[发明专利]基于属性约简的翼型气动力系数预测方法、电子设备及存储介质

说明书

基于属性约简的翼型气动力系数预测方法、电子设备及存储介质，属于飞行器技术领域。为解决翼型在其他外形几何参数或状态参数下的气动力系数预测时存在的精度差的问题。本发明对翼型进行CST参数化，获得表征翼型外形几何参数的翼型CST参数，然后进行属性约简，得到翼型约简后的属性，进行风洞试验或CFD数值仿真，获取翼型约简后的气动数据；然后通过自适应提升方法对获得的翼型约简后的气动数据建立预测模型并进行训练，直至满足目标评价条件。本发明有效消除数据冗余所带来的影响，减小预测模型的训练难度，有助于提升训练效率，进而提高气动力系数的预测精度。

技术领域

本发明属于飞行器技术领域，具体涉及基于属性约简的翼型气动力系数预测方法、电子设备及存储介质。

背景技术

飞机机翼、航空发动机螺旋桨、涡轮叶片、压气机叶片的二维界面轮廓均为翼型。翼型的气动优化设计在航空航天领域具有重要作用，需要大量的风洞试验及CFD计算。目前，在进行风洞试验时，往往根据试验需求设计试验大纲，确定吹风车次，例如，试验初期进行了0.6马赫数、0.8马赫数、1.0马赫数和1.2马赫数的试验，而后续研究又需要改变部分几何参数在0.9马赫数、0.95马赫数、1.1马赫数条件下的试验数据时，传统的风洞试验数据分析方法往往通过线性插值的方式进行预测。又如，CFD数值仿真得到某几何外形的翼型气动数据，但需要对其外形进行优化，针对不同几何参数的气动外形需要重新划分网格、数值计算、后处理等操作。但是传统插值法及重新进行CFD数值仿真获得其他外形几何参数或状态参数下的气动特性时存在精度差、效率低、成本高的问题。翼型的气动优化设计涉及的几何外形参数量大，数据维度高，会造成维度灾难，导致预测精度下降，容易产生过拟合现象

发明内容

本发明要解决的问题是传统插值法及重新进行CFD数值仿真获得翼型在其他外形几何参数或状态参数下的气动力系数时存在的精度差、效率低、成本高以及几何外形参数量大，数据维度高，会造成维度灾难、预测精度下降、容易产生过拟合现象的问题，提出基于属性约简的翼型气动力系数预测方法、电子设备及存储介质。

为实现上述目的，本发明通过以下技术方案实现：

一种基于属性约简的翼型气动力系数预测方法，包括如下步骤：

S1、对翼型进行CST参数化，获得表征翼型外形几何参数的翼型CST参数；

S2、对步骤S1获得的翼型CST参数进行属性约简，得到翼型约简后的属性；

S3、对步骤S2翼型约简后的属性进行风洞试验或CFD数值仿真，获取翼型约简后的气动数据；

S4、通过自适应提升方法对步骤S3获得的翼型约简后的气动数据建立预测模型并进行训练，直至满足目标评价条件。

进一步的，步骤S1的具体实现方法包括如下步骤：

S1.1、CST参数化方法通过类别函数和形状函数对翼型进行描述，表达式为：

其中，为CST参数化后的翼型无量纲化的纵向坐标；为无量纲化的横向坐标，x为翼型曲线的横向坐标，C为翼型弦长；为类别函数，为形状函数，为用于控制翼型尾缘处厚度，τ_T为无量纲化的尾缘厚度，τ_T＝Δz_TE/C，Δz_TE为尾缘厚度；

S1.2、设置类别函数的表达式为：

其中，N1和N2分别为控制翼型前缘及尾缘形状的系数，N1和N2的取值范围为0-1；

S1.3、设置形状函数的表达式为：