[發明專利]一種面向翼型的壓力系數曲線智能生成方法

有效

• 申請號: 202010376465.2
• 申請日: 2020-05-07
• 公開（公告）號: CN111625901B
• 公開（公告）日: 2022-05-31
• 發明（設計）人: 王岳青;鄧亮;楊志供;趙丹;喻杰;陳呈;楊文祥;王昉
• 申請（專利權）人: 中國空氣動力研究與發展中心計算空氣動力研究所
• 主分類號: G06F30/15
• 分類號: G06F30/15;G06F30/27;G06N3/08;G06F113/08;G06F119/14
• 代理公司: 成都九鼎天元知識產權代理有限公司 51214
• 代理人: 孫杰

1.一種面向翼型的壓力系數曲線智能生成方法，其特征在于，包括以下步驟：

步驟1、根據已有翼型庫進行數據擴充得到翼型數據庫，包含每個翼型對應的翼型坐標；

步驟2、對每個翼型采用不同的來流條件組合計算對應的壓力系數曲線，構建若干包含該翼型的翼型坐標、來流條件組合及來流條件組合對應的壓力系數曲線坐標的數據對；

步驟3、構建生成對抗網絡模型；

步驟4、利用每個翼型的所有數據對生成對抗網絡進行訓練得到固定參數的生成網絡模型；

步驟5、將翼型、來流條件輸入生成網絡模型，輸出該翼型的壓力系數曲線；

所述步驟1中，數據擴充的具體方法為：

步驟11、對已有翼型進行重構；

步驟12、在重構后翼型的翼型坐標中添加擾動，通過控制參數生成新的翼型；

所述步驟11中，重構的具體方法為：基于型函數/類函數變換的參數化方對翼型坐標進行重構，計算M個控制系數，得到與原翼型相似的重構翼型；

所述步驟12中，添加擾動的具體方法為：

其中，x、y表示翼型坐標向量，N1、N2表示控制參數，通過調整控制參數生成新的翼型；A_j表示控制系數，y′表示新生成翼型的y坐標；

所述步驟3中，構建生成對抗網絡的具體方法為：采用深度神經網絡構建生成對抗網絡，包括生成器和判別器兩部分，所述生成器輸入為翼型坐標、來流條件組合，輸出為壓力系數曲線；所述判別器輸入為壓力系數曲線，輸出為判別類型，所述判別類型包括生成器生成的結果數據和CFD計算得到的結果數據；

所述構建的生成對抗網絡中判別器和生成器的代價函數為：

其中，J_D表示判別器的代價函數，J_G表示生成器的代價函數，(I_i,c_i,T_i)表示數據對，I_i表示輸入的第i個數據對的翼型坐標，c_i表示第i個數據對的攻角、馬赫數和雷諾數，是一個三維向量，T_i表示使用CFD計算得到的壓力系數曲線的坐標，D表示判別器，G表示生成器，N表示所有數據對的數量，即翼型個數乘以每個翼型對應的數據對個數的數量；D(T_i)表示判別器作用于真實壓力系數曲線后的輸出，G(I_i,c_i)表示輸入翼型坐標和來流條件經過生成器后生成的壓力系數曲線坐標,D(G(I_i,c_i))表示將生成的壓力系數曲線送入判別器后的輸出；表示D(G(I_i,c_i))對G(I_i,c_i)的偏導數。

2.根據權利要求1所述的面向翼型的壓力系數曲線智能生成方法，其特征在于，所述步驟2中，計算壓力系數曲線的具體方法為：采用CFD求解N-S方程計算得到壓力系數曲線，其中，來流條件組合為馬赫數、雷諾數、機翼攻角三個參數組合，采用離散化組合方式對三個參數進行組合得到若干組來流條件組合。

3.根據權利要求1所述的面向翼型的壓力系數曲線智能生成方法，其特征在于，所述步驟4中，訓練具體方法為：將每個機翼的數據對輸入生成對抗網絡模型，通過交替訓練方法，訓練生成器G和判別器D直至收斂，之后固定生成器和判別器的各層參數，完成生成網絡模型的訓練。

4.根據權利要求1所述的面向翼型的壓力系數曲線智能生成方法，其特征在于，還包括，步驟6、對預測的壓力系數曲線進行后處理，使用滑動窗口平滑去噪，得到光滑壓力系數曲線。