买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：北京理工大学

摘要：本发明公开的一种基于影响域‑安全域的气动热全局快速预示序列采样方法，属于航空航天领域。本发明根据预示误差分布特征通过聚类采用超球分割构建采样影响域，能够兼顾误差聚集与全局探索，保证每次新增样本落在重要区域，有效减缩采样规模；通过当地误差加权构建采样安全域，并结合maxmin准则在综合确定的重点采样空间中新增样本，有效减小新增样本冗余，节约采样成本，提升采样质量，进而提升高超声速飞行器气动热全局快速预示精度。针对工程设计问题通用性强，适用于各种代理模型，能够支撑飞行器气动热环境快速预示任务，缩短高超声速飞行器防热结构设计周期，解决超声速飞行器防热领域相关工程技术问题。

主权项：1.基于影响域-安全域的高超声速气动热全局快速预示采样方法，其特征在于：包括如下步骤，步骤一：确定初始条件和迭代终止条件；确定nv维设计变量、设计空间Ω、测试样本数nt、初始训练样本数每轮新增样本数nadd、波动系数μ和迭代终止条件；所述迭代终止条件包括预期误差阈值终止样本数阈值nest；步骤二：获取初始训练样本和测试样本及对应响应，初始化样本数据库；步骤三：构建气动热快速预示模型RPM并进行模型精度校验；步骤四：获取训练样本的预示误差分布特征；步骤四实现方法为，利用交叉验证法获取所有样本的交叉验证误差即得到训练样本的预示误差分布特征，并将大于交叉验证误差平均值的样本集Xlarge挑选出来，用于步骤五中聚类分析，能够有效评估设计空间中误差较大的区域；步骤五：根据步骤四预示误差分布特征通过聚类采用超球分割构建采样影响域，实现误差聚集与全局探索；为了获取每个数据点对所有类中心的隶属度进而实现对样本的自动分类，聚类分析方法选用FCM，步骤五具体实现方法如下，采用依次增大聚类数，通过寻找最大轮廓系数对应的聚类数来预先确定FCM的最佳聚类个数nc，以实现无监督学习；轮廓系数定义为 其中，ai为第i个样本xi与其所在簇内其它样本的平均距离，代表了簇内凝聚度；bi为样本xi与其他每个簇样本的平均距离的最小值，代表了簇间分离度；轮廓系数满足-1≤S≤1，取值越接近1说明聚类效果越好，反之越接近-1说明聚类效果越差；利用上述获取的最佳聚类个数nc对Xlarge进行聚类，每个数据点对所有类中心的整体差异表示为 其中，U＝[uij]i＝1,2,…,nc；j＝1,2,…,ns为隶属矩阵,uij表示第j个样本xj在第i个聚类的隶属度；为聚类中心；d为影响隶属度矩阵模糊化程度的指数权重，取d＝2；求解式2中的极小值问题，即得到聚类中心和隶属矩阵U*，并根据隶属矩阵U*获取每个聚类的所属样本实现误差聚集，进而得到每个聚类的影响域影响域定义为超球体，能够有效实现设计空间的全局探索，如果有多个样本，定义超球体影响域的影响半径为聚类中心到该聚类所有样本距离的最大值，超球体影响域表示为 如果只有一个样本点，定义超球体影响域为以样本安全半径r为半区间宽度的超立方体的外接超球体，表示为 步骤六：根据步骤四获取的交叉验证误差，引入误差权重系数，在大于平均误差样本的聚集区域增加更多的样本，提高其采样密度；步骤六实现方法为，所述误差权重系数包括样本的误差权重系数和聚类的误差权重系数两类，通过引入误差权重系数，提高设计空间中误差较大区域的采样密度；λj1≤j≤ns为样本xj的误差权重系数，为第i个聚类的误差权重系数，分别定义为 其中，为的中位数，为在区间[1,μ]的归一化误差，表示为 其中，μ为波动系数，满足μ＞1；步骤七：根据步骤六的误差权重系数构建采样安全域，减小新增样本冗余；步骤七实现方法为，获取每个样本的安全域新增样本拒绝落在安全域内，从而避免新增样本与当前样本空间分布过近，减小新增样本冗余；样本所属的安全域是以该样本点为球心的超球体，安全半径为该点与剩余样本点最小距离的一半乘以误差权重系数，样本xj1≤j≤ns的安全半径和安全域分别表示为 步骤八：根据步骤五获取的影响域和步骤七的安全域，构建新的气动热高精度样本设计域，利用接受-拒绝采样从若干随机样本中获取候选样本；根据步骤六的误差权重系数结合maxmin准则从候选样本中获取新增样本，提升采样质量，进而提升高超声速飞行器气动热全局快速预示精度；步骤八实现方法为，根据获取的影响域和安全域，新的设计域为初始设计空间对安全域的补集与影响域的交集，第i个聚类的设计域定义为 考虑到新的设计域为不规则区域，在整个设计空间生成随机分布的若干样本xrand，并利用接受-拒绝采样从xrand中挑选出落在设计域Dc的样本作为候选样本xcandidate；进而结合误差权重系数和maxmin准则从xcandidate中选出每轮迭代的新增样本xadd并计算响应yadd，从而提升采样质量；其中候选样本xi∈xcandidate与初始样本xj∈x的距离表示为dxi,xj＝λj||xi,xj||11最后，更新样本数据库并返回步骤三实现RPM的更新，加速提升高超声速飞行器气动热全局快速预示精度。

全文数据：

权利要求：

百度查询： 北京理工大学 基于影响域-安全域的气动热全局快速预示序列采样方法