技术特征：
1.一种基于多精度深度神经网络的气动数据融合方法，其特征在于，包括：选取气动数据构建高精度数据训练集以及低精度数据训练集；初始化预先建立的多精度数据深度神经网络融合模型参数；将高精度数据训练集以及低精度数据训练集输入多精度数据深度神经网络融合模型，执行多精度数据深度神经网络融合模型训练的前馈过程；判断多精度数据深度神经网络融合模型训练是否达到每个回合的最大迭代次数；若已经达到每个回合的最大迭代次数再判断是否达到最大回合数，若达到最大回合数则结束；若没有达到每个回合的最大迭代次数或者达到每个回合的最大迭代次数但没有达到最大回合数则计算mse，更新训练参数之后再返回执行多精度数据深度神经网络融合模型训练的前馈过程；通过多精度数据深度神经网络融合模型输出气动数据融合结果。2.根据权利要求1所述基于多精度深度神经网络的气动数据融合方法，其特征在于：所述选取气动数据构建高精度数据训练集以及低精度数据训练集时，去除飞行器包络线以外的数据，在飞行器包络线以内的数据中选取气动数据构建高精度数据训练集、低精度数据训练集以及高精度数据测试集，使用100个飞行试验数据作为高精度数据训练集，1000个风洞数据作为低精度数据训练集，其余飞行试验数据作为高精度数据测试集。3.根据权利要求1所述基于多精度深度神经网络的气动数据融合方法，其特征在于：所述计算mse之前根据飞行试验数据分析来选取标签。4.根据权利要求1所述基于多精度深度神经网络的气动数据融合方法，其特征在于：所述多精度数据深度神经网络融合模型由以下四个部分组成：第一部分用于训练低精度数据，得到一个模型，记作nn
l
，用来获取低精度数据中的信息；第二部分记作nn
h
，在第一部分得到的模型基础上训练高精度数据，用来获取高精度数据中的信息；将第二部分输出与高精度数据拼接在一起作为第三和第四部分的输入，第三部分记作nn
l
，用来学习线性相关性，第四部分记作nn
nl
，用来学习非线性相关性。5.根据权利要求4所述基于多精度深度神经网络的气动数据融合方法，其特征在于：所述多精度数据深度神经网络融合模型通过最小化损失函数来学习未知参数的优化过程。6.根据权利要求5所述基于多精度深度神经网络的气动数据融合方法，其特征在于：所述损失函数的表达式如下：述损失函数的表达式如下：述损失函数的表达式如下：式中，表示nn
l
的输出,表示nn
nl
的输出，w是nn
l
和nn
nl
的任何权重，λ是l2正则化项系数，表示低精度数据的数量，表示高精度数据的数量。7.根据权利要求6所述基于多精度深度神经网络的气动数据融合方法，其特征在于，所述高精度数据与低精度数据之间符合如下关系式：
式中，y
l
和y
h
分别为低精度数据和高精度数据，ρ(x)为乘法相关替代项，为加法相关替代项；通过下式捕捉高精度数据与低精度数据之间的非线性相关性：式中，f(
·
)是一个线性或者非线性的未知函数，将上式表达为：y
h
＝f(x,y
l
)将f(
·
)分为线性部分和非线性部分，表示为下式：f＝f
l
+f
nl
式中，f
l
表示线性项，f
nl
表示非线性项；将高精度数据与低精度数据之间的相关性表示为下式：y
h
＝αf
l
(x,y
l
)+(1-α)f
nl
(x,y
l
),α∈[0,1]式中，α是由训练数据确定的超参数，超参数的值决定了将低精度数据映射到高精度级别线性项的贡献程度。8.根据权利要求7所述基于多精度深度神经网络的气动数据融合方法，其特征在于：通过使用l-bfgs方法和xavier的初始化方法优化损失函数，将双曲正切函数用作nn
l
、nn
h
、nn
nl
的激活函数，通过第nn
l
部分近似未知函数的线性部分，nn
l
中无激活函数。9.一种基于多精度深度神经网络的气动数据融合系统，其特征在于，包括：数据集构建模块，用于选取气动数据构建高精度数据训练集以及低精度数据训练集；模型初始化模块，用于初始化预先建立的多精度数据深度神经网络融合模型参数；前馈模块，用于将高精度数据训练集以及低精度数据训练集输入多精度数据深度神经网络融合模型，执行多精度数据深度神经网络融合模型训练的前馈过程；迭代训练模块，用于判断多精度数据深度神经网络融合模型训练是否达到每个回合的最大迭代次数；若已经达到每个回合的最大迭代次数再判断是否达到最大回合数，若达到最大回合数则结束；若没有达到每个回合的最大迭代次数或者达到每个回合的最大迭代次数但没有达到最大回合数则计算mse，更新训练参数之后再返回执行多精度数据深度神经网络融合模型训练的前馈过程；融合结果输出模块，用于通过多精度数据深度神经网络融合模型输出气动数据融合结果。10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于：所述的计算机程序被处理器执行时实现如权利要求1至8中任意一项所述基于多精度深度神经网络的气动数据融合方法的步骤。
技术总结
一种基于多精度深度神经网络的气动数据融合方法及设备，方法包括选取气动数据构建数据集；初始化多精度数据深度神经网络融合模型参数；将数据集输入多精度数据深度神经网络融合模型，执行多精度数据深度神经网络融合模型训练的前馈过程；判断多精度数据深度神经网络融合模型训练是否达到每个回合的最大迭代次数；若已经达到每个回合的最大迭代次数再判断是否达到最大回合数，若达到最大回合数则结束；若没有达到每个回合的最大迭代次数或者达到每个回合的最大迭代次数但没有达到最大回合数则计算MSE，更新训练参数之后再返回执行前馈过程；通过多精度数据深度神经网络融合模型输出气动数据融合结果。本发明有更好的融合效果，误差更小。误差更小。误差更小。
技术研发人员：连峰 权佳妮 贾家兴 高鑫
受保护的技术使用者：西安交通大学
技术研发日：2022.04.01
技术公布日：2022/7/1