[发明专利]一种基于有监督学习模型的翼型转捩区域判断方法

说明书

本发明提供一种基于有监督学习模型的翼型转捩区域判断方法，包括以下步骤：将脉动压力信号序列转化为马尔科夫状态；获得马尔科夫状态序列的特征向量；使用隐马尔科夫模型对特征向量进行预分类；建立训练完成的隐藏属性的概率密度分布函数，实现翼型表面不同采样点转捩状态预测。本发明发展的模型有效可靠；使用同一个雷诺数的实验数据进行模型训练，可以对不同雷诺数的实验数据进行可靠的预测；与传统的RMS判据相比，本发明发展的分类模型无需对多个位置的信号进行比较即可预测出一个合理的“转捩区”。本发明建立的有监督学习模型为转捩分析提供了新的思路。

技术领域

本发明属于空气动力学技术领域，具体涉及一种基于有监督学习模型的翼型转捩区域判断方法。

背景技术

转捩判断一直是空气动力学领域中的前沿问题，目前，对转捩的研究大多还是基于实验方法。实验中常用的相变检测方法包括热线风速仪法、温敏涂料法、红外热像法和热膜传感器法等。以上方法具有以下缺陷：1)热线风速仪具有侵入性，只能提供点方向的流量信息。2)温敏涂料法需实验前在模型表面涂上感温涂料。3)红外热成像和热膜传感器法，具有操作较为复杂的问题。而且，上述各种检测方法不利于飞行试验。因此，寻求方便、有效、实用的转捩检测方法仍然是十分必要的。

与上述实验方法相比，压力传感器检测边界层特性更加方便实用。早在20世纪70年代，Helle利用声学技术探测到高超音速再入飞行器上的气流过渡。Lews和Banner利用表面压力脉动测量研究X-15垂直翼上的边界层转捩。随着压力传感器制造技术的进步，传感器的快速响应和小型化得到了很大提高。在风洞实验中，用于流动转捩探测的压力传感器测量技术已应用于从低速流到高超声速的速度范围内。

尽管如此，使用传统的脉动压力RMS值进行转捩位置判断仍有不尽如人意的地方。传统的RMS判据认为，在翼型表面，转捩位置的RMS值较层流区和湍流区有峰值。一般情况下，翼型表面脉动压力RMS峰值只有一个，这就意味着，转捩位置只有一个，即“转捩点”，而实际情况中，翼型表面的转捩位置是一个转捩区，而不是转捩点。因此，传统的脉动压力RMS值进行转捩检测方法，检测结果具有较大的局限性。另外，为获得翼型表面脉动压力RMS峰值，需要多个位置的RMS值进行比较，在极限情况下，假如翼型表面只有一个脉动压力传感器，传统的RMS判据会失效，从而无法检测到“转捩点”。

发明内容

针对现有技术存在的缺陷，本发明提供一种基于有监督学习模型的翼型转捩区域判断方法，可有效解决上述问题。

本发明采用的技术方案如下：

本发明提供一种基于有监督学习模型的翼型转捩区域判断方法，包括以下步骤：

步骤1，获取被研究的翼型表面N个样本，分别为：样本C₁，样本C₂,...,样本C_N；样本C₁，样本C₂,...,样本C_N为翼型表面不同位置点的样本；

对于任意样本C_i，i＝1,2,...,N，为翼型表面对应位置点的脉动压力信号序列，表示为：C_i＝c_i1,c_i2,...,c_im；其中，c_i1,c_i2,...,c_im分别代表t_i1,t_i2,...,t_im时刻的脉动压力信号；t_i1,t_i2,...,t_im为采样时间序列；