申请/专利权人：中国航空工业集团公司沈阳空气动力研究所

申请日：2024-04-15

公开（公告）日：2024-06-28

公开（公告）号：CN118260869A

主分类号：G06F30/15

分类号：G06F30/15;G06F30/27;G06F30/28;G06F113/08;G06F119/14;G06F113/28

优先权：

专利状态码：在审-公开

法律状态：2024.06.28#公开

摘要：小展弦比飞翼布局的全表面压力稀疏压力场快速重构方法，属于气动力试验技术领域。为解决传统数值模拟方法反馈全局压力信息速度慢的缺陷，本发明基于不同压力位置分布构型和步骤S1得到的标签数据，进行高Ma和低Ma的流场重构任务，计算PMAE值，得到最优测压位置布局构型为猫头鹰型，计算最优测压位置布局构型的最优测压点数范围，设置全表面稀疏压力场的多层感知神经网络模型为3层，第一层的输入节点为31个、输出节点为40个，第二层的输入节点为40个、输出节点为45个，第三层的输入节点为45个、输出节点为3002个，进行训练和预测。本发明根据少数的压力信息，快速的映射全局的压力信息，为快速气动分析奠定了基础。

主权项：1.一种小展弦比飞翼布局的全表面压力稀疏压力场快速重构方法，其特征在于，包括如下步骤：S1.采用CFD计算软件平台CARIA-CFD软件计算小展弦比飞翼布局标模气动数据，输出稠密网格，提取等间隔的网格节点，并通过线性插值的方式获取每个网格节点的压力系数，换算得到各个网格节点的压力值，各个网格节点的压力值作为标签数据；S2.基于不同压力位置分布构型和步骤S1得到的标签数据，进行高Ma和低Ma的流场重构任务，计算PMAE值，得到最优测压位置布局构型为猫头鹰型；S3.基于步骤S2的猫头鹰型和步骤S1得到的标签数据，进行高Ma和低Ma的流场重构任务的多个测压点的CFD模拟，计算PMAE值，得到最优测压位置布局构型的最优测压点数范围；S4.设置全表面稀疏压力场的多层感知神经网络模型为3层，第一层的输入节点为31个、输出节点为40个，第二层的输入节点为40个、输出节点为45个，第三层的输入节点为45个、输出节点为3002个；S5.根据步骤S3得到的最优测压位置布局构型的最优测压点数范围提取步骤S1中的标签数据，进行数据前处理后作为全表面稀疏压力场的多层感知神经网络模型的输入数据训练集，利用标签数据和输入数据训练集中的数据对全表面稀疏压力场的多层感知神经网络模型进行训练，得到训练好的全表面稀疏压力场的多层感知神经网络模型；S6.根据步骤S3得到的最优测压位置布局构型的最优测压点数范围采集压力数据，进行数据前处理，然后输入到训练好的全表面稀疏压力场的多层感知神经网络模型中进行预测，得到预测数据；S7.将步骤S6得到的预测数据进行数据后处理，得到小展弦比飞翼布局的全表面压力稀疏压力场分布结果。

全文数据：

权利要求：

百度查询： 中国航空工业集团公司沈阳空气动力研究所 小展弦比飞翼布局的全表面压力稀疏压力场快速重构方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD