Прогнозирование аэродинамических нагрузок и аэроупругих реакций при решении задач динамической аэроупругости

В процессе развития современной авиационной техники значение аэроупругости в проектировании летательных аппаратов постоянно возрастает, однако существующие методы аэро-упругого анализа и оптимизации недостаточно эффективны, что препятствует их практическому инженерному применению. Целью исследования является анализ этих методов и оценка их эффективности в контексте решения задач аэроупругости летательного аппарата. Для эффективного решения этих задач необходимы продвинутые нейронные сети глубокого обучения, способные моделировать сложные нелинейности и управлять большими объемами данных. Существующие модели на основе нейронных сетей имеют ограничения, в частности, в моделировании нестационарных потоков. Традиционным моделям не хватает устойчивости при экстраполяции, поэтому включение в модель обработки крупномасштабных данных означает существенное продвижение в предсказательных возможностях. Методологический подход включает сбор данных, обучение модели с использованием сети с долговременной памятью и проверку модели. В данном исследовании представлена нестационарная аэродинамическая модель уменьшенного порядка, использующая сеть с долговременной памятью. Приведено сравнение эффективности предложенной модели с традиционными подходами, что подчеркнет ее применимость в реальных сценариях. Если глубокое обучение только облегчает управление аэродинамическими сложностями, то нейронные сети с долговременной памятью дополнительно учитывают динамическое, нелинейное поведение на расширенных наборах данных, что повышает надежность прогнозирования. Появление сложных нейросетевых моделей предвещает новую эру в аэроупругом анализе, преодолевая ограничения неглубоких моделей.