技术特征：
1.一种基于神经网络参数调度的风洞多工况建模方法，其特征在于，包括如下步骤：s1、获取低温风洞不同工况下马赫数、总温和总压，以及压缩机转速、排气流量和液氮喷射流量数据，并经过数据预处理后作为低温风洞模型的输出和输入时间序列数据；s2、分别设计马赫数回路、总温回路和总压回路的模型结构，根据系统辨识方法，对不同工况下的低温风洞的线性模型进行辨识实验，得到各工况下的传递函数模型；s3、以不同工况下的马赫数、总温和总压作为网络输入序列，以提取传递函数模型的特征参数作为训练输出，构建神经网络调度模型；s4、利用神经网络模型计算不同时刻对应工况下模型特征参数，并对标称工况下的模型进行更新。2.根据权利要求1所述的基于神经网络参数调度的风洞多工况建模方法，其特征在于，所述步骤s1的具体做法如下：从低温风洞控制系统现场的实时控制系统中读取记录每组工况下马赫数回路、总温回路和总压回路中的压缩机转速，排气流量和液氮喷射流量数据，对数据进行预处理进而形成模型辨识数据。3.根据权利要求2所述的基于神经网络参数调度的风洞多工况建模方法，其特征在于，所述步骤s2的具体做法如下：s21、将低温风洞系统划分为马赫数回路、总温回路和总压回路，马赫数、总温和总压由压缩机转速、液氮流量和排气流量共同影响；s22、根据马赫数回路动态较快的特点，结合辨识实验结果，设计马赫数回路模型方案，用于对马赫数回路模型进行辨识求取；根据总温回路特性变化较慢的特点，结合辨识实验结果和先验知识，设计总温回路模型方案，用于对总温回路模型进行辨识求取；根据总温回路积分特性的特点，结合辨识实验结果和先验知识，设计总压回路模型方案，用于对总压回路模型进行辨识求取；s23、根据确定的模型结构，在每个局部工况下利用传统辨识方法进行辨识实验，得到各回路在不同工况下的传递函数子模型。4.根据权利要求3所述的基于神经网络参数调度的风洞多工况建模方法，其特征在于，所述步骤s3的具体做法如下：s31、对步骤s2中所得各工况下各回路的传递函数子模型进行特征抽取，将每个回路传递函数子模型在不同工况下的传递函数子模型的模型增益、时间常数、纯滞后参数作为表征该模型的特征，其中传递函数子模型如下：；其中表示第个回路的第个子模型在时刻工况下的传递函数子模型，s是变量；为时刻工况下的传递函数子模型的模型增益，为时刻工况下的传递函数子模型的时间常数，为时刻工况下的传递函数子模型的纯滞后参数；s32、对每个特征参数分别建立对应的神经网络模型，以模型增益为例，其神经网络模型为：
；其中：，,，为网络输入，即不同时刻工况下风洞系统的马赫数、总温和总压，；为网络输出：，其中，，分别表示在时刻工况下第个回路的第个子模型的模型增益、时间常数和纯滞后参数；为输入层和隐含层节点之间的连接权值，为隐含层和输出层之间的连接权值；表示隐含层的输出，表示输出层的输入，表示非线性激活函数；是隐含层神经元个数；s33、对网络采用梯度下降算法进行训练最后得到基于工况的调度模型。5.根据权利要求4所述的基于神经网络参数调度的风洞多工况建模方法，其特征在于，所述步骤s4的具体做法如下：s41、针对时刻工况下马赫数、总温和总压实时数据为，通过训练好的神经网络调度模型，计算出对应回路传递函数子模型在该工况下的模型增益、时间常数和纯滞后参数，即；s42、利用如下公式计算当前时刻的特征参数增益与标称模型的特征参数的比值：，其中：为时刻模型增益与标称工况模型增益的比值；为时刻模型时间常数与标称工况模型时间常数的比值；为时刻模型纯滞后参数与标称工况模型纯滞后时间的比值；为标称工况模型增益；为标称工况模型时间常数；为标称工况模型纯滞后时间；标称模型为风洞标定工况下的模型；s43、通过增益比值对标称模型进行更新。6.根据权利要求5所述的基于神经网络参数调度的风洞多工况建模方法，其特征在于，所述步骤s3中训练的神经网络模型，对应马赫数、总温和总压各回路的传递函数子模型，每个神经网络的参数各不相同，每一个神经网络均基于现场不同工况的数据输出对应传递函数子模型在时刻工况下模型的增益、时间常数和纯滞后参数。
技术总结
本发明涉及低温风洞系统建模领域，公开了一种基于神经网络参数调度的风洞多工况建模方法，首先根据风洞运行的典型工况将的整个操作空间分解成不同局部工况下的简单局部线性区域，然后利用系统辨识方法建立每个局部区域的一阶线性模型，之后提取每个一阶线性模型的模型增益，时间常数和纯滞后作模型特征参数，并以神经网络模型作为模型特征参数的调度函数，建立低温风洞系统大范围工况下的一阶参变模型。本发明与现有方法相比，利用神经网络非线性映射能力强的特点作为时变参数的调度函数，建立了风洞系统多工况的时变模型，能更好地描述风洞模型非线性特征，模型精度更高。模型精度更高。模型精度更高。
技术研发人员：张双喜 祝汝松 王宁 何勇军
受保护的技术使用者：中国空气动力研究与发展中心设备设计与测试技术研究所
技术研发日：2023.02.09
技术公布日：2023/3/17