[发明专利]一种飞行器表面的气动热环境智能预测方法

权利要求书

1.一种飞行器表面的气动热环境智能预测方法，其特征在于，包括

S1：构建多外形多条件气动热数据库；

S2：提取飞行器外形全局特征；

S3：提取飞行器局部区域特征；

S4：将飞行条件参数化；

S5：融合邻域特性的气动热智能预测模型；

S6：进行飞行器表面气动热智能预测模型测试；

步骤S1具体包括以下步骤：

S11：针对球头、钝锥、钝双锥、双椭球、升力体、航天飞机的6大类不同飞行器三维数模外形，在飞行高度为20km、30km、35km、40km、45km、50km、60km，马赫数范围为5、10、15、20，攻角范围为0°、2.5°、 5°、7.5°、10°、12.5°、15°、17.5°、20°，分别进行数值模拟计算获得飞行器表面热流场；

S12：在任意飞行器i的表面进行随机投点采样，获得覆盖飞行器表面的N个点的空间坐标值(x1i,y1i,z1i)～ (xNi,yNi,zNi)，通过步骤S11获得飞行器i在飞行条件j下的热流场分布Qij；之后对热流场Qij进行插值计算，得到N个点对应的热流值Q1ij～Qnij；针对步骤S11中得到的所有飞行器外形和热流场Qij进行投点和插值操作，形成气动热数据库；

步骤S2具体包括以下步骤：

S21：基于点云数据的飞行器全局特征提取：步骤S12中获得了覆盖飞行器表面的N个点的坐标，使用这N个点作为输入，通过自动编码器编码到64维的特征向量d1，再解码到与输入大小相同的输出向量，通过最小化输出与输入之间的重构误差训练自动编码器；训练完成后，将向量d1视为飞行器表面的特征向量；

S22：基于投影的飞行器全局特征提取：对飞行器的三维数模外形分别在x-y、y-z和x-z平面进行投影，获得3个投影平面的二维飞行器外形，通过二维自动编码器抽取飞行器的投影特征d2，d2维度为64；

S23：将步骤S21获得的向量d1和步骤S22获得的向量d2拼接得到飞行器外形全局特征向量dg，向量维度为128维。

2.根据权利要求1所述的一种飞行器表面的气动热环境智能预测方法，其特征在于，步骤S3具体包括以下步骤：

S31：对步骤S12中产生的N个点，计算任意两个点之间的距离，并获得离每个点最近的3个邻居点的坐标，形成N个点的邻居列表L，L中每一项是一个3*3的矩阵，第一个3表示3个邻居点，第二个3表示x,y,z三个坐标值；

S32：使用步骤S31中得到的邻居列表L，计算每个点的邻居坐标协方差矩阵，之后计算协方差矩阵的特征值和特征向量，并使用最小特征值对应的特征向量作为法向量，最终获得所有点处的法向量；

S33：使用步骤S31中得到的邻居列表L和步骤S32中获得的所有点法向量，得到N个点的邻居点的法向量列表，计算每个点的法向量与其3个邻居点的法向量之间的夹角；

S34：计算N个点处的表面曲率、主曲率、高斯曲率和平均曲率；

S35：对所有点计算步骤S32获得的法向量与飞行攻角之间的夹角，并依据夹角判断各个点处于迎风区还是背风区，当点的法向量与攻角方向的夹角在0～90°之间，说明该点处于迎风区，当夹角为钝角时，说明该点处于背风区；

S36：对每个表面点，将步骤S12中得到的三维点坐标、步骤S32中得到的三维法向量、步骤S33中得到的三维法向量夹角、步骤S34中得到的4个四维曲率、步骤S35中得到的一维夹角以及一维迎风背风区归属，共6个步骤的输出向量拼接成一个长度为15的向量；

S37：对所有外形的所有表面点，均采用步骤S31～S36产生100*N个15维向量，并使用这些数据训练一个自动编码器，自动编码器输入长度为15，包含编码器和解码器，编码器输出为128，解码器输入为编码器输出，解码器输出长度与编码器输入长度相同，均为15，通过最小化解码器输出与自动编码器输入的重构误差训练自动编码器；训练完成后，抛弃解码器，使用编码器输出的128维向量d_L代表表面点的局部特征。