本发明涉及航空航天领域,具体而言,涉及采用多可信度数据融合技术实现飞行器近场的压力分布高精度预测方法。
背景技术:
1、新一代超声速客机发展的关键难题是降低超声速飞行带来的声爆。降低超声速客机的声爆水平使其能够在陆地上空超声速飞行,将带来巨大的潜在市场。低声爆设计的关键环节是实现高精度声爆水平的预测。目前高精度声爆预测主流方法采用计算流体力学(cfd)的方法来计算声爆的近场压力波形,然后利用声传播方程获得远场压力信号,进而计算获得声爆水平。cfd计算的精度决定声爆水平的预测精度,而对于超声速流场的精细模拟需要大量的计算网格以捕捉激波位置、激波强度等关键信息。超声速全机三维精细模拟需要数千万量级的网格,导致计算过程效率不高,制约气动布局设计效率。
2、多可信度模型可以将大量低可信度数据与少量高可信度数据有机融合,获得高可信度数据预测模型。由于低可信度数据的计算成本较低,同时又融合高可信度数据信息,因此多可信度模型能够实现高效、高精度数据预测。然而,常规多可信度模型只针对单一响应数据(如升力、阻力等),无法实现分布数据(如近场压力分布)的多可信度融合。
3、综上,建立一种适用于分布数据的多可信度数据融合方法,能够大幅提高近场压力分布的预测精度与效率,对提高超声速客机全机三维声爆预测水平、提升超声速客机低声爆设计能力具有重要意义。
技术实现思路
1、本发明提供了一种基于多可信度数据融合的飞行器近场压力分布预测方法、系统及相关设备,旨在解决现有技术中多可信度模型只针对单一响应数据,无法实现分布数据的可信度融合,以及预测精度与效率低的问题。
2、第一方面,本发明的实施例提供了一种基于多可信度数据融合的飞行器近场压力分布预测方法,具体包括如下步骤:
3、s1:飞行器外形参数化;采用参数化方法描述飞行器气动外形,建立飞行器外形参数化设计空间,其中,设计变量数目为m;
4、s2:实验设计;采用拉丁超立方方法,生成n个样本点,其中,n取值为设计变量数目m的倍数,样本集记为s,样本集s中的每一行代表一个设计变量si,生成对应的气动外形粗网格,得到对应外形的压力分布数据存放在矩阵y中;对样本集s中的前p个样本进行高精度计算,对前p个样本对应的外形生成细网格并进行分析,得到的压力分布数据存放在矩阵x中;
5、s3:数据降阶;利用pca主成分分析方法或kpca核主成分分析方法,对x、y高、低可信度数据降阶,选定降阶的主成分分量数目d,获得x、y在低维空间的投影,即隐空间变量z,w;
6、s4:隐空间维度对齐;采用普氏分析方法求解w的旋转矩阵q,z l f = s q w,转换使得|| z – z l f ||最小,其中s为缩放因子,q为旋转矩阵;
7、s5:多可信度模型建立;建立设计变量与隐空间变量的多可信度代理模型,融合z,z l f,采用多可信度代理模型,对z, z l f对应的每个分量建立多可信度模型,总共需要建立d个模型;模型的自变量为设计变量si,输出为高精度的隐空间变量z;
8、s6:近场压力分布预测;给定设计变量si,通过多可信度模型预测隐空间变量z;通过pca或kpca模型预测隐空间变量z对应的高维空间数据,即获得了设计变量si对应的压力分布数据。
9、第二方面,本发明的实施例提供了一种基于多可信度数据融合的飞行器近场压力分布预测系统,包括:
10、参数设置模块,用于将飞行器外形参数化,并建立飞行器外形参数化设计空间,其中,设计变量数目为m;
11、网格生成模块,用于计算并生成飞行器气动外形网格;采用拉丁超立方方法,生成n个样本点,其中,n取值为设计变量数目m的倍数,样本集记为s,样本集s中的每一行代表一个设计变量si,生成对应的气动外形粗网格,得到对应外形的压力分布数据存放在矩阵y中;对样本集s中的前p个样本进行高精度计算,对前p个样本对应的外形生成细网格并进行分析,得到的压力分布数据存放在矩阵x中;
12、数据处理模块,用于实现数据降阶;利用pca主成分分析方法或kpca核主成分分析方法,对x、y高、低可信度数据降阶,选定降阶的主成分分量数目,获得x、y在低维空间的投影,即隐空间变量z,w;隐空间维度对齐,采用普氏分析方法求解w的旋转矩阵q,z l f = s qw,转换使得|| z – z l f ||最小,其中s为缩放因子,q为旋转矩阵;
13、模型建立模块,用于建立多可信度模型;首先建立设计变量与隐空间变量的多可信度代理模型,融合z, z l f,然后采用多可信度代理模型,对z, z l f对应的每个分量建立多可信度模型,总共需要建立d个模型;模型的自变量为设计变量si,输出为高精度的隐空间变量z;
14、分析预测模块,用于近场压力分布的预测;给定设计变量si,通过多可信度模型预测隐空间变量z;通过pca或kpca模型预测隐空间变量z对应的高维空间数据,即获得了设计变量si对应的压力分布数据。
15、第三方面,本发明的实施例提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述方法的步骤。
16、第四方面,本发明的实施例提供了一种计算机设备,包括可读存储介质、处理器以及存储在可读存储介质上并可在处理器上运行的计算机程序,所述计算机程序被处理器执行时实现上述方法的步骤。
17、本发明具有如下有益效果:
18、1、实现分布数据降阶,利用少量的主成分分量描述整个压力分布数据,获取了数据的主要特征,降低了压力分布数据的描述难度;
19、2、多可信度数据融合,通过普氏分析方法将高/低可信度数据映射到相同的低维坐标系下,采用多可信度代理模型建立两组隐空间变量的融合模型,利用大量低成本的低精度数据提供模型趋势,并利用少量高精度数据进行模型修正,获得低可信度数据辅助、高可信度修正的多可信度数据模型,模型预测替代了耗时的cfd模拟,实现了压力分布的高精度高效率预测,达到模型输入设计变量到高可信度分布数据快速预测的目的;
20、3、高效率声爆预测,基于多可信度模型,建立设计变量与对应压力分布的映射关系,据此进行声爆预测,可快速获得不同外形声爆水平分析所需要的近场压力分布。
1.一种基于多可信度数据融合的飞行器近场压力分布预测方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的一种基于多可信度数据融合的飞行器近场压力分布预测方法,其特征在于:步骤s4中普氏分析方法的具体求解步骤为:取w的前p行,记为w l,对矩阵w l zt求奇异值分解,即;可得缩放因子 ,旋转矩阵,其中,为特征值对角阵,u为左奇异矩阵、v为右奇异矩阵。
3.根据权利要求1所述的一种基于多可信度数据融合的飞行器近场压力分布预测方法,其特征在于:步骤s5中,利用cokriging模型,建立设计变量与隐空间变量的多可信度代理模型,融合z, z l f,共需要建立d个模型;至此得到设计变量与z的多可信度代理模型,模型输入新的设计变量可得到对应的隐空间变量。
4.根据权利要求1所述的一种基于多可信度数据融合的飞行器近场压力分布预测方法,其特征在于:在步骤s6近场压力分布预测后,还包括:利用多可信度数据融合模型预测多个不同气动外形的近场压力分布并采用高精度cfd进行校验。
5.一种基于多可信度数据融合的飞行器近场压力分布预测系统,其特征在于,包括:
6.根据权利要求5所述的一种基于多可信度数据融合的飞行器近场压力分布预测系统,其特征在于:数据处理模块,采用普氏分析方法的具体求解步骤为:取w的前p行,记为w l,对矩阵w l zt求奇异值分解,即;可得缩放因子 ,旋转矩阵,其中,为特征值对角阵,u为左奇异矩阵、v为右奇异矩阵。
7.根据权利要求5所述的一种基于多可信度数据融合的飞行器近场压力分布预测系统,其特征在于:数据处理模块,利用cokriging模型,建立设计变量与隐空间变量的多可信度代理模型,融合z, z l f,共需要建立d个模型;至此得到设计变量与z的多可信度代理模型,模型输入新的设计变量可得到对应的隐空间变量。
8.根据权利要求5所述的一种基于多可信度数据融合的飞行器近场压力分布预测系统,其特征在于:还包括校验模块,在近场压力分布预测后,利用多可信度数据融合模型预测多个不同气动外形的近场压力分布,并采用高精度cfd进行校验。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1~4中任一项所述方法的步骤。
10.一种计算机设备,包括可读存储介质、处理器以及存储在可读存储介质上并可在处理器上运行的计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1~4中任一项所述方法的步骤。