[发明专利]基于异态特征子集集成算法的试验段马赫数建模方法

说明书

本发明公开了基于异态特征子集集成(Heterogeneous Feature Subsets Ensemble,HFSE)算法的试验段马赫数建模方法，属于计算机应用技术领域。本发明包括，第一步：基于亚音速一维等熵流理论，风洞试验段马赫数由稳定段总压和驻室静压决定，因此先建立NARX总压和静压模型结构；第二步：提出HFSE算法拟合NARX模型的非线性函数，以Fixed‑size LS‑SVM和ELM为异态基学习机，在FSE的一维特征子集上建立异态子模型；第三步：将HFSE‑NARX总压、静压模型的预测值带入经验公式，获得HFSE马赫数模型。该模型能够降低子模型集规模，提高马赫数预测精度，满足均方根误差≤0.015的要求。

技术领域

本发明涉及基于异态特征子集集成(Heterogeneous Feature SubsetsEnsemble,HFSE)算法的试验段马赫数建模方法，属于计算机应用技术领域。

背景技术

风洞(wind tunnel)是空气动力学研究和飞行器研制的最基本试验设备。它是按照特定要求而设计的管道系统，可产生均匀可控气流，根据运动的相似性以及相对性原理，在地面上模拟某种气流环境，进行空气动力学试验^[1]。风洞试验主要在试验段中进行，试验段马赫数(Mach number)作为试验过程最主要的性能指标之一，它的稳定性对风洞流场品质有着重要影响，关系到飞行器等的研制质量与水平^[2]。

本发明以我国自主研制大飞机、远程轰炸机等唯一可依托的气动力试验平台—FL-26风洞为研究对象，其具有以下特点：试验段马赫数控制精度要求高，系统调试难度大，系统调试时间长，流场品质要求高，风洞属于高能耗设备，核心设备昂贵且损耗大。面向该风洞的特点，针对高速风洞流场先进控制算法的研究，是一项探索有效解决目前新风洞流场控制精度要求高、新工况调试难度大、节能降耗、试验效率亟需提升等问题的重要研究课题。而先进控制器的有效性往往依赖于准确的被控对象模型，因此建立精度高、预测速度快的风洞试验段马赫数模型有利于马赫数控制的精度及水平的提升，更有利于试验的节能降耗。

随着科学技术的迅猛发展，风洞试验过程累积了海量数据，使得基于数据驱动的风洞试验段马赫数建模方法的研究获得了广泛关注。2013年，宋佳佳^[3]使用NARMAX(Nonlinear Auto-Regressive Moving Average with eXogenous Variables，带外部输入的非线性自回归滑动平均)辨识方法描述风洞流场的动态特性，分阶段(i.e.,起动充压阶段、稳压阶段和稳马赫数阶段)建立马赫数局部模型。实验表明马赫数的预测精度有所提高，但在同一试验过程中需要切换使用三个阶段的马赫数局部模型，切换时刻难以把握，切换点附近的马赫数预测误差过大。2014年，祖昊炜^[4]同时考虑试验的三个阶段，建立马赫数全局模型，避免了模型的切换问题，并以改进的带状态反馈的Elman神经网络拟合NARMAX模型的非线性函数。但是由于影响马赫数的因素较多，而NARMAX模型又包含着输入、输出以及误差变量的高阶时间序列，导致模型过于复杂，不利于马赫数的快速预测。

2015年，王晓军等^[5,6]选用NARX(Nonlinear Auto-Regressive with eXogenousVariable，带外部输入的非线性自回归)方法辨识风洞流场的动态特性，NARX只包含输入、输出变量的高阶时间序列，具有逼近精度高、结构简单、收敛速度快等优点，对于先进控制算法具有很好的适应性。作者针对试验的海量数据，采用集成学习算法拟合NARX模型的非线性函数，先后提出了基于样本子集的Random Forest(随机森林)马赫数模型^[5]和基于多元模糊泰勒定理的FSE(Feature Subsets Ensemble，特征子集集成)马赫数模型^[6]。实验表明FSE马赫数模型的均方根误差低于0.2％，在预测速度及精度上都优于Random Forest马赫数模型。