本发明专利技术公开了一种基于无粘流动特征的飞行器气动力分布预测方法。该方法包括以下步骤：获取待预测飞行器翼型在不同来流工况下的无粘流场信息和有粘状态的气动力分布样本；构建候选边界层外缘特征库；从候选边界层外缘特征库中挑选出最优特征组合；构建出模型训练数据集；采用模型训练数据集对残差神经网络模型进行训练，将训练完成的残差神经网络模型作为气动力分布预测模型；获取待预测飞行器翼型所处的来流工况，计算出待预测飞行器翼型在该来流工况下的最优特征组合数据，将最优特征组合数据输入气动力分布预测模型得到预测的气动力分布结果。本发明专利技术能够快速准确地预测飞行器气动力分布信息，提高了计算效率，降低了成本。
【技术实现步骤摘要】
本专利技术涉及航空航天，尤其涉及一种基于无粘流动特征的飞行器气动力分布预测方法。
技术介绍
1、飞行器的升阻力获取是飞行器性能评估的关键，关系到飞行器的可靠性、安全性、经济性。在飞行器优化设计等具体任务中，升阻力的获取常常通过分布力积分得到，对于激波强弱等气动特性的衡量也需要分布力信息指引。分布力信息包括飞行器的压力分布和摩擦阻力分布。而目前获取气动力分布的手段较多，但都存在着精度与成本之间的矛盾，难以满足日益增长的型号设计需求。
2、传统的气动力研究手段包括了计算和试验两类，计算方法包括工程算法和数值模拟算法，试验方法包含了飞行试验和地面风洞实验等。工程算法的计算简单、耗时短，但对于跨音速、大分离这类复杂工况下精度无法保证。而数值模拟方法是目前气动数据获取的主要方法，但其存在着网格质量要求高、计算周期长、湍流模型分散性的问题。在风洞试验和飞行试验中，压力的测量手段较为成熟，但由于成本和模型大小限制，测量点布置稀疏，且面临天地一致性问题。而对于摩阻的测量，风洞试验中目前尚无公认成熟可靠的测量方法，测量成本高，在飞行试验中，目前尚无有效的手段测量。因此工程中亟需一种可以实现低成本、快速准确地预测飞行器气动力分布的方法。
技术实现思路
1、本专利技术为了解决上述技术问题，提供了一种基于无粘流动特征的飞行器气动力分布预测方法，其能够快速准确地预测飞行器气动力分布信息，提高了计算效率，降低了成本。
2、为了解决上述问题，本专利技术采用以下技术方案予以实现：
<
p>3、本专利技术的一种基于无粘流动特征的飞行器气动力分布预测方法，包括以下步骤：4、s1：获取待预测飞行器翼型在不同来流工况下的无粘流场信息和气动力分布样本；
5、s2：根据无粘流场信息、来流工况构建候选边界层外缘特征库；
6、s3：采用特征选择方法从候选边界层外缘特征库中挑选出最优特征组合；
7、s4：以最优特征组合数据作为输入、对应气动力分布样本作为输出构建出模型训练数据集；
8、s5：采用模型训练数据集对残差神经网络模型进行训练，将训练完成的残差神经网络模型作为气动力分布预测模型；
9、s6：获取待预测飞行器翼型所处的来流工况，计算出待预测飞行器翼型在该来流工况下的最优特征组合数据，将最优特征组合数据输入气动力分布预测模型得到预测的气动力分布结果。
10、作为优选，所述步骤s1包括以下步骤：
11、选取多个来流工况，求解待预测飞行器翼型在每个来流工况下的euler方程，得到每个来流工况对应的无粘流场信息，使用rans方法计算出待预测飞行器翼型在每个来流工况下的气动力分布样本。
12、考虑到粘性对于边界层外缘流动影响较小，求解euler方程获得的无粘流动信息即可近似为外缘流动信息。使用rans方法计算出的气动力分布样本为有粘状态的气动力分布样本。
13、作为优选，所述无粘流场信息包括待预测飞行器翼型壁面上不同点的坐标以及该点的风速、压力、温度、空气密度。无粘流场信息中的特征都为无粘流动特征。
14、作为优选，所述步骤s2包括以下步骤：
15、根据无粘流场信息和来流工况计算出构成候选边界层外缘特征库的如下特征的值：流向坐标、合速度、压力、压力系数、切应力、前缘距离、粘性系数、密度、温度、涡量大小、直角系坐标、速度梯度、合速度梯度、压力梯度、压力系数梯度、雷诺数、当地雷诺数、雷诺数与前缘距离乘积、马赫数、当地马赫数、各方向涡量、流线坐标。
16、候选边界层外缘特征库中的特征都根据无粘流动特征与来流工况获得。
17、作为优选，所述步骤s3包括以下步骤：
18、s31：从候选边界层外缘特征库中挑选出多个不同的特征组合；
19、s32：以每个特征组合数据作为输入、对应的气动力分布样本作为输出，构建出每个特征组合对应的模型训练数据集；
20、s33：采用每个特征组合对应的模型训练数据集分别对残差神经网络模型进行训练，得到每个特征组合对应的训练完成的残差神经网络模型，将训练精度最高的残差神经网络模型对应的特征组合作为最优特征组合。
21、作为优选，所述步骤s31包括以下步骤：
22、s311：对候选边界层外缘特征库中的特征进行重要性分析，将候选边界层外缘特征库中的特征按重要性从大到小进行排序，挑选出前n个特征作为备选特征，n个备选特征按重要性从大到小依次标记为t1、t2…tn；
23、s312：根据这n个备选特征组合出n个不同的特征组合，n个特征组合依次编号为1，2……n，1≤i≤n，编号为i的特征组合为(t1、t2…ti)。
24、作为优选，所述步骤s311中采用随机森林方法或lightgbm方法对候选边界层外缘特征库中的特征进行重要性分析。
25、作为优选，所述步骤s31包括以下步骤：
26、s311：采用随机森林方法对候选边界层外缘特征库中的特征进行重要性分析，将候选边界层外缘特征库中的特征按重要性从大到小进行排序，挑选出前n个特征组成第一特征集合；
27、s312：采用lightgbm方法对候选边界层外缘特征库中的特征进行重要性分析，将候选边界层外缘特征库中的特征按重要性从大到小进行排序，挑选出前n个特征组成第二特征集合；
28、s313：计算第一特征集合和第二特征集合的并集，得到第三特征集合，第三特征集合内含有m个特征，n≤m≤2n，采用机器学习的特征排序方法将第三特征集合中的特征进行重要性分析，将第三特征集合中的特征按重要性从大到小进行排序，将第三特征集合中的m个特征作为备选特征，m个备选特征按重要性从大到小依次标记为t1、t2…tm；
29、s314：根据这m个备选特征组合出m个不同的特征组合，m个特征组合依次编号为1，2……m，1≤j≤m，编号为j的特征组合为(t1、t2…tj)。
30、作为优选，所述步骤s33中当训练完成的残差神经网络模型中存在两个以上训练精度最高的残差神经网络模型时，统计训练精度最高的残差神经网络模型对应的特征组合中含有的特征数量，将含有特征数量最少的特征组合作为最优特征组合。
31、作为优选，所述步骤s6包括以下步骤：
32、s61：获取待预测飞行器翼型所处的来流工况，求解待预测飞行器翼型在该来流工况下的euler方程，得到该来流工况对应的无粘流场信息；
33、s62：根据无粘流场信息计算出最优特征组合数据，将最优特征组合数据输入气动力分布预测模型得到预测结果。
34、作为优选，所述来流工况由来流工况参数组表示，所述来流工况参数组包括马赫数、迎角、雷诺数。所述气动力分布样本包括压力分布样本、摩阻分布样本。
35、本专利技术的有益效果是：(1)本方法无需进行rans数值模拟，只需直接求解简单省时的euler方程获得边界层外缘特征，就可通过训练好本文档来自技高网
...
【技术保护点】
1.一种基于无粘流动特征的飞行器气动力分布预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于无粘流动特征的飞行器气动力分布预测方法，其特征在于，所述步骤S1包括以下步骤：
3.根据权利要求2所述的一种基于无粘流动特征的飞行器气动力分布预测方法，其特征在于，所述无粘流场信息包括待预测飞行器翼型壁面上不同点的坐标以及该点的风速、压力、温度、空气密度。
4.根据权利要求3所述的一种基于无粘流动特征的飞行器气动力分布预测方法，其特征在于，所述步骤S2包括以下步骤：
5.根据权利要求1或2或3或4所述的一种基于无粘流动特征的飞行器气动力分布预测方法，其特征在于，所述步骤S3包括以下步骤：
6.根据权利要求5所述的一种基于无粘流动特征的飞行器气动力分布预测方法，其特征在于，所述步骤S31包括以下步骤：
7.根据权利要求5所述的一种基于无粘流动特征的飞行器气动力分布预测方法，其特征在于，所述步骤S311中采用随机森林方法或LightGBM方法对候选边界层外缘特征库中的特征进行重要性分析。
8.根据权利要求5所述的一种基于无粘流动特征的飞行器气动力分布预测方法，其特征在于，所述步骤S31包括以下步骤：
9.根据权利要求5所述的一种基于无粘流动特征的飞行器气动力分布预测方法，其特征在于，所述步骤S33中当训练完成的残差神经网络模型中存在两个以上训练精度最高的残差神经网络模型时，统计训练精度最高的残差神经网络模型对应的特征组合中含有的特征数量，将含有特征数量最少的特征组合作为最优特征组合。
10.根据权利要求1或2或3或4所述的一种基于无粘流动特征的飞行器气动力分布预测方法，其特征在于，所述步骤S6包括以下步骤：
...
【技术特征摘要】
1.一种基于无粘流动特征的飞行器气动力分布预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于无粘流动特征的飞行器气动力分布预测方法，其特征在于，所述步骤s1包括以下步骤：
3.根据权利要求2所述的一种基于无粘流动特征的飞行器气动力分布预测方法，其特征在于，所述无粘流场信息包括待预测飞行器翼型壁面上不同点的坐标以及该点的风速、压力、温度、空气密度。
4.根据权利要求3所述的一种基于无粘流动特征的飞行器气动力分布预测方法，其特征在于，所述步骤s2包括以下步骤：
5.根据权利要求1或2或3或4所述的一种基于无粘流动特征的飞行器气动力分布预测方法，其特征在于，所述步骤s3包括以下步骤：
6.根据权利要求5所述的一种基于无粘流动特征的飞行器气动力分布预测方法，其特征在于，所述步骤s31包括以下...
【专利技术属性】
技术研发人员：张伟伟，赵书乐，
申请(专利权)人：西北工业大学，
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。