[發(fā)明專利]基于異態(tài)特征子集集成算法的試驗段馬赫數(shù)建模方法

有效

• 申請?zhí)枺?/td>: 201710219638.8
• 申請日: 2017-04-06
• 公開（公告）號: CN107122526B
• 公開（公告）日: 2020-09-22
• 發(fā)明（設計）人: 王曉軍;王曉艷;袁平
• 申請（專利權(quán)）人: 大連大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06F30/28;G06N3/08;G06F113/08
• 代理公司: 大連八方知識產(chǎn)權(quán)代理有限公司 21226
• 代理人: 衛(wèi)茂才

本發(fā)明公開了基于異態(tài)特征子集集成(Heterogeneous Feature Subsets Ensemble,HFSE)算法的試驗段馬赫數(shù)建模方法，屬于計算機應用技術(shù)領(lǐng)域。本發(fā)明包括，第一步：基于亞音速一維等熵流理論，風洞試驗段馬赫數(shù)由穩(wěn)定段總壓和駐室靜壓決定，因此先建立NARX總壓和靜壓模型結(jié)構(gòu)；第二步：提出HFSE算法擬合NARX模型的非線性函數(shù)，以Fixed?size LS?SVM和ELM為異態(tài)基學習機，在FSE的一維特征子集上建立異態(tài)子模型；第三步：將HFSE?NARX總壓、靜壓模型的預測值帶入經(jīng)驗公式，獲得HFSE馬赫數(shù)模型。該模型能夠降低子模型集規(guī)模，提高馬赫數(shù)預測精度，滿足均方根誤差≤0.015的要求。

技術(shù)領(lǐng)域

本發(fā)明涉及基于異態(tài)特征子集集成(Heterogeneous Feature SubsetsEnsemble,HFSE)算法的試驗段馬赫數(shù)建模方法，屬于計算機應用技術(shù)領(lǐng)域。

背景技術(shù)

風洞(wind tunnel)是空氣動力學研究和飛行器研制的最基本試驗設備。它是按照特定要求而設計的管道系統(tǒng)，可產(chǎn)生均勻可控氣流，根據(jù)運動的相似性以及相對性原理，在地面上模擬某種氣流環(huán)境，進行空氣動力學試驗^[1]。風洞試驗主要在試驗段中進行，試驗段馬赫數(shù)(Mach number)作為試驗過程最主要的性能指標之一，它的穩(wěn)定性對風洞流場品質(zhì)有著重要影響，關(guān)系到飛行器等的研制質(zhì)量與水平^[2]。

本發(fā)明以我國自主研制大飛機、遠程轟炸機等唯一可依托的氣動力試驗平臺—FL-26風洞為研究對象，其具有以下特點：試驗段馬赫數(shù)控制精度要求高，系統(tǒng)調(diào)試難度大，系統(tǒng)調(diào)試時間長，流場品質(zhì)要求高，風洞屬于高能耗設備，核心設備昂貴且損耗大。面向該風洞的特點，針對高速風洞流場先進控制算法的研究，是一項探索有效解決目前新風洞流場控制精度要求高、新工況調(diào)試難度大、節(jié)能降耗、試驗效率亟需提升等問題的重要研究課題。而先進控制器的有效性往往依賴于準確的被控對象模型，因此建立精度高、預測速度快的風洞試驗段馬赫數(shù)模型有利于馬赫數(shù)控制的精度及水平的提升，更有利于試驗的節(jié)能降耗。

隨著科學技術(shù)的迅猛發(fā)展，風洞試驗過程累積了海量數(shù)據(jù)，使得基于數(shù)據(jù)驅(qū)動的風洞試驗段馬赫數(shù)建模方法的研究獲得了廣泛關(guān)注。2013年，宋佳佳^[3]使用NARMAX(Nonlinear Auto-Regressive Moving Average with eXogenous Variables，帶外部輸入的非線性自回歸滑動平均)辨識方法描述風洞流場的動態(tài)特性，分階段(i.e.,起動充壓階段、穩(wěn)壓階段和穩(wěn)馬赫數(shù)階段)建立馬赫數(shù)局部模型。實驗表明馬赫數(shù)的預測精度有所提高，但在同一試驗過程中需要切換使用三個階段的馬赫數(shù)局部模型，切換時刻難以把握，切換點附近的馬赫數(shù)預測誤差過大。2014年，祖昊煒^[4]同時考慮試驗的三個階段，建立馬赫數(shù)全局模型，避免了模型的切換問題，并以改進的帶狀態(tài)反饋的Elman神經(jīng)網(wǎng)絡擬合NARMAX模型的非線性函數(shù)。但是由于影響馬赫數(shù)的因素較多，而NARMAX模型又包含著輸入、輸出以及誤差變量的高階時間序列，導致模型過于復雜，不利于馬赫數(shù)的快速預測。

2015年，王曉軍等^[5,6]選用NARX(Nonlinear Auto-Regressive with eXogenousVariable，帶外部輸入的非線性自回歸)方法辨識風洞流場的動態(tài)特性，NARX只包含輸入、輸出變量的高階時間序列，具有逼近精度高、結(jié)構(gòu)簡單、收斂速度快等優(yōu)點，對于先進控制算法具有很好的適應性。作者針對試驗的海量數(shù)據(jù)，采用集成學習算法擬合NARX模型的非線性函數(shù)，先后提出了基于樣本子集的Random Forest(隨機森林)馬赫數(shù)模型^[5]和基于多元模糊泰勒定理的FSE(Feature Subsets Ensemble，特征子集集成)馬赫數(shù)模型^[6]。實驗表明FSE馬赫數(shù)模型的均方根誤差低于0.2％，在預測速度及精度上都優(yōu)于Random Forest馬赫數(shù)模型。