基于混合变异非支配排序遗传算法的超声速进气道流态识别方法技术

本发明专利技术提供一种基于混合变异非支配排序遗传算法的超声速进气道流态识别方法。本发明专利技术根据超声速进气道中传感器测到的压力数据的特点，对其进行时均值处理并从时域和频域两个方面提取特征。针对得到的特征集，本发明专利技术提供一种混合变异的非支配排序遗传算法，在进行特征选择的同时，对作为分类器的支持向量机的超参数进行优化。为解决混合变异算法中，单目标进化算法用于多目标进化算法的种群局限性，本发明专利技术提供了一种新的种群越界处理方法，相比于传统的多目标优化算法，单目标优化算法在种群丰富度和精度上都具有优势。

【技术实现步骤摘要】
基于混合变异非支配排序遗传算法的超声速进气道流态识别方法
本专利技术涉及超声速进气道流态识别
，具体涉及一种基于混合变异非支配排序遗传算法的超声速进气道流态识别方法。
技术介绍
吸气式超声速推进技术因其在军事和商业领域的巨大潜力而成为国际航空航天领域的研究热点之一。进气道是吸气式超音速推进系统的关键气动部件，是机体或推进系统集成的核心因素，其设计形式和工作特性直接影响着推进系统的整体性能。根据超声速进气道内流型的变化是否影响其流动捕获特性，可以将工作模式分为起动状态和不起动状态。超声速进气道处于不起动状态时，总压恢复系数和流量系数显著降低，易发生剧烈的波系运动和壁面压力振荡。这不仅恶化了发动机的推力特性，而且由于周期性的力载荷和热载荷，导致发动机的结构损坏，使飞机难以控制。因此，快速准确地识别进气道流态，从而指导进气道或发动机对进气道的快速重启做出相应的调整是极其重要的。在超声速进气道不起动状态识别方面，目前的研究工作比较分散，大部分研究都是直接借鉴引起不起动状态的因素。例如，HawkinsWR等将不起动状态分为面积收缩比本文档来自技高网...

【技术保护点】
1.一种基于混合变异非支配排序遗传算法的超声速进气道流态识别方法，其特征在于，包括如下步骤：/n步骤1：对超声速进气道中布置的传感器所测得的压力数据进行时均值处理，切分压力数据得到固定长度的时间序列，这些时间序列分别对应着不同时间段下超声速进气道中的流态，继而从时域和频域两个方面从每个时间序列中提取流态的特征，得到特征子集；将由特征子集构成的特征集划分为训练集、验证集和测试集；/n步骤2：以所述训练集训练分类器，采用混合变异非支配排序遗传算法对分类器超参数和特征子集进行寻优，最终确定的特征子集对应的流态即为超声速进气道流态。/n

【技术特征摘要】
1.一种基于混合变异非支配排序遗传算法的超声速进气道流态识别方法，其特征在于，包括如下步骤：
步骤1：对超声速进气道中布置的传感器所测得的压力数据进行时均值处理，切分压力数据得到固定长度的时间序列，这些时间序列分别对应着不同时间段下超声速进气道中的流态，继而从时域和频域两个方面从每个时间序列中提取流态的特征，得到特征子集；将由特征子集构成的特征集划分为训练集、验证集和测试集；
步骤2：以所述训练集训练分类器，采用混合变异非支配排序遗传算法对分类器超参数和特征子集进行寻优，最终确定的特征子集对应的流态即为超声速进气道流态。


2.根据权利要求1所述的一种基于混合变异非支配排序遗传算法的超声速进气道流态识别方法，其特征在于，步骤1中从时域方面提取的流态特征包括：









其中x(n)是n＝1,2,...,N时的信号序列，N为一个时间序列中数据点个数。


3.根据权利要求1所述的一种基于混合变异非支配排序遗传算法的超声速进气道流态识别方法，其特征在于，步骤1中从频域方面提取的流态特征包括：












其中s(k)是k＝1,2,...K时的频谱，K为谱线数，fk为一个时间序列中第k条谱线的频率值。


4.根据权利要求1所述的一种基于混合变异非支配排序遗传算法的超声速进气道流态识别方法，其特征在于，步骤2的具体步骤包括：
步骤2.1：初始化混合变异非支配排序遗传算法的参数，对分类器超参数和特征子集进行编码，创建初始种群，初始种群中的个体包含一个特征子集和所选的分类器超参数；
步骤2.2：分别以所述训练集中的各个特征子集训练分类器，计算混合变异非支配排序遗传算法的目标函数值，继而对初始种群进行非支配排序；
步骤2.3：从所述初始种群中选择出父代种群，采用多项式变异、高斯变异、柯西变三种变异算子并行操作，进而得到子代种群；
步骤2.4：将得到的子代种群与父代...

【专利技术属性】
技术研发人员：赵永平，杨天林，吴奂，谭慧俊，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：江苏;32