x0,y0,z0代表攻角为0、滚转角为0的坐标点;根据公式2-公式5构建MMoE-3D模型:yk=hkfkx,k=1,2,3,4公式2 gkx=SoftmaxwC公式4C=ConcatInput1,Input2公式5其中,ei表示第i个专家神经网络,gx代表一个集合了所有专家的结果的门控网络,gx的第k个输出gkx表示专家ek值的概率,且C代表合并层,用于融合飞行器平面参数、飞行条件和三维坐标信息,Softmax激活函数用于生成专家的多个概率分布,最终输出fkx是所有专家的权重之和,每个子任务对应一个具体的任务层,第k个任务层的映射函数表示为hk,每个子任务的输出为yk,每个任务的门网络通过不同权重的最终输出实现了对k个专家的选择性利用,不同任务的门控网络学习不同的专家模式组合;通过所述MMoE-3D模型预测飞行器气动特性。

全文数据:

权利要求:

百度查询: 上海大学 飞行器气动特性预测方法、装置及介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。