doi: 10.18698/2309-3684-2017-3-83104
Предложен алгоритм классификации элементов поверхностей летательного аппарата на основе бинарного решающего дерева с пороговыми предикатами. На основе исходного описания объектов разработаны производные признаки, позволяющие отделять классы с минимальными потерями. Проведены обучение и верификация предикатов на синтетических данных. Описан алгоритм получения данных для обучения. Невысокие значения ошибок классификации и простота реализации позволяюприменять алгоритм при решении прикладных задач аэродинамики.
[1] Котенев В.П. Точная зависимость для определения давления на сфере при произвольном числе Маха сверхзвукового набегающего потока // Математическое моделирование. 2014. Т. 26. № 9. с. 141-148.
[2] Котенев В.П., Сысенко В.А. Аналитические формулы повышенной точности для расчета распределения давления на поверхности выпуклых, затупленных тел вращения произвольного очертания. Математическое моделирование и численные методы. 2014. Т. 1. № 1-1. с. 68-81.
[3] В. Н. Булгаков, В. П. Котенев, Д. А. Сапожников. Моделирование сверхзвукового обтекания затупленных конусов с учетом разрыва кривизны образующей тела.-Математическое моделирование и численные методы ,2017 №2
[4] Пучков А.С., Сапожников Д.А. Определение свободных параметров в формуле для распределения давления на затупленном конусе в сверхзвуковом невязком потоке. Молодежный научно-технический вестник, #05, 2017.
[5] Краснов Н. Ф., Основы аэродинамического расчета: Аэродинамика тел вращения, несущих и управляющих поверхностей. Аэродинамика летательных аппаратов: Учеб. Пособие для студентов втузов. – М.: Высшая Школа, 1981. – 496 с.
[6] Димитриенко Ю.И., Котенев В.П., Захаров А.А. Метод ленточных адаптивных сеток для численного моделирования в газовой динамике.- М.:Физматлит.-2011.-280 с.
[7] J. DeSpirito, S.I. Silton, P. Weinacht. Navier-Stokes Predictions of Dynamic Stability Derivatives: Evaluation os Steady-State Methods. Journal of Spacecraft and Rockets, Vol 46, No.6, 2009.
[8] Ю.И. Димитриенко, М.Н. Коряков, А.А. Захаров Применение метода RKDG для численного решения трехмерных уравнений газовой динамики на неструктурированных сетках// Математическое моделирование и численные методы. № 4. 2015 г. с.75-91.
[9] J.D. Brown, L.A. Yates, G.T. Chapman. Transonic Aerodynamics of Lifting Orion Crew Capsure from Ballistic Range Data. Journal of Spacecraft and Rockets, Vol 47, No.1, 2010.
[10] Флах П. Машинное обучение Наука и искусство построения алгоритмов, которые извлекают знания из данных– М: ДМК Пресс, 2015. – 400 с.
[11] David L. Poole, Alan K. Mackwoth. Artificial intelligence. Cambridge University Press, 2017, 760 p.
[12] Hastie T., Tibshirani R., Friedman J. The Elements of Statistical Learning. ed.2 , New York— Springer, 2009, 745p.
[13] Shinkyu Jeong, Kazuhisa Chiba, Shigeru Obayashi. Data minig for aerodynamic design space. Journal of Aerospace Computing, Information and Communication, Vol. 2, #11, 2005, pp 452-496.
[14] Paul G. Tucker. Advanced Computauional Fluid and Aerodynamics. Cambridge University Press, 2016, 578 p.
[15] Wei Wei, Rong Mo, Qingming Fan. Knowledge extraction for aerodynamic simulation data compressor rotor, Procedia Engineering 15, 2011, pp. 1792-1796
[16] Маккинли У. Python и анализ данных - М.: ДМК Пресс, 2015. - 482 с.
[17] Ричарт В., Коэльо П.Л.Построение систем машинного обучения На языке Python. 2-е издание -М.: ДМК Пресс, 2016. - 302 с.
Котенев В.П., Рацлав Р.А., Сапожников Д.А., Чернышев И.В. Метод класси- фикации элементов поверхности летательного аппарата для численно-аналити- ческого решения задач аэродинамики. Математическое моделирование и числен- ные методы, 2017, No 3, с. 83–104.
Количество скачиваний: 891