[发明专利]基于人工侧线的仿生机器鱼近壁面流场识别方法及系统有效
申请号: | 202110511911.0 | 申请日: | 2021-05-11 |
公开(公告)号: | CN113255243B | 公开(公告)日: | 2022-07-01 |
发明(设计)人: | 谢鸥;姚吉;葛飞飞;孙兆光;牛雪梅 | 申请(专利权)人: | 苏州科技大学 |
主分类号: | G06F30/28 | 分类号: | G06F30/28;G06F30/27;G06N3/04;G06N3/08 |
代理公司: | 苏州市中南伟业知识产权代理事务所(普通合伙) 32257 | 代理人: | 吴竹慧 |
地址: | 215009 江*** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 人工 侧线 仿生 机器 鱼近壁面流场 识别 方法 系统 | ||
1.一种基于人工侧线的仿生机器鱼近壁面流场识别方法,其特征在于,包括以下步骤:
S1、在仿生机器鱼上配置多个压力传感器,通过多个压力传感器采集压力数据;
S2、依据压力数据,采用多层前馈神经网络构建来流速度的预测回归模型和靠壁距离的预测回归模型;
S3、采用均方误差和决定系数对来流速度的预测回归模型进行评估,获得最优的来流速度的预测回归模型;
采用均方误差和决定系数对靠壁距离的预测回归模型进行评估,获得最优的靠壁距离的预测回归模型;
其中,所述S2中,多层前馈神经网络的结构参数包括输入数据特征数量、隐藏层数量、隐藏层神经元数量以及隐藏层和输出层的激活函数选择;
采用ReLU函数作为多层前馈神经网络的隐藏层激活函数,所述多层前馈神经网络的输出层采用线性激活函数;
采用最优的来流速度的预测回归模型和最优的靠壁距离的预测回归模型对近壁面流场进行识别。
2.根据权利要求1所述的基于人工侧线的仿生机器鱼近壁面流场识别方法,其特征在于,所述S3之后,还包括:
对多个压力传感器在不同靠壁距离和来流速度下采集并处理得到的压强系数求方差,获得压强系数方差曲线;
依据压强系数方差曲线,采用特征变量逐步消除法对输入数据特征进行缩减,优化特征集。
3.根据权利要求1所述的基于人工侧线的仿生机器鱼近壁面流场识别方法,其特征在于,所述S1包括:
在仿生机器鱼的头部配置压力传感器,沿仿生机器鱼的体长方向均匀配置压力传感器组;
通过多个压力传感器采集压力数据,获得整体压力数据集,其中,所述整体压力数据集包括仿生机器鱼头部的压力传感器采集的压力数据和仿生机器鱼体长方向的压力传感器组采集的压力数据;
对仿生机器鱼头部的压力传感器采集的压力数据取均值,对仿生机器鱼体长方向的压力传感器组采集的压力数据求和并取均值。
4.根据权利要求1所述的基于人工侧线的仿生机器鱼近壁面流场识别方法,其特征在于,所述S1还包括:
对压力传感器采集的压力数据进行无量纲化处理,获得归一化压强系数。
5.根据权利要求1所述的基于人工侧线的仿生机器鱼近壁面流场识别方法,其特征在于,所述S2中还包括:
获取优化的神经网络结构,具体的:
将隐藏层层数从1逐步递增到5,第一隐藏层的神经元数量从输入特征数量逐步递增到3倍,各隐藏层神经元数量呈递减规律配置,后一层神经元数量是前一层的2/3。
6.根据权利要求1所述的基于人工侧线的仿生机器鱼近壁面流场识别方法,其特征在于,所述S3中,
均方误差
决定系数
其中,Yi,分别表示预测值、观测值和均值。
7.根据权利要求2所述的基于人工侧线的仿生机器鱼近壁面流场识别方法,其特征在于,所述依据压强系数方差曲线,采用特征变量逐步消除法对输入数据特征进行缩减,优化特征集,具体包括:
对压力传感器采集的压强系数方差值按照从小到大的顺序逐步消除对应的输入数据特征。
8.一种基于人工侧线的仿生机器鱼近壁面流场识别系统,其特征在于,包括:
数据采集模块,所述数据采集模块用于在仿生机器鱼上配置多个压力传感器,通过多个压力传感器采集压力数据;
模型构建模块,所述模型构建模块依据压力数据,采用多层前馈神经网络构建来流速度的预测回归模型和靠壁距离的预测回归模型,其中,多层前馈神经网络的结构参数包括输入数据特征数量、隐藏层数量、隐藏层神经元数量以及隐藏层和输出层的激活函数选择,采用ReLU函数作为多层前馈神经网络的隐藏层激活函数,所述多层前馈神经网络的输出层采用线性激活函数;
来流速度模型优化模块,所述来流速度模型优化模块采用均方误差和决定系数对来流速度的预测回归模型进行评估,获得最优的来流速度的预测回归模型;采用最优的来流速度的预测回归模型对近壁面流场进行识别;
靠壁距离模型优化模块,所述靠壁距离模型优化模块采用均方误差和决定系数对靠壁距离的预测回归模型进行评估,获得最优的靠壁距离的预测回归模型;采用最优的靠壁距离的预测回归模型对近壁面流场进行识别。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于苏州科技大学,未经苏州科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110511911.0/1.html,转载请声明来源钻瓜专利网。
- 上一篇:一种便于拆卸更换翻土刀片的翻土机械
- 下一篇:一种一体式多功能顶出式瓶盖