基于属性约简的翼型气动力系数预测方法、电子设备及存储介质技术

基于属性约简的翼型气动力系数预测方法、电子设备及存储介质，属于飞行器技术领域。为解决翼型在其他外形几何参数或状态参数下的气动力系数预测时存在的精度差的问题。本发明专利技术对翼型进行CST参数化，获得表征翼型外形几何参数的翼型CST参数，然后进行属性约简，得到翼型约简后的属性，进行风洞试验或CFD数值仿真，获取翼型约简后的气动数据；然后通过自适应提升方法对获得的翼型约简后的气动数据建立预测模型并进行训练，直至满足目标评价条件。本发明专利技术有效消除数据冗余所带来的影响，减小预测模型的训练难度，有助于提升训练效率，进而提高气动力系数的预测精度。高气动力系数的预测精度。高气动力系数的预测精度。

【技术实现步骤摘要】
基于属性约简的翼型气动力系数预测方法、电子设备及存储介质


[0001]本专利技术属于飞行器
，具体涉及基于属性约简的翼型气动力系数预测方法、电子设备及存储介质。

技术介绍

[0002]飞机机翼、航空发动机螺旋桨、涡轮叶片、压气机叶片的二维界面轮廓均为翼型。翼型的气动优化设计在航空航天领域具有重要作用，需要大量的风洞试验及CFD计算。目前，在进行风洞试验时，往往根据试验需求设计试验大纲，确定吹风车次，例如，试验初期进行了0.6马赫数、0.8马赫数、1.0马赫数和1.2马赫数的试验，而后续研究又需要改变部分几何参数在0.9马赫数、0.95马赫数、1.1马赫数条件下的试验数据时，传统的风洞试验数据分析方法往往通过线性插值的方式进行预测。又如，CFD数值仿真得到某几何外形的翼型气动数据，但需要对其外形进行优化，针对不同几何参数的气动外形需要重新划分网格、数值计算、后处理等操作。但是传统插值法及重新进行CFD数值仿真获得其他外形几何参数或状态参数下的气动特性时存在精度差、效率低、成本高的问题。翼型的气动优化设计涉及的几何外形参数量大，数据维度高，会造成维度灾难，导致预测精度下降，容易产生过拟合现象

技术实现思路

[0003]本专利技术要解决的问题是传统插值法及重新进行CFD数值仿真获得翼型在其他外形几何参数或状态参数下的气动力系数时存在的精度差、效率低、成本高以及几何外形参数量大，数据维度高，会造成维度灾难、预测精度下降、容易产生过拟合现象的问题，提出基于属性约简的翼型气动力系数预测方法、电子设备及存储介质。
[0004]为实现上述目的，本专利技术通过以下技术方案实现：
[0005]一种基于属性约简的翼型气动力系数预测方法，包括如下步骤：
[0006]S1、对翼型进行CST参数化，获得表征翼型外形几何参数的翼型CST参数；
[0007]S2、对步骤S1获得的翼型CST参数进行属性约简，得到翼型约简后的属性；
[0008]S3、对步骤S2翼型约简后的属性进行风洞试验或CFD数值仿真，获取翼型约简后的气动数据；
[0009]S4、通过自适应提升方法对步骤S3获得的翼型约简后的气动数据建立预测模型并进行训练，直至满足目标评价条件。
[0010]进一步的，步骤S1的具体实现方法包括如下步骤：
[0011]S1.1、CST参数化方法通过类别函数和形状函数对翼型进行描述，表达式为：
[0012][0013]其中，为CST参数化后的翼型无量纲化的纵向坐标；为无量纲化的横向坐标，x为翼型曲线的横向坐标，C为翼型弦长；为类别函数，为形状函
数，为用于控制翼型尾缘处厚度，τ
T
为无量纲化的尾缘厚度，τ
T
＝Δz
TE
/C，Δz
TE
为尾缘厚度；
[0014]S1.2、设置类别函数的表达式为：
[0015][0016]其中，N1和N2分别为控制翼型前缘及尾缘形状的系数，N1和N2的取值范围为0
‑
1；
[0017]S1.3、设置形状函数的表达式为：
[0018][0019]其中，i为第i项，n为第n项，A
i
为权重因子，为形状函数分量，用伯恩斯坦多项式进行替换，伯恩斯坦多项式的第n项表达式为：
[0020][0021]则：
[0022][0023]S1.4、通过控制权重因子A
i
实现对翼型几何形状的控制，得到表征翼型外形几何参数的翼型CST参数。
[0024]进一步的，步骤S2对步骤S1获得的翼型CST参数进行属性约简，属性约简方法为主成分分析法、多维尺度法、t分布随机邻域嵌入法中的一种，设置步骤S1中得到的CST参数数据由上表面权重因子A
ui
和下表面权重因子A
li
组成，则步骤S1中得到的CST参数数据集S1为：S1＝{A
u1
,A
u2
,
…
,A
u(n+1)
,A
l1
,A
l2
,
…
,A
l(n+1)
}；
[0025]约简后的数据集S2为：
[0026]S2＝{B1,B2,
…
B
m
},m≤2(n+1)
[0027]其中，B
m
代表约简后的参数数据。
[0028]进一步的，步骤S2中主成分分析法的具体实现过程为：对于步骤S1中得到的CST参数数据集S1＝{A
u1
,A
u2
,
…
,A
u(n+1)
,A
l1
,A
l2
,
…
,A
l(n+1)
}，计算脉动量：
[0029][0030]其中，A
j
为数据集S1中的第j项，j＝1,
…
,2(n+1)，得到矩阵A
j
'后再计算自相关矩阵A'A'
T
，A'为所有A
j
'构成的矩阵，并对自相关矩阵进行特征值分解，获得特征向量W及其特征值，则得到输出的低维数据B＝WA'。
[0031]进一步的，步骤S2中多维尺度法的具体实现过程为：通过计算欧式距离区分数据点，输入原始2(n+1)维空间的CST参数数据集S1，降维后任意两个样本之间的距离B
m
等于在2(n+1)维空间的距离，得到约简后的数据集S2。
[0032]进一步的，步骤S2中t分布随机邻域嵌入法的具体实现方法为：采用具有对称性的SNE的代价函数来简化梯度公式，通过t分布来代替高斯分布，输入原始2(n+1)维空间的CST参数数据集S1，设置迭代次数、学习速率参数，计算概率分布p
ij
，通过t分布代替高斯分布表
达两点之间的距离，比较降维后的概率分布与原始空间的概率分布，得到约简后的数据集S2。
[0033]进一步的，步骤S3中得到的气动数据包括：目标自变量数据和目标因变量数据，所述目标自变量数据包括：翼型CST参数约简后的参数数据，以及马赫数Ma、雷诺数Re、迎角状态参数数据
ɑ
；所述目标因变量数据包括六元气动力系数，用于表征模型的气动性能；所述目标因变量数据，是通过调整所述目标自变量数据逐车次进行风洞试验或逐参数进行CFD数值仿真得到；
[0034]所述六元气动力系数，具体为风轴升力系数C
L
、风轴阻力系数C
D
、风轴侧力系数C
C
、体轴俯仰力矩系数C
m
、体轴偏航力矩系数C
n
和体轴滚转力矩系数C
l
，构成数据集Y；
[0035]所述翼型气动数据的获取方式包括通过现有风洞试验获取，通过计算机CFD数值模拟获取本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于属性约简的翼型气动力系数预测方法，其特征在于：包括如下步骤：S1、对翼型进行CST参数化，获得表征翼型外形几何参数的翼型CST参数；S2、对步骤S1获得的翼型CST参数进行属性约简，得到翼型约简后的属性；S3、对步骤S2翼型约简后的属性进行风洞试验或CFD数值仿真，获取翼型约简后的气动数据；S4、通过自适应提升方法对步骤S3获得的翼型约简后的气动数据建立预测模型并进行训练，直至满足目标评价条件。2.根据权利要求1所述的一种基于属性约简的翼型气动力系数预测方法，其特征在于：步骤S1的具体实现方法包括如下步骤：S1.1、CST参数化方法通过类别函数和形状函数对翼型进行描述，表达式为：其中，为CST参数化后的翼型无量纲化的纵向坐标；为无量纲化的横向坐标，x为翼型曲线的横向坐标，C为翼型弦长；为类别函数，为形状函数，为用于控制翼型尾缘处厚度，τ
T
为无量纲化的尾缘厚度，τ
T
＝Δz
TE
/C，Δz
TE
为尾缘厚度；S1.2、设置类别函数的表达式为：其中，N1和N2分别为控制翼型前缘及尾缘形状的系数，N1和N2的取值范围为0
‑
1；S1.3、设置形状函数的表达式为：其中，i为第i项，n为第n项，A
i
为权重因子，为形状函数分量，用伯恩斯坦多项式进行替换，伯恩斯坦多项式的第n项表达式为：则：S1.4、通过控制权重因子A
i
实现对翼型几何形状的控制，得到表征翼型外形几何参数的翼型CST参数。3.根据权利要求2所述的一种基于属性约简的翼型气动力系数预测方法，其特征在于：步骤S2对步骤S1获得的翼型CST参数进行属性约简，属性约简方法为主成分分析法、多维尺度法、t分布随机邻域嵌入法中的一种，设置步骤S1中得到的CST参数数据由上表面权重因子A
ui
和下表面权重因子A
li
组成，则步骤S1中得到的CST参数数据集S1为：S1＝{A
u1
,A
u2
,
…
,A
u(n+1)
,A
l1
,A
l2
,
…
,A
l(n+1)
}；约简后的数据集S2为：
S2＝{B1,B2,
…
B
m
},m≤2(n+1)其中，B
m
代表约简后的参数数据。4.根据权利要求3所述的一种基于属性约简的翼型气动力系数预测方法，其特征在于：步骤S2中主成分分析法的具体实现过程为：对于步骤S1中得到的CST参数数据集为S1＝{A
u1
,A
u2
,
…
,A
u(n+1)
,A
l1
,A
l2
,
…
,A
l(n+1)
}，计算脉动量：其中，A
j
为数据集S1中的第j项，j＝1,
…

【专利技术属性】
技术研发人员：刘哲，李鸿岩，马海，王祥云，
申请(专利权)人：中国航空工业集团公司沈阳空气动力研究所，
类型：发明
国别省市：