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。

针对栅格舵(翼)技术的主要缺点——跨声速壅塞和阻力高的问题。以简化栅格为研究对象,采用数值分析方法开展了P型和V型局部后掠对气动特性的影响研究,并开展了不同后掠角对气动特性的影响研究。研究发现,局部后掠方式能够弱化或消除亚声速背风区的分离问题,减小跨声速区激波与边界层干扰,解决栅格舵固有的跨声速壅塞和阻力大的问题。局部后掠对栅格减阻有显著效果,尤其是高超声速段,同时能够增加单位浸润面积的法向力,从而提高栅格舵的操纵效率。