[發明專利]一種機翼表面壓力重構方法、電子設備及存儲介質在審
| 申請號: | 202310432279.X | 申請日: | 2023-04-21 |
| 公開(公告)號: | CN116432556A | 公開(公告)日: | 2023-07-14 |
| 發明(設計)人: | 王祥云;李鴻巖;張小亮;曹曉峰;郭承鵬;劉哲;王強;崔榕峰 | 申請(專利權)人: | 中國航空工業集團公司沈陽空氣動力研究所 |
| 主分類號: | G06F30/28 | 分類號: | G06F30/28;G06F30/27;G06N3/0464;G06N3/048;G06N3/084;G06F30/23;G06T17/20;G01M9/00;G01M9/06;B64F5/60;G06F111/10;G06F113/28;G06F119/14 |
| 代理公司: | 哈爾濱市偉晨專利代理事務所(普通合伙) 23209 | 代理人: | 韓立巖 |
| 地址: | 110000 *** | 國省代碼: | 遼寧;21 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 機翼 表面 壓力 方法 電子設備 存儲 介質 | ||
1.一種機翼表面壓力重構方法,其特征在于,包括如下步驟:
S1、通過三維機翼風洞測壓試驗和三維機翼模型數值仿真采集機翼表面原始壓力數據,將得到的機翼表面原始壓力數據進行預處理,構建用于機翼表面壓力重構的深度神經網絡數據集;
S2、構建機翼表面壓力重構深度神經網絡模型,通過損失函數的修改實現步驟S1得到的用于機翼表面壓力重構的深度神經網絡數據集中試驗數據和數值仿真數據兩種來源數據樣本的融合,并對構建的機翼表面壓力重構深度神經網絡模型進行訓練測試;
S3、對步驟S2構建的機翼表面壓力重構深度神經網絡模型的超參數采用粒子群優化算法進行優化,得到優化后的機翼表面壓力重構深度神經網絡模型;
S4、利用步驟S3得到的優化后的機翼表面壓力重構深度神經網絡模型,應用于新飛機模型風洞測壓試驗,重構模型機翼表面的全息壓力分布,預測模型機翼表面非測量點的氣動載荷分布數據,并對預測的全息壓力分布數據進行評估驗證。
2.根據權利要求1所述的一種機翼表面壓力重構方法,其特征在于,步驟S1的具體實現方法包括如下步驟:
S1.1、三維機翼風洞測壓試驗和三維機翼模型數值仿真計算采集機翼表面原始壓力數據,包括馬赫數、攻角、側滑角、總壓、雷諾數、表面壓力系數;
S1.2、設置三維機翼模型的預期精度為三維機翼的展向節點數為57~81,三維機翼的弦向節點數為161~241,根據三維機翼模型的預期精度進行網格劃分,得到三維機翼模型的網格節點,作為三維機翼模型的全息網格節點;
S1.3、將步驟S1.2得到的三維機翼模型的全息網格節點根據三維機翼模型的網格節點按照行、列進行排列,得到展開的三維機翼模型的全息網格節點;
S1.4、根據步驟S1.3得到的展開的三維機翼模型的全息網格節點坐標信息數據對步驟S1.1獲得的機翼表面原始壓力數據進行采樣,通過插值得到三維機翼模型的全息網格節點壓力數據;并根據風洞測壓試驗測壓點位置獲得對應三維機翼模型的全息網格節點的二維展開坐標信息數據;
S1.5、構建用于機翼表面壓力重構的深度神經網絡數據集,包括:用于機翼表面壓力重構的深度神經網絡數據集的數據包括工況狀態參數、預期精度網格點數據、測壓試驗原始表面壓力數據、測壓試驗原始表面壓力數據對應三維機翼模型的全息網格節點的位置數據、測壓試驗原始表面壓力數據對應三維機翼模型的全息網格節點的數值仿真表面壓力數據。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于中國航空工業集團公司沈陽空氣動力研究所,未經中國航空工業集團公司沈陽空氣動力研究所許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202310432279.X/1.html,轉載請聲明來源鉆瓜專利網。





