压力分布数据预测模型建立方法技术

本申请公开了压力分布数据预测模型建立方法，涉及飞行器气动设计技术领域，包括：将各工况条件下参考压力分布数据集和工况条件分为训练集、验证集和测试集，将训练集分为与网格区域一一对应的训练子集；为网格区域设置参考神经网络模型；基于预设拓展区域对训练子集进行自适应边界拓展得到拓展后训练子集；在每个网格区域内利用拓展后训练子集得到具有工况条件和压力分布数据之间映射关系的参考神经网络模型；利用验证集更新预设拓展区域并跳转至基于预设拓展区域的步骤，直至得到每个网格区域的压力分布数据预测模型；利用测试集测试压力分布数据预测模型，若满足第一预设条件则为最终预测模型。构建模型以快速精确预测表面压力分布数据。面压力分布数据。面压力分布数据。

【技术实现步骤摘要】
压力分布数据预测模型建立方法


[0001]本专利技术涉及飞行器气动设计
，特别涉及压力分布数据预测模型建立方法。

技术介绍

[0002]当前，“飞机设计，气动先行”，飞行器是涉及多学科的复杂系统，气动性能作为其它子系统开展工作的基础和出发点，具有基础性、全局性和先导性，气动性能的优劣在很大程度上决定了飞行器的总体性能。因此，在飞行器的研制过程中，飞行器气动建模是一项重要的基础性研究课题，且优化计算过程中需要大量调用原始高精度计算模型，致使气动优化效率低下，出现计算量过大、耗时较长的问题。
[0003]通过构建某型飞行器气动数据集，利用基于深度学习的神经网络方法建立气动特性预测模型，对飞行器气动特性(尤其是压力分布数据)进行快速、高精度、低成本的预测，可以有效加速飞行器气动设计进程，为飞行器气动布局快速设计提供可信代理模型，但是，目前国内外已有的成果主要集中于基于经典机器学习算法或深度神经网络模型的积分气动力/局部气动热预测研究，一般预测的气动特性参数数据量(比如压力分布数据)较少。
[0004]综上所述，如何构建压力分布数据预测模型，以快速精确地预测飞行器表面压力分布数据是当前亟待解决的问题。

技术实现思路

[0005]有鉴于此，本专利技术的目的在于提供一种压力分布数据预测模型建立方法，能够构建压力分布数据预测模型，以快速精确地预测飞行器表面压力分布数据。其具体方案如下：
[0006]第一方面，本申请公开了一种压力分布数据预测模型建立方法，包括：
[0007]将不同工况条件下飞行器的参考压力分布数据集和相应所述工况条件分为训练集、验证集和测试集，并将每个所述训练集分为与网格区域一一对应的训练子集；所述网格区域为将所述飞行器表面进行网格划分得到的区域；
[0008]为每个所述网格区域设置参考神经网络模型；
[0009]基于每个所述训练子集对应的预设拓展区域，对每个所述训练子集进行自适应边界拓展得到拓展后训练子集；
[0010]在每个所述网格区域内，利用对应的所述拓展后训练子集训练相应的所述参考神经网络模型，以使所述参考神经网络模型具有所述工况条件和所述压力分布数据之间的映射关系；
[0011]利用所述验证集更新所述预设拓展区域，将更新后拓展区域作为所述预设拓展区域，并跳转至所述基于每个所述训练子集对应的预设拓展区域的步骤，直至满足第一预设条件得到每个所述网格区域对应的压力分布数据预测模型；
[0012]利用所述测试集对所述压力分布数据预测模型进行测试，若测试结果满足所述第一预设条件则所述压力分布数据预测模型为最终预测模型。
[0013]可选的，所述基于每个所述训练子集对应的预设拓展区域，对每个所述训练子集进行自适应边界拓展得到拓展后训练子集，包括：
[0014]统计所述训练子集对应的所述网格区域的第一网格点数和相应的所述预设拓展区域对应的第二网格点数，将所述第一网格点数和第二网格点数之和作为拓展后网格点数；
[0015]若所述拓展后网格点数满足第二预设条件，则直接基于所述训练子集对应的所述预设拓展区域，对所述训练子集进行自适应边界拓展得到拓展后训练子集；
[0016]若所述拓展后网格点数不满足所述第二预设条件，则基于拓展后网格点数调整所述预设拓展距离以得到调整后拓展距离，并基于所述调整后拓展距离确定调整后拓展区域；
[0017]基于所述调整后拓展区域和所述网格区域确定拓展后区域，并将所述拓展后区域对应的所述参考压力分布数据作为所述拓展后训练子集，然后将所述调整后拓展区域作为所述预设拓展区域。
[0018]可选的，所述第二预设条件为所述参考点数与所述拓展后网格点数的差值的绝对值不超过所述参考点数的目标占比；所述参考点数为所述第一网格点数和所述预设拓展倍数的乘积所得数值；所述预设拓展倍数为预先根据拓展参数设置规则，随机设置的针对所述第一网格点数的拓展倍数。
[0019]可选的，所述利用所述验证集更新所述预设拓展区域，包括：
[0020]基于所述验证集对应的所述工况条件，并利用每个所述参考神经网络模型协同预测所述飞行器的第一目标压力分布数据；
[0021]基于所述第一目标压力分布数据和所述验证集中的参考压力分布数据，更新所述预设拓展区域。
[0022]可选的，所述基于所述第一目标压力分布数据和所述验证集中的参考压力分布数据，更新所述预设拓展区域，包括：
[0023]计算所述第一目标压力分布数据和所述验证集中的参考压力分布数据之间的第一平均绝对误差；
[0024]获取未进行自适应边界拓展时预测得到的第二目标压力分布数据，计算所述参考压力分布数据和所述第二目标压力分布数据之间的第二平均绝对误差；
[0025]基于所述第一平均绝对误差和所述第二平均绝对误差更新所述预设拓展倍数以更新所述预设拓展距离得到更新后拓展距离，并基于所述更新后拓展距离确定更新后拓展区域。
[0026]可选的，所述基于所述验证集对应的所述工况条件，并利用每个所述参考神经网络模型协同预测所述飞行器的第一目标压力分布数据，包括：
[0027]基于所述验证集对应的所述工况条件，并利用每个所述参考神经网络模型验证相应的所述网格区域对应的局部压力分布数据，以得到每个所述网格区域对应的所述局部压力分布数据；
[0028]将所有所述局部压力分布数据的总和作为所述飞行器的第一目标压力分布数据。
[0029]可选的，所述基于每个所述训练子集对应的预设拓展区域，对每个所述训练子集进行自适应边界拓展得到拓展后训练子集之前，还包括：
[0030]确定所述训练子集对应的所述网格区域的区域边界，并将所述区域边界对应的边界最大对角距离和边界最小对角距离的平均值作为预设拓展距离，然后基于所述预设拓展距离确定预设拓展区域，以得到每个所述训练子集对应的所述预设拓展区域。
[0031]可见，本申请将不同工况条件下飞行器的参考压力分布数据集和相应所述工况条件分为训练集、验证集和测试集，并将每个所述训练集分为与网格区域一一对应的训练子集；所述网格区域为将所述飞行器表面进行网格划分得到的区域；为每个所述网格区域设置参考神经网络模型；基于每个所述训练子集对应的预设拓展区域，对每个所述训练子集进行自适应边界拓展得到拓展后训练子集；在每个所述网格区域内，利用对应的所述拓展后训练子集训练相应的所述参考神经网络模型，以使所述参考神经网络模型具有所述工况条件和所述压力分布数据之间的映射关系；利用所述验证集更新所述预设拓展区域，将更新后拓展区域作为所述预设拓展区域，并跳转至所述基于每个所述训练子集对应的预设拓展区域的步骤，直至满足第一预设条件得到每个所述网格区域对应的压力分布数据预测模型；利用所述测试集对所述压力分布数据预测模型进行测试，若测试结果满足所述第一预设条件则所述压力分布数据预测模型为最终预测模型。由此可见，本申请将飞行器表面划分为多个网格区域，并为每个网格区域训练得到一个压力分布数据预测模型，与飞行器对本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种压力分布数据预测模型建立方法，其特征在于，包括：将不同工况条件下飞行器的参考压力分布数据集和相应所述工况条件分为训练集、验证集和测试集，并将每个所述训练集分为与网格区域一一对应的训练子集；所述网格区域为将所述飞行器表面进行网格划分得到的区域；为每个所述网格区域设置参考神经网络模型；基于每个所述训练子集对应的预设拓展区域，对每个所述训练子集进行自适应边界拓展得到拓展后训练子集；在每个所述网格区域内，利用对应的所述拓展后训练子集训练相应的所述参考神经网络模型，以使所述参考神经网络模型具有所述工况条件和所述压力分布数据之间的映射关系；利用所述验证集更新所述预设拓展区域，将更新后拓展区域作为所述预设拓展区域，并跳转至所述基于每个所述训练子集对应的预设拓展区域的步骤，直至满足第一预设条件得到每个所述网格区域对应的压力分布数据预测模型；利用所述测试集对所述压力分布数据预测模型进行测试，若测试结果满足所述第一预设条件则所述压力分布数据预测模型为最终预测模型。2.根据权利要求1所述的压力分布数据预测模型建立方法，其特征在于，所述基于每个所述训练子集对应的预设拓展区域，对每个所述训练子集进行自适应边界拓展得到拓展后训练子集，包括：统计所述训练子集对应的所述网格区域的第一网格点数和相应的所述预设拓展区域对应的第二网格点数，将所述第一网格点数和第二网格点数之和作为拓展后网格点数；若所述拓展后网格点数满足第二预设条件，则直接基于所述训练子集对应的所述预设拓展区域，对所述训练子集进行自适应边界拓展得到拓展后训练子集；若所述拓展后网格点数不满足所述第二预设条件，则基于拓展后网格点数调整所述预设拓展距离以得到调整后拓展距离，并基于所述调整后拓展距离确定调整后拓展区域；基于所述调整后拓展区域和所述网格区域确定拓展后区域，并将所述拓展后区域对应的所述参考压力分布数据作为所述拓展后训练子集，然后将所述调整后拓展区域作为所述预设拓展区域。3.根据权利要求2所述的压力分布数据预测模型建立方法，其特征在于，所述第二预设条件为所述参考点数与所述拓展后网格点数的差值的绝对值不超过所述参考点数的目标占比；所述参考点数为...

【专利技术属性】
技术研发人员：蔺佳哲，周岭，曾磊，周铸，蓝庆生，李强，彭轩宇，唐滔，邵元培，郭文娟，
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：