一种飞行器表面的气动热环境智能预测方法技术

本发明专利技术属于飞行器气动热预测技术领域，具体涉及一种飞行器表面的气动热环境智能预测方法。其技术方案为：一种飞行器表面的气动热环境智能预测方法，包括构建多外形多条件气动热数据库；提取飞行器外形全局特征；提取飞行器局部区域特征；将飞行条件参数化；融合邻域特性的气动热智能预测模型；进行飞行器表面气动热智能预测模型测试。本发明专利技术提供了一种高效精确地进行飞行器表面气动热环境预测的方法。精确地进行飞行器表面气动热环境预测的方法。精确地进行飞行器表面气动热环境预测的方法。

【技术实现步骤摘要】
一种飞行器表面的气动热环境智能预测方法


[0001]本专利技术属于飞行器气动热预测
，具体涉及一种飞行器表面的气动热环境智能预测方法。

技术介绍

[0002]高超声速飞行器在大气层内飞行时，周围空气与飞行器表面产生剧烈摩擦作用，此时，飞行器的大部分动能会快速转化为热能，使空气温度急剧上升，高温空气与飞行器表面产生的巨大温差会使得部分热能通过边界层传递到飞行器表面，这种现象称为气动加热，即气动热。影响气动热的主要因素包括飞行器形状、飞行参数和飞行器表面材料特性。飞行器形状将影响绕飞行器的激波形态和流动特性；飞行参数包括飞行速度、飞行高度、飞行姿态等，这些参数的变化会导致气动热环境的剧烈变化；飞行器表面材料对高温边界层内化学反应的催化特性不同，将对气动热产生较大影响。由于影响气动热的因素众多且较为复杂，因此气动热的预测相对比较困难，通常采用数值模拟方法或者风洞试验方法进行模拟和试验。风洞试验无法模拟所有参数条件和外形，因此在高超声速飞行器设计初期，需要进行大量的气动热数值模拟。
[0003]气动热数值模拟首先需要对飞行器外形进行表面和空间网格划分，之后进行复杂的方程求解。网格生成和方程求解过程耗时较长，从而导致一次数值模拟过程时间消耗较大。在快速选型阶段，需要计算多种飞行器外形在不同的飞行条件下的表面热环境，完成外形筛选，保留气动热环境符合条件的飞行器外形。该过程只需要知道大致的气动热环境分布状况即可，无需精确计算。然而，目前并没有预测气动热环境的快速手段，只能进行工程化计算或者CFD数值计算，这会增加快速选型阶段的时间，延长飞行器设计周期。因此，发展一种高效的气动热环境智能预测方法十分必要。
[0004]专利CN110033038A公开了一种气动热试验数据的智能选取算法，专利CN112214834A公开了一种轴对称飞行器气动数据库建立方法，但上述两个专利均停留在数据库构建阶段，未涉及到气动热环境预测技术。CN107273593A公开了一种用于高马赫数强激波流场气动热预测的湍流模型及建立方法；专利CN111931295A公开了一种全弹道整体迭代的气动热、传热耦合计算方法。专利CN104133933A公开了一种气动弹性分析方法，提供了一种高超声速飞行器热环境下气动弹性力学特性分析方法。专利CN106126791B公开了一种考虑几何不确定性的高超声速机翼气动力/热分析方法。上述方法均通过求解方程的方法获得气动热结果，目前尚无公开专利技术专利采用人工智能技术预测飞行器表面气动热环境。

技术实现思路

[0005]为了解决现有技术存在的上述问题，本专利技术的目的在于提供一种高效精确地进行飞行器表面气动热环境预测的方法。
[0006]本专利技术所采用的技术方案为：一种飞行器表面的气动热环境智能预测方法，包括
S1：构建多外形多条件气动热数据库；S2：提取飞行器外形全局特征；S3：提取飞行器局部区域特征；S4：将飞行条件参数化；S5：融合邻域特性的气动热智能预测模型；S6：进行飞行器表面气动热智能预测模型测试。
[0007]作为本专利技术的优选方案，步骤S1具体包括以下步骤：S11：针对球头、钝锥、钝双锥、双椭球、升力体、航天飞机等6大类不同飞行器三维数模外形，在飞行高度为20km、30km、35km、40km、45km、50km、60km，马赫数范围为5、10、15、20，攻角范围为0
°
、2.5
°
、 5
°
、7.5
°
、10
°
、12.5
°
、15
°
、17.5
°
、20
°
，分别进行数值模拟计算获得飞行器表面热流场；S12：在任意飞行器i的表面进行随机投点采样，获得覆盖飞行器表面的N个点的空间坐标值(x
1i
,y
1i
,z
1i
)～ (x
Ni
,y
Ni
,z
Ni
)，通过步骤S11获得飞行器i在飞行条件j下的热流场分布Q
ij
；之后对热流场Qij进行插值计算，得到N个点对应的热流值Q
1ij
～Q
nij
；针对步骤S11中得到的所有飞行器外形和热流场Q
ij
进行投点和插值操作，形成气动热数据库。
[0008]作为本专利技术的优选方案，步骤S2具体包括以下步骤：S21：基于点云数据的飞行器全局特征提取：步骤S12中获得了覆盖飞行器表面的N个点的坐标，使用这N个点作为输入，通过自动编码器编码到64维的特征向量d1，再解码到与输入大小相同的输出向量，通过最小化输出与输入之间的重构误差训练自动编码器；训练完成后，将向量d1视为飞行器表面的特征向量；S22：基于投影的飞行器全局特征提取：对飞行器的三维数模外形分别在x
‑
y、y
‑
z和x
‑
z平面进行投影，获得3个投影平面的二维飞行器外形，通过二维自动编码器抽取飞行器的投影特征d2，d2维度为64；S23：将步骤S21获得的向量d1和步骤S22获得的向量d2拼接得到飞行器外形全局特征向量d
g
，向量维度为128维。
[0009]作为本专利技术的优选方案，步骤S3具体包括以下步骤：S31：对步骤S12中产生的N个点，计算任意两个点之间的距离，并获得离每个点最近的3个邻居点的坐标，形成N个点的邻居列表L，L中每一项是一个3*3的矩阵，第一个3表示3个邻居点，第二个3表示x,y,z三个坐标值；S32：使用步骤S31中得到的邻居列表L，计算每个点的邻居坐标协方差矩阵，之后计算协方差矩阵的特征值和特征向量，并使用最小特征值对应的特征向量作为法向量，最终获得所有点处的法向量；S33：使用步骤S31中得到的邻居列表L和步骤S32中获得的所有点法向量，得到N个点的邻居点的法向量列表，计算每个点的法向量与其3个邻居点的法向量之间的夹角；S34：计算N个点处的表面曲率、主曲率、高斯曲率和平均曲率；S35：对所有点计算步骤S32获得的法向量与飞行攻角之间的夹角，并依据夹角判断各个点处于迎风区还是背风区，当点的法向量与攻角方向的夹角在0～90
°
之间，说明该点处于迎风区，当夹角为钝角时，说明该点处于背风区；S36：对每个表面点，将步骤S12中得到的三维点坐标、步骤S32中得到的三维法向
量、步骤S33中得到的三维法向量夹角、步骤S34中得到的4个四维曲率、步骤S35中得到的一维夹角以及一维迎风背风区归属，共6个步骤的输出向量拼接成一个长度为15的向量；S37：对所有外形的所有表面点，均采用步骤S31～S36产生100*N个15维向量，并使用这些数据训练一个自动编码器，自动编码器输入长度为15，包含编码器和解码器，编码器输出为128，解码器输入为编码器输出，解码器输出长度与编码器输入长度相同，均为15，通过最小化解码器输出与自动编码器输入的重构误差训练自动编码器；训本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种飞行器表面的气动热环境智能预测方法，其特征在于，包括S1：构建多外形多条件气动热数据库；S2：提取飞行器外形全局特征；S3：提取飞行器局部区域特征；S4：将飞行条件参数化；S5：融合邻域特性的气动热智能预测模型；S6：进行飞行器表面气动热智能预测模型测试。2.根据权利要求1所述的一种飞行器表面的气动热环境智能预测方法，其特征在于，步骤S1具体包括以下步骤：S11：针对球头、钝锥、钝双锥、双椭球、升力体、航天飞机的6大类不同飞行器三维数模外形，在飞行高度为20km、30km、35km、40km、45km、50km、60km，马赫数范围为5、10、15、20，攻角范围为0
°
、2.5
°
、 5
°
、7.5
°
、10
°
、12.5
°
、15
°
、17.5
°
、20
°
，分别进行数值模拟计算获得飞行器表面热流场；S12：在任意飞行器i的表面进行随机投点采样，获得覆盖飞行器表面的N个点的空间坐标值(x
1i
,y
1i
,z
1i
)～ (x
Ni
,y
Ni
,z
Ni
)，通过步骤S11获得飞行器i在飞行条件j下的热流场分布Q
ij
；之后对热流场Q
ij
进行插值计算，得到N个点对应的热流值Q
1ij
～Q
nij
；针对步骤S11中得到的所有飞行器外形和热流场Q
ij
进行投点和插值操作，形成气动热数据库。3.根据权利要求2所述的一种飞行器表面的气动热环境智能预测方法，其特征在于，步骤S2具体包括以下步骤：S21：基于点云数据的飞行器全局特征提取：步骤S12中获得了覆盖飞行器表面的N个点的坐标，使用这N个点作为输入，通过自动编码器编码到64维的特征向量d1，再解码到与输入大小相同的输出向量，通过最小化输出与输入之间的重构误差训练自动编码器；训练完成后，将向量d1视为飞行器表面的特征向量；S22：基于投影的飞行器全局特征提取：对飞行器的三维数模外形分别在x
‑
y、y
‑
z和x
‑
z平面进行投影，获得3个投影平面的二维飞行器外形，通过二维自动编码器抽取飞行器的投影特征d2，d2维度为64；S23：将步骤S21获得的向量d1和步骤S22获得的向量d2拼接得到飞行器外形全局特征向量d
g
，向量维度为128维。4.根据权利要求3所述的一种飞行器表面的气动热环境智能预测方法，其特征在于，步骤S3具体包括以下步骤：S31：对步骤S12中产生的N个点，计算任意两个点之间的距离，并获得离每个点最近的3个邻居点的坐标，形成N个点的邻居列表L，L中每一项是一个3*3的矩阵，第一个3表示3个邻居点，第二个3表示x,y,z三个坐标值；S32：使用步骤S31中得到的邻居列表L，计算每个点的邻居坐标协方差矩阵，之后计算协方差矩阵的特征值和特征向量，并使用最小特征值对应的特征向量作为法向量，最终获得所有点处的法向量；S33：使用步骤S31中得到的邻居列表L和步骤S32中获得的所有点法向量，得到N个点的邻居点的法向量列表，计算每个点的法向量与其3个邻居点的法向量之间的夹角；S34：计算N个点处的表面曲率、主曲率、高斯曲率和平均曲率；
S35：对所有点计算步骤S32获得的法向量与飞行攻角之间的夹角，并依据夹角判断各个点处于迎风区还是背风区，当点的法向量与攻角方向的夹角在0～90
°
之间，说明该点...

【专利技术属性】
技术研发人员：王岳青，杨志供，邓亮，代喆，杨文祥，赵丹，喻杰，王昉，陈呈，
申请(专利权)人：中国空气动力研究与发展中心计算空气动力研究所，
类型：发明
国别省市：