一种基于迁移学习多保真神经网络的飞行器低声爆反设计方法

本申请涉及飞行器气动外形设计技术领域，尤其涉及一种基于迁移学习多保真神经网络的飞行器低声爆反设计方法。本申请技术方案先对初始方案的近场信号进行修改，结合优化方法迭代得到声爆更小的目标近场信号，然后通过反设计方法获得满足目标近场信号的飞机外形。本申请采用广义伯格斯方程的易求解性，根据初始方案应用代理优化方法，确定低声爆的目标近场过压分布；采用基于迁移学习构建多保真深度神经网络，利用微调对数据量的需求量低的特点，实现在高保真数据较少时依然能精确捕捉到飞行器外形与近场过压分布之间的映射关系，并且由于迁移学习无需串联多个模型，可以一定程度上避免传统多保真建模时单一模型训练不充分带来的误差累积。