.png){kind=icon}
返回
Nonlinear Parameter Estimation for Entry Capsule Dynamic Stability Analysis and Uncertainty Quantification
.png){kind=icon}
PRE
AI
DOI：10.2514/1.A35998.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
识别动态稳定性系数在涉及大气层进入的任务中起着关键作用。尽管存在多种从实验和数值数据推导这些系数的方法，但这些方法仍存在需要解决的问题。本研究提出了一种模块化非线性参数估计（NPE）框架，该框架采用神经网络和马尔可夫链蒙特卡罗（MCMC）算法来推断动态稳定性系数并识别预测中的不确定性。鉴于马尔可夫链对初始链位置的敏感性，神经网络被用于为MCMC方法中的第一个链生成初始样本，其中静态和动态稳定性系数及其不确定性被同时估计。通过US3D计算流体动力学模拟得到的力矩和攻角的时间历程被输入到NPE框架中，以估计静态和动态稳定性系数。结果表明，由估计系数生成的轨迹与US3D模拟得到的轨迹一致。
Keyword:
Uncertainty Quantification
Critical Angle of Attack
Artificial Neural Network
Improved Delayed Detached Eddy Simulation
Aerodynamic Coefficients
Continuous Probability Distributions
Monte Carlo Simulation
Flow Conditions
Flight Path Angle
Reynolds Averaged Navier Stokes
期刊
J
IF:
1.9
论文数:
114
被引数:
6.7K
机构
引用论文
.png){kind=icon}
分享收藏分享收藏Computational Fluid Dynamics Simulations of Supersonic Inflatable Aerodynamic Decelerator Ballistic Range Tests超音速充气式气动减速器弹道范围试验的计算流体动力学模拟
PREAI
分享收藏
查看更多内容