本发明专利技术公开了一种数据驱动的超临界翼型压力分布预测方法、系统及介质，方法包括获取翼型数据；从翼型数据中提取多个翼型坐标，并对多个翼型坐标进行处理，以得到多个翼型控制点坐标；从翼型数据中提取多个压力分布曲线，并对多个压力分布曲线进行处理，以得到多个压力分布主成分振幅；基于神经网络技术，根据多个翼型控制点坐标、多个压力分布主成分振幅构建翼型压力分布预测器；将获取到的待预测翼型控制点坐标输入至翼型压力分布预测器进行预测，以得到压力分布曲线。本发明专利技术实施例的翼型压力分布预测器基于神经网络模型构建，在实际中可实现对超临界翼型的压力分布进行高精度预测，解决了传统翼型压力分布计算耗时耗力的问题。问题。问题。
【技术实现步骤摘要】
数据驱动的超临界翼型压力分布预测方法、系统及介质
[0001]本专利技术涉及翼型空气动力学
，尤其是涉及一种数据驱动的超临界翼型压力分布预测方法、系统及介质。
技术介绍
[0002]目前，翼型的气动优化设计是飞行器设计中的重要研究内容。气动优化设计是典型的黑箱昂贵优化问题，黑箱体现在其目标函数对于设计变量的映射难以以解析的形式给出，昂贵体现在根据设计变量求目标函数的过程极其耗时。
[0003]超临界翼型的压力分布作为一种与其几何外形强相关的气动性能，在气动设计中是一种很强的设计要素，并且有着其固有特征。在传统气动设计中，就有以压力分布作为翼型设计的最终目标的反设计流程，即以人工经验手动设计出性能优异的压力分布然后反推出其对应的翼型。所以在超临界翼型的气动优化设计中，压力分布是一种必不可少的评估方式。
[0004]在翼型设计和优化过程中，从翼型的几何外形到其气动性能的计算往往非常耗时且花费资源。尤其是超临界翼型，由于它的气动性能对其几何外形的高度敏感，所以往往对超临界翼型的流场仿真需要更加庞大的计算量，然后通过后处理等方式提取出翼型的压力分布。对于一个超临界翼型的气动性能的计算往往需要十几个小时甚至一天。因此采用这种计算流体力学(CFD)的过程过于耗费人力与时间资源。
技术实现思路
[0005]本专利技术旨在至少解决现有技术中存在的技术问题之一。为此，本专利技术提出一种数据驱动的超临界翼型压力分布预测方法，解决了当前获取翼型压力分布需要进行的计算过程过于耗费人力与时间资源的问题。<br/>[0006]本专利技术还提供一种数据驱动的超临界翼型压力分布预测系统和一种计算机可读存储介质。
[0007]根据本专利技术的第一方面实施例的数据驱动的超临界翼型压力分布预测方法，包括以下步骤：
[0008]获取翼型数据，所述翼型数据包括多个超临界翼型以及通过扰动得到的多个翼型；
[0009]从所述翼型数据中提取多个翼型坐标，并对多个所述翼型坐标进行处理，以得到多个翼型控制点坐标；
[0010]从所述翼型数据中提取多个压力分布曲线，并对多个所述压力分布曲线进行处理，以得到多个压力分布主成分振幅；
[0011]基于神经网络技术，根据多个所述翼型控制点坐标、多个所述压力分布主成分振幅构建翼型压力分布预测器；
[0012]将获取到的待预测翼型控制点坐标输入至所述翼型压力分布预测器进行预测，以
得到压力分布曲线，所述压力分布曲线表示翼型压力分布预测结果。
[0013]根据本专利技术实施例的数据驱动的超临界翼型压力分布预测方法，至少具有如下有益效果：
[0014]通过从多个超临界翼型的翼型数据中提取多个翼型坐标和多个压力分布曲线，从而可对多个翼型坐标和多个压力分布曲线进行处理，以构建出翼型压力分布预测器，来用于进行翼型压力分布预测并获得预测结果，即具体为获得压力分布曲线。对于通过利用本专利技术实施例方法所获得的翼型压力分布预测器，其基于人工智能技术下的神经网络模型进行构建，因此在实际中可实现对超临界翼型的压力分布进行高精度预测，从而解决了传统翼型压力分布计算时需要消耗大量计算资源与时间的问题。
[0015]根据本专利技术的一些实施例，所述数据驱动的超临界翼型压力分布预测方法还包括以下步骤：
[0016]对所述压力分布曲线进行性能评估，以得到翼型性能评估结果。
[0017]根据本专利技术的一些实施例，所述对所述压力分布曲线进行性能评估，以得到翼型性能评估结果，包括以下步骤：
[0018]对所述压力分布曲线的吸力平台位置进行求导，以得到求导结果；
[0019]当所述求导结果小于设定阈值，确定所述压力分布曲线所对应的翼型为性能合格翼型。
[0020]根据本专利技术的一些实施例，所述对多个所述翼型坐标进行处理，以得到多个翼型控制点坐标，包括以下步骤：
[0021]基于非均匀有理B样条模型，对多个所述翼型坐标进行参数化拟合，以得到多个所述翼型控制点坐标。
[0022]根据本专利技术的一些实施例，所述对多个所述压力分布曲线进行处理，以得到多个压力分布主成分振幅，包括以下步骤：
[0023]基于自编码器，对多个所述压力分布曲线进行编码，以得到多个所述压力分布主成分振幅。
[0024]根据本专利技术的一些实施例，所述基于神经网络技术，根据多个所述翼型控制点坐标、多个所述压力分布主成分振幅构建翼型压力分布预测器，包括以下步骤：
[0025]基于多层感知机模型，利用多个所述翼型控制点坐标、多个所述压力分布主成分振幅建立神经网络；
[0026]对所述神经网络进行训练，以得到所述翼型压力分布预测器。
[0027]根据本专利技术的一些实施例，所述将获取到的待预测翼型控制点坐标输入至所述翼型压力分布预测器进行预测，以得到压力分布曲线，包括以下步骤：
[0028]获取多个所述待预测翼型控制点坐标并输入至所述翼型压力分布预测器；
[0029]经所述翼型压力分布预测器处理后输出多个压力分布主成分振幅预测数据；
[0030]基于所述自编码器的解码器，对多个所述压力分布主成分振幅预测数据进行解码，以得到所述压力分布曲线。
[0031]根据本专利技术的第二方面实施例的数据驱动的超临界翼型压力分布预测系统，包括：
[0032]数据获取单元，用于获取翼型数据，所述翼型数据包括多个超临界翼型以及通过
扰动得到的多个翼型；
[0033]第一数据处理单元，用于从所述翼型数据中提取多个翼型坐标，并对多个所述翼型坐标进行处理，以得到多个翼型控制点坐标；
[0034]第二数据处理单元，用于从所述翼型数据中提取多个压力分布曲线，并对多个所述压力分布曲线进行处理，以得到多个压力分布主成分振幅；
[0035]建模单元，用于基于神经网络技术，根据多个所述翼型控制点坐标、多个所述压力分布主成分振幅构建翼型压力分布预测器；
[0036]预测单元，用于将获取到的待预测翼型控制点坐标输入至所述翼型压力分布预测器进行预测，以得到压力分布曲线，所述压力分布曲线表示翼型压力分布预测结果。
[0037]根据本专利技术实施例的数据驱动的超临界翼型压力分布预测系统，至少具有如下有益效果：
[0038]通过在本专利技术实施例系统中执行本专利技术实施例方法，使得可从多个超临界翼型的翼型数据中提取多个翼型坐标和多个压力分布曲线，从而可对多个翼型坐标和多个压力分布曲线进行处理，以构建出翼型压力分布预测器，来用于进行翼型压力分布预测并获得预测结果，即具体为获得压力分布曲线。对于通过利用本专利技术实施例系统所获得的翼型压力分布预测器，其基于人工智能技术下的神经网络模型进行构建，因此在实际中可实现对超临界翼型的压力分布进行高精度预测，从而解决了传统翼型压力分布计算时需要消耗大量计算资源与时间的问题。
[0039]根据本专利技术的一些实施例，所述数据驱动的超临界翼型压力分布预测系统还包括评估单元，所述评估单元用于对所述压力分布曲线进行性能本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种数据驱动的超临界翼型压力分布预测方法，其特征在于，包括以下步骤：获取翼型数据，所述翼型数据包括多个超临界翼型以及通过扰动得到的多个翼型；从所述翼型数据中提取多个翼型坐标，并对多个所述翼型坐标进行处理，以得到多个翼型控制点坐标；从所述翼型数据中提取多个压力分布曲线，并对多个所述压力分布曲线进行处理，以得到多个压力分布主成分振幅；基于神经网络技术，根据多个所述翼型控制点坐标、多个所述压力分布主成分振幅构建翼型压力分布预测器；将获取到的待预测翼型控制点坐标输入至所述翼型压力分布预测器进行预测，以得到压力分布曲线，所述压力分布曲线表示翼型压力分布预测结果。2.根据权利要求1所述的数据驱动的超临界翼型压力分布预测方法，其特征在于，还包括以下步骤：对所述压力分布曲线进行性能评估，以得到翼型性能评估结果。3.根据权利要求2所述的数据驱动的超临界翼型压力分布预测方法，其特征在于，所述对所述压力分布曲线进行性能评估，以得到翼型性能评估结果，包括以下步骤：对所述压力分布曲线的吸力平台位置进行求导，以得到求导结果；当所述求导结果小于设定阈值，确定所述压力分布曲线所对应的翼型为性能合格翼型。4.根据权利要求1所述的数据驱动的超临界翼型压力分布预测方法，其特征在于，所述对多个所述翼型坐标进行处理，以得到多个翼型控制点坐标，包括以下步骤：基于非均匀有理B样条模型，对多个所述翼型坐标进行参数化拟合，以得到多个所述翼型控制点坐标。5.根据权利要求4所述的数据驱动的超临界翼型压力分布预测方法，其特征在于，所述对多个所述压力分布曲线进行处理，以得到多个压力分布主成分振幅，包括以下步骤：基于自编码器，对多个所述压力分布曲线进行编码，以得到多个所述压力分布主成分振幅。6.根据权利要求5所述的数据驱动的超临界翼型压力分布预测方法，其特征在于，所述基于神经网络技术，根据多个所述翼型控制点坐标、多个所述压力分布主成分振幅...
【专利技术属性】
技术研发人员：程然，王为拓，孙克斌，
申请(专利权)人：南方科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。