【技术实现步骤摘要】
本专利技术涉及非定常流动建模，具体涉及一种多腔流动特征智能预测方法。
技术介绍
1、大尺度串/并列多腔复杂流动机理的准确认识对飞行器研发至关重要，因为飞行器必备的内舱流动归根到底是大尺度串/并列多腔流动。大尺度串/并列多腔流动除了存在单腔流动中常见的分离、剪切层失稳、波/涡/剪切层干扰等众多复杂流动现象外，还存在腔与腔之间的干扰与耦合，以及复杂的内容物和腔之间的干扰，甚至会出现自持振荡、产生剧烈的压力和速度脉动、带来高强噪声载荷，可能会引发结构振动和投放不相容等灾难性问题。
2、归根结底，大尺度串/并列多腔流动本质上是复杂的多场耦合非定常流动，涉及气动、噪声和振动等学科领域、且彼此之间高度耦合。对于这类问题，目前一方面缺乏可靠的多场耦合数值模拟方法，另一方面高精度数值模拟计算周期长且耗费巨大、难以满足效率和成本等实际需求。因此，亟须新的高效高精度的大尺度串/并列多腔复杂流动预测方法。由于大尺度串/并列多腔复杂流动是一个多输入、多输出甚至是海量输出的复杂系统，建立可靠的智能预测方法存在极大挑战。
技术实现思路
1、有鉴于此，本专利技术提供了一种多腔流动特征智能预测方法，以解决现有技术中大尺度串/并列多腔复杂流动预测存在的问题。本专利技术所提供的所述一种多腔流动特征智能预测方法，所述方法应用于大尺度多腔流动场景，包括：
2、根据多腔流场应用场景确定输入参数类型；
3、运用预设样本选择方法根据所述输入参数类型确定样本点，所述样本点包括各类型输入参数的多
4、根据所述样本点，基于改进延迟分离涡模拟方法和有限元法的耦合方法，对多腔流场进行数值模拟，获得非定常流场数据；
5、根据所述非定常流场数据，分别构建流场特征数据集和声学特征数据集；
6、以流场特征数据集和声学特征数据集作为训练数据集，训练深度神经网络模型；
7、使用训练好的所述深度神经网络模型进行多腔流场预测，获得输出数据，所述输出数据包括所述多腔流场的流场特征和声学特征。
8、进一步的，获得非定常流场数据之后，对所述非定常流场数据中超出预设维度的数据进行数据预处理，包括：
9、对所述非定常流场数据中超出预设维度的数据进行数据降维；
10、对数据降维处理后的所述非定常流场数据进行敏感度分析，获得依赖参数；
11、根据所述依赖参数对所述样本点组成的样本空间进行细化；
12、根据细化后的所述样本点对所述多腔流场进行数值模拟。
13、进一步的，通过本征正交分解方法对所述非定常流场数据中超出预设维度的数据进行数据降维。
14、进一步的，通过随机搜索算法确定深度神经网络模型的模型结构，基于所述模型结构构建所述深度神经网络模型，进行深度神经网络模型训练。
15、进一步的，获得所述输出数据之后，判断所述输出数据是否是降维后的数据，如果是，则对所述输出数据进行数据还原并输出；如果不是，直接输出所述输出数据。
16、与现有技术相比，本专利技术采用的上述至少一个技术方案能够达到的有益效果至少包括：本专利技术通过提供一种多腔流动特征智能预测方法，基于流场特征数据集和声学特征数据集分别构建深度神经网络模型，降低了深度神经网络模型的复杂度和调优难度，实现了尺度悬殊的流场量和声学量的一体化智能建模和预测；本方法具备大尺度串/并列多腔复杂流动准确快速预测能力，为飞行器内舱设计提供技术支撑、显著缩短设计周期。
本文档来自技高网...【技术保护点】
1.一种多腔流动特征智能预测方法，其特征在于，所述方法应用于大尺度多腔流动场景，所述方法包括：
2.根据权利要求1所述的一种多腔流动特征智能预测方法，其特征在于，获得非定常流场数据之后，还包括对所述非定常流场数据中超出预设维度的数据进行数据预处理，所述数据预处理方法包括：
3.根据权利要求2所述的一种多腔流动特征智能预测方法，其特征在于，通过本征正交分解方法对所述非定常流场数据中超出预设维度的数据进行数据降维。
4.根据权利要求1所述的一种多腔流动特征智能预测方法，其特征在于，通过随机搜索算法确定深度神经网络模型的模型结构，基于所述模型结构构建所述深度神经网络模型，进行深度神经网络模型训练。
5.根据权利要求1所述的一种多腔流动特征智能预测方法，其特征在于，获得所述输出数据之后，判断所述输出数据是否是降维后的数据，如果是，则对所述输出数据进行数据还原并输出；如果不是，直接输出所述输出数据。
【技术特征摘要】
1.一种多腔流动特征智能预测方法，其特征在于，所述方法应用于大尺度多腔流动场景，所述方法包括：
2.根据权利要求1所述的一种多腔流动特征智能预测方法，其特征在于，获得非定常流场数据之后，还包括对所述非定常流场数据中超出预设维度的数据进行数据预处理，所述数据预处理方法包括：
3.根据权利要求2所述的一种多腔流动特征智能预测方法，其特征在于，通过本征正交分解方法对所述非定常流场数据中超出预设维度的数据...
【专利技术属性】
技术研发人员：李典，郝海兵，樊华羽，杨宇，高远，
申请(专利权)人：中国航空工业集团公司西安航空计算技术研究所，
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。