1.一种飞行器气动数据生成方法，其特征在于，包括：获取不同可信度层级下的气动设计参数训练数据和对应的气动输出数据，以分别构建预设低可信度样本池和预设高可信度样本池；利用从所述预设低可信度样本池中随机选择的预设低可信度训练样本构建多输出的预设低可信度高斯过程模型；基于熵的自适应采样方法选择从所述预设低可信度样本池中自适应选择新的训练样本加入所述预设低可信度训练样本，并重新迭代训练所述预设低可信度高斯过程模型，获得优化后预设低可信度高斯过程模型；基于所述优化后预设低可信度高斯过程模型与预设高可信度训练样本，构建多输出的预设多可信度高斯过程模型；其中，所述预设高可信度训练样本为从所述预设高可信度样本池中随机选择的训练样本；基于熵的自适应采样方法从所述预设高可信度样本池中自适应选择新的训练样本加入所述预设高可信度训练样本，并重新迭代训练所述预设多可信度高斯过程模型，以获取预设气动数据生成模型；获取目标飞行器的气动设计参数；将所述气动设计参数输入至所述预设气动数据生成模型，以便所述预设气动数据生成模型计算所述气动设计参数的核函数向量，然后将所述核函数向量、不同可信度层级间的缩放因子、表征气动数据之间相关性的协方差矩阵进行融合运算，以生成与所述气动设计参数对应的多输出的气动数据预测均值向量；将所述气动数据预测均值向量对应的气动数据进行输出，以得到所述目标飞行器的多输出气动数据。
2.根据权利要求1所述的飞行器气动数据生成方法，其特征在于，所述利用从所述预设低可信度样本池中随机选择的预设低可信度训练样本构建多输出的预设低可信度高斯过程模型，包括：利用预设核函数计算所述预设低可信度训练样本中的气动设计参数训练数据之间的相似度，以构建第一核矩阵；构建表征气动数据之间相关性的第一协方差矩阵；将所述第一核矩阵与所述第一协方差矩阵通过克罗内克积进行组合，以构建所述预设低可信度高斯过程模型的第一总协方差结构；根据所述预设低可信度训练样本中的气动输出数据并通过极大似然估计确定所述第一核矩阵的参数与所述第一协方差矩阵的参数，以确定所述第一总协方差结构的初始结构参数，构建多输出的预设低可信度高斯过程模型。
3.根据权利要求2所述的飞行器气动数据生成方法，其特征在于，所述基于熵的自适应采样方法选择从所述预设低可信度样本池中自适应选择新的训练样本加入所述预设低可信度训练样本，并重新迭代训练所述预设低可信度高斯过程模型，获得优化后预设低可信度高斯过程模型，包括：利用当前迭代的所述预设低可信度高斯过程模型计算所述预设低可信度样本池中各第一候选样本点处的联合概率分布的第一协方差矩阵；基于所述第一协方差矩阵计算各第一候选样本点对应的第一预测熵；选择所有第一预测熵中最大预测熵对应的候选样本点作为新的训练样本加入所述预设低可信度训练样本；利用所述预设低可信度训练样本，跳转执行所述利用预设核函数计算所述预设低可信度训练样本中的气动设计参数训练数据之间的相似度，以构建第一核矩阵的步骤，至所述预设低可信度高斯过程模型的初始结构参数达到预设低可信度迭代终止条件，获得包含目标结构参数的优化后预设低可信度高斯过程模型。
4.根据权利要求1所述的飞行器气动数据生成方法，其特征在于，所述基于所述优化后预设低可信度高斯过程模型与预设高可信度训练样本，构建多输出的预设多可信度高斯过程模型，包括：根据所述预设高可信度训练样本、所述预设低可信度训练样本构建混合训练样本集；利用与所述优化后预设低可信度高斯过程模型相同的预设核函数，计算所述混合训练样本集中训练样本的气动设计参数训练数据之间的相似度，以构建第二核矩阵；利用与所述优化后预设低可信度高斯过程模型相同的、表征气动数据之间相关性的协方差矩阵作为第二协方差矩阵；将所述第二核矩阵、所述第二协方差矩阵与表征不同可信度层级间关联关系的缩放因子向量进行融合，以构建所述预设多可信度高斯过程模型的第二总协方差结构；根据所述预设高可信度训练样本中的气动输出数据并通过极大似然估计确定所述缩放因子向量的向量值、所述第二核矩阵的参数与所述第二协方差矩阵的参数，以确定所述第二总协方差结构的初始结构参数，构建多输出的预设多可信度高斯过程模型。
5.根据权利要求4所述的飞行器气动数据生成方法，其特征在于，所述基于熵的自适应采样方法从所述预设高可信度样本池中自适应选择新的训练样本加入所述预设高可信度训练样本，并重新迭代训练所述预设多可信度高斯过程模型，以获取预设气动数据生成模型，包括：利用当前迭代的所述预设多可信度高斯过程模型计算所述预设高可信度样本池中各第二候选样本点处的联合概率分布的第二协方差矩阵；基于所述第二协方差矩阵计算各第二候选样本点对应的第二预测熵；选择所有第二预测熵中最大预测熵对应的候选样本点作为新的训练样本加入所述预设高可信度训练样本；利用所述预设高可信度训练样本，跳转执行所述根据所述预设高可信度训练样本、所述预设低可信度训练样本构建混合训练样本集的步骤，直至所述预设多可信度高斯过程模型的初始结构参数达到预设多可信度迭代终止条件，获得包含目标结构参数的预设气动数据生成模型。
6.一种飞行器气动数据生成装置，其特征在于，包括：样本获取模块，用于获取不同可信度层级下的气动设计参数训练数据和对应的气动输出数据，以分别构建预设低可信度样本池和预设高可信度样本池；第一模型构建模块，用于利用从所述预设低可信度样本池中随机选择的预设低可信度训练样本构建多输出的预设低可信度高斯过程模型；第一模型优化模块，用于基于熵的自适应采样方法选择从所述预设低可信度样本池中自适应选择新的训练样本加入所述预设低可信度训练样本，并重新迭代训练所述预设低可信度高斯过程模型，获得优化后预设低可信度高斯过程模型；第二模型构建模块，用于基于所述优化后预设低可信度高斯过程模型与预设高可信度训练样本，构建多输出的预设多可信度高斯过程模型；其中，所述预设高可信度训练样本为从所述预设高可信度样本池中随机选择的训练样本；第二模型优化模块，用于基于熵的自适应采样方法从所述预设高可信度样本池中自适应选择新的训练样本加入所述预设高可信度训练样本，并重新迭代训练所述预设多可信度高斯过程模型，以获取预设气动数据生成模型；参数获取模块，用于获取目标飞行器的气动设计参数；多输出预测模块，用于将所述气动设计参数输入至所述预设气动数据生成模型，以便所述预设气动数据生成模型计算所述气动设计参数的核函数向量，然后将所述核函数向量、不同可信度层级间的缩放因子、表征气动数据之间相关性的协方差矩阵进行融合运算，以生成与所述气动设计参数对应的多输出的气动数据预测均值向量；多输出数据生成模块，用于将所述气动数据预测均值向量对应的气动数据进行输出，以得到所述目标飞行器的多输出气动数据。
7.一种电子设备，其特征在于，包括：存储器，用于保存计算机程序；处理器，用于执行所述计算机程序，以实现如权利要求1至5任一项所述的飞行器气动数据生成方法的步骤。
8.一种计算机可读存储介质，其特征在于，用于存储计算机程序；其中，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述的飞行器气动数据生成方法的步骤。
