机器学习数据融合方法可帮助降低飞行器气动数据库建立的成本,加快研制进度,目前已经成为飞行器设计方法领域越来越活跃的研究方向,但其在工程复杂问题方面的应用研究并不充分。将多种常见变可信度数据融合模型应用于运载火箭子级栅格舵落区控制的工程项目,在开展部分工况的风洞试验基础上,结合少量的CFD数值模拟结果,研究相关函数和不同模型预测完整工况气动特性数据的差异性。通过对比加法标度函数修正模型、Co-Kriging模型、分层Kriging模型和多可信度神经网络模型等4种不同的数据融合模型发现高斯指数相关函数对气动建模问题的适应性更好;Co-Kriging模型对气动数据的内插表现最好;分层Kriging模型对内插的预测精度较高,外插效果不理想;多可信度神经网络模型在外插区域能获得更光滑、合理的预测结果。

本文采用CAA(Computational Aero Acoustics,CAA)计算气动声学方法,对来流马赫数范围0.7至1.0的飞行器边界层及近场流动开展了数值模拟研究,并对飞行器头部表面压力脉动信号做出了频谱分析。本项研究发展了高精度的计算气动声学数值模拟技术,对于后续从计算气动声学角度开展脉动压力研究具有一定的指导意义。