System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于叶轮机械内流场稳态温度测试领域,具体涉及一种基于压缩感知的压气机进出口及级间稳态温度场数据同化重构方法,特点是能够在实验测量工作开展前获得一组满足不同工况稳态测量需求的空间测点稀疏布置方案,实现对压气机进出口及级间测点布局方案的优选,同时有效降低所需测点数目,通过该方法利用稀疏实验测量结果进行重构可在不同工况下得到具有高空间分辨率的压气机进出口及级间稳态温度场的分布。
技术介绍
1、作为航空发动机三大部件之一,压气机组成的压缩系统的性能直接决定了航空发动机整机性能。对压缩系统特性的准确了解,是设计高水平航空发动机的关键。在压气机的实验测试中,如果不能高精度的测得进出口及级间截面的温升,也将无法正确评判压气机的温升效率,无法验证设计的优劣,甚至会误导设计改进方向。因而在压缩系统实验过程中,准确测定δt*,特别是小温升状态下的δt*,是准确评判压缩系统基本特性、为压气机设计提供真实数据支撑的关键,但目前,高精度温度测量技术还不能满足高性能航空发动机压缩系统研制的需要,亟需开展相关研究。
2、造成这一领域测量结果较为缺乏的原因主要包含以下方面:首先在小温升状态下,国内各种测温方法均存在测温精度达不到要求、截面温度场测点布局没有可行性规范,导致很难精确捕捉截面温度且测试成本急剧升高;其次,由于转静干涉,级间温度场受到动叶尾迹扫掠的影响,受到静叶尾迹分割的影响,在叶尖位置还会受到激波附面层干涉带来的温度脉动,因此分区域精细测量压气机进出口及级间的稳态温度难以加以评估;最后,压气机实验中由于测试安装条件限制会与较高
3、本专利技术所涉及的压缩感知方法是一种新兴的信号欠采样及重构方法,其基本原理为当信号在某些变换域下具有稀疏表征时,就可基于欠采样的少量、不相干、低维测量信号较精确地重构可压缩、原始、高维信号。该方法涉及欠定线性方程组的优化问题求解,本专利技术在标准压缩感知方法的基础上发展了能够满足多工况稳态测量需求的矢量压缩感知方法,并引入数据驱动模态分析方法与之结合,首次提出了一种基于压缩感知的压气机进出口及级间稳态温度场数据同化重构方法,该方法可有效克服上述压气机部件的小温升实验状态下如何得到精确温度分布难点,实现对测点布局方案的优选和有效指导。
技术实现思路
1、本专利技术要解决的技术问题是:针对压气机部件小温升实验状态、布局空间与测量精度相互制约等问题,构造出了一种能够适应不同工况(如不同来流迎角、不同马赫数、不同雷诺数等)测量需求的基于压缩感知的压气机进出口及级间稳态温度场数据同化重构方法,该方法在传统压缩感知方法的基础上发展了矢量压缩感知方法,并将该方法与数据驱动模态分析方法相结合,可在较小温度测点数量下实现对压气机进出口及级间温度场较高精度的重构,从而实现测点布局的优选,进而在有效降低测试成本的同时,能够实现对温升小/测试条件复杂/布局空间有限等情况下较高分辨率的截面温度分布测量。
2、本专利技术解决上述技术问题采用的技术方案为:构建了一种矢量压缩感知重构及优化问题求解模型,并引入数据驱动模态分析方法中的pod模态作为压缩感知正交基矩阵,提出了一种“vec-cs-pod”重构模型,该模型可将包含了不同工况温度分布信息的数据矩阵x表示为y=cx=cψs的形式,其中s为稀疏矩阵,y为测试矩阵,c为测量矩阵(高斯矩阵),ψ为正交基矩阵,为依据数值计算结果构建的pod空间模态分布矩阵。该问题理论上具有无穷多组解,为实现其求解,本专利技术通过求解稀疏矩阵s的最小混合范数问题,具体而言,首先计算矩阵s每一行的l2范数,然后将其堆叠为一列向量并求解该列向量l1范数。
3、图1是本专利技术所提出的压气机进出口及级间稳态温度场数据同化重构方法的实现流程图;由图1中的实施流程图可知,该方法分为“数据训练”和“数据重构”两部分,通过“数据训练”部分的步骤,在实验开展前获得满足多工况测量需求的最优稀疏测点布置方案,之后基于此方案开展压气机实验测量,通过“数据重构”部分的步骤可实现基于稀疏实验测量数据重构高空间分辨率的截面稳态温度分布。
4、首先需确定稀疏测点数目m、总潜在测点数目n、多工况实验工况数p、以及重构误差阈值k,之后根据p组待测量实验工况开展对应的定常rans计算。待计算结果收敛后,提取多工况稳态温度数据并将其向量化后组合为稳态温度分布矩阵,该矩阵x为n×p的实矩阵。
5、针对该矩阵开展svd-pod分解,并将分解分解得到的左奇异矩阵(n×n)作为压缩感知正交基矩阵ψ,该矩阵为正交矩阵,满足压缩感知对基矩阵的要求。
6、选取高斯矩阵作为测量矩阵c的形式,该矩阵(m×n)的每一个元素来自均值为零、方差为1/n的高斯概率密度函数的独立分布随机变量。之后,根据y=cx将原始高维矩阵x进行投影,得到低维测量矩阵y。构造y=cx=cψs关系式,通过优化算法求解关于稀疏矩阵s的混合范数问题,得到满足各工况测量需求的稀疏矩阵,该过程需要不断迭代,迭代终止条件为无量纲均方误差mse不大于重构误差k。需说明的是本专利技术中的无量纲均方误差mse定义为原始温度信号与重构温度信号的frobenius范数,即mse=||x-ψs||f/||x||f。
7、基于上述数据训练过程所得到的稀疏测点布局方案开展压气机实验测量,将获得的实验数据构建测量矩阵y’,之后基于压缩感知原理关系式求解该布局方式对应的稀疏矩阵s’,进一步可重构得到原始高维温度分布数据x’。
本文档来自技高网...【技术保护点】
1.一种基于压缩感知的压气机进出口及级间稳态温度场数据同化重构方法,其特征是:构造一种通过将数值计算训练结果与实验测量相结合进而实现以较少测点数据重构压气机进出口及级间稳态温度的数据同化方法,该方法分为数据训练和数据重构两部分,在实验测量前通过数据训练获得满足压气机进出口及级间稳态温度测量需求的稀疏测点布局方案,基于该方案开展压气机进出口及级间实验测量可实现对压气机部件小温升实验状态下对截面稳态温度分布较高分辨率的重构,并优化测点布局,提高测量精度的同时有效降低测量成本;
【技术特征摘要】
1.一种基于压缩感知的压气机进出口及级间稳态温度场数据同化重构方法,其特征是:构造一种通过将数值计算训练结果与实验测量相结合进而实现以较少测点数据重构压气机进出口及级间稳态温度的数据同化方法,该方法分为数据训练和数据重构两部分,在实验测量...
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。