基于机器学习的倾转旋翼气动力系数预测系统及其方法

本申请涉及倾转旋翼仿真技术领域，其具体地公开了一种基于机器学习的倾转旋翼气动力系数预测系统及其方法，其使用参数嵌入编码技术对翼型形状参数、攻角及流场参数进行物理嵌入处理和级联融合，以获取翼型形状参数、攻角及流场参数的信息联合表征，接着引入神经网络模型对翼型形状参数、攻角及流场参数进行深度联合特征提取以预测初始的升力系数、阻力系数及边界层参数，并结合物理模型对初始预测参数进行可压缩性修正与对称性约束，确保其符合空气动力学规律，最终基于修正后的气动力系数相关参数计算气动力系数。该方法能够突破传统Viterna外推法的迎角限制，实现全范围覆盖，并显著提升极端迎角区域的气动力预测精度，同时大幅提高计算效率。