[发明专利]一种汽车环境风洞风速和风机转速的预测方法及装置

说明书

本申请公开了一种汽车环境风洞风速和风机转速的预测方法及装置，该方法包括：使用神经网络模型训练的方法，从预设的汽车环境风洞试验数据库中筛选出训练样本数据，训练样本数据包括输出参数风洞风速和风机转速，输入数据包括与输出结果有关联关系的参数数据，根据所述训练样本数据和参数调节对预设初始神经网络模型进行训练学习得到优化后的模型，将采集到的新的样本数据输入到优化后的模型，得到实际的结果输出。本申请解决了现有技术中风速预测的准确性、精度以及风洞运行效率较低的技术问题。

技术领域

本申请涉及汽车环境风洞技术领域，尤其涉及一种汽车环境风洞风速和风机转速的预测方法及装置。

背景技术

风速作为汽车环境风洞的重要参数，对其准确的控制和测量对于整车试验研发具有重要意义。对于整车环境风洞而言，风速的控制主要靠控制风机转速实现，但是整车环境风洞阻塞一般比较大(在40％及以上)，由于受阻塞效应的影响，风速的测量需要通过风速标定来实现。

目前，常见的风速标定方法过程为：在空风洞下使用风洞喷口皮托管测量得到风速，并将其作为参考风速，然后在不同转速下风口皮托管的风速测量，得到当前温湿度下风速和转速的对应关系为V₀＝k_fan·n_fan，然后在不同转速下使用喷口法或驻室法测量收缩段前后静压差，通过动压的修正系数得到近似动压，最后在环境风洞温度控制范围内取不同温度点重复上述标定工作，形成系数矩阵，并将系数矩阵放入风洞风速控制测量系统，以及风洞风速控制测量系统进行风速预测。但是，现有技术中存在如下缺陷：第一方面，不管是风速-转速关系式还是喷口(驻室)差压-喷口动压关系式都只是理论上的近似线性，尤其在低速时，由于边界层和雷诺数效应的影响，系数不再是定值，为此在低风速时，风速控制与测量均存在一定的偏差；第二方面，使用驻室法或喷口法只是能够降低阻塞效应的影响，但是不能完全消除，不同车型尺寸，汽车正投影面积，车头离喷口尺寸都会对测量结果产生一定的影响，随着风洞对风速精度要求的不断提高，使用线性关系式将无法满足风速控制与测量要求；第三方面气流温度对风速的计算影响较大，风速标定只能对在温度范围内的若干温度点进行标定工作，对于没标定过的温度，采用线性插值的方式进行控制与测量，无法对不同温湿度下的风速控制进行无极调节，同时进一步扩大风速误差；第四方面随着风洞使用年限的增加，风洞由于自身结构等的变化将会对风速测量的准确性产生影响，此时还需要重新对风洞进行标定，产生额外的工作量。

发明内容

本申请解决的技术问题是：针对现有技术中风速预测的准确性、精度以及风洞运行效率较低，本申请提供了一种汽车环境风洞风速和风机转速的预测方法及装置，本申请实施例所提供的方案中，通过汽车环境风洞中大量的试验数据以及预设阈值(即实际需求)对神经网络模型进行训练优化得到优化后的神经网络模型，使得优化后的神经网络模型，通过优化后的神经网络模型输出的风机转速和风洞风速，不仅能够无限逼近风洞风速和风机转速的真实情况，提高了风速和转速预测的准确性，还能实现连续温湿度下的风速测量与风机转速控制，取代系数矩阵的转速控制模式，可有效扩展风洞的试验能力，以及通过前期的数据采集进行一次性训练，大大减小由于风洞由于状态改变带来的风速标定的等额外工作量，提升风洞运行效率。

第一方面，本申请实施例提供一种汽车环境风洞风速和风机转速的预测方法，该方法包括：

从预设的汽车环境风洞试验数据库中确定出训练样本数据，根据所述训练样本数据和预设阈值对预设初始神经网络模型进行训练学习得到优化后的神经网络模型，其中，所述优化后的神经网络模型输出参数为风洞风速和风机转速；

采集当前汽车环境风洞中与风洞风速和风机转速有关联关系的参数数据，将所述参数数据输入到所述优化后的神经网络模型中得到当前风洞风速和风机转速。