【技術實現步驟摘要】
本專利技術屬于多保真氣動力建模領域，具體涉及一種高保真低密度采樣的多保真離散氣動力建模方法。
技術介紹
1、氣動數據的準確性和完整性直接決定了飛行模擬的質量和可信度。氣動數據的主要來源是風洞試驗，這是一種在受控條件下模擬飛行器在不同飛行狀態下空氣動力特性的實驗方法。風洞試驗可以提供大量精確的氣動數據，為建立高保真度的空氣動力學模型奠定基礎。然而，風洞試驗的成本高昂，且試驗條件和試驗設備的限制，使得在某些極端飛行狀態下難以獲得全面的數據。
2、除了風洞試驗，氣動數據還可以通過理論計算、經驗估算和飛行試驗獲得。理論計算通?；诹黧w力學和空氣動力學的基本原理，通過數學建模和數值計算獲得氣動數據。然而，理論計算的精度依賴于模型的復雜程度和參數的準確性，因此在復雜飛行狀態下可能存在一定的不確定性。經驗估算則基于以往飛行器的設計和試驗數據，通過類比和推理獲得氣動數據，這種方法的優點是快速且成本低，但精度較低。飛行試驗則是通過實際飛行器在真實飛行狀態下的測試獲得氣動數據，這種方法的數據最為真實和可靠，但其成本極高且風險較大。
3、由于不同來源的氣動數據各有優缺點，單一手段難以覆蓋飛行器的全飛行包線，因此需要綜合利用多種手段，進行氣動數據的融合和多保真建模，以提高數據的全面性和精確性。
4、多保真建模方法是近年來發展起來的一種提高氣動數據建模精度的有效方法。該方法針對不同途徑獲得的數據，通過構建多保真代理模型，將少量的高保真數據和大量的低保真數據進行融合，從而提高建模效率和精度。該方法的核心思想是在保證高保真
5、在多保真建模方法中，cokriging模型是一種廣泛應用的技術。該模型最初發展于地質統計學領域，旨在通過低保真數據輔助預測高保真數據。cokriging模型通過考慮不同數據來源的相關性，將不同保真度的數據融合在一起，從而提高預測的精度。將cokriging模型應用于空氣動力學領域，可以有效提升氣動數據建模的效率和精度，為飛行動力學仿真提供更為可靠的數據支持。文獻“鄧晨,陳功,王文正,等.基于不確定度和氣動模型的氣動數據融合算法[j].空氣動力學學報,2022,40(04):117-123.”為彌補多保真數據的“缺陷”，提出使用cokriging融合算法建立飛行器氣動模型。實驗結果表明，與單獨使用一種精度數據的建模算法相比，多保真數據融合算法的預測精度有較大的提高，融合數據對于提高數據精度和增強模型預測能力有重要作用。文獻“寧晨伽,王旭,王文正,等.高效率采樣的數據關聯融合氣動力建模方法[j].空氣動力學學報,2022,40(05):39-49.”在co-kriging模型的基礎上，提出了最優關聯點選取方法和均勻性增強序貫采樣方法，以此實現co-kriging變可信度模型的高效初始化與最速收斂。將該模型應用于naca0012翼型跨聲速氣動力工程算例，結果表明，在少量高保真度樣本下，所提出的方法可以大幅提升模型收斂精度和建模效率，有效降低采樣成本。
6、此外，梯度信息能夠反應氣動數據的變化趨勢，如果將其融入到多保真代理模型中，可以更準確地描述飛行器在不同飛行狀態下的氣動特性。不同于現有的多保真氣動力建模方法，本專利技術主要貢獻在于解決由少量高保真數據造成的信息缺失的問題。由于方法僅使用到少量高保真數據和大量低保真數據進行模型的訓練，沒有加入梯度信息，高保真數據的信息沒有得到充分的利用，建模效率并不算高。文獻“deng,yixiang,guanglin,andxiu?yang."multifidelity?data?fusion?via?gradient-enhanced?gaussian?processregression."arxiv?preprint?arxiv:2008.01066(2020).”提出了一種基于多保真高斯過程回歸的數據融合方法，即梯度增強的cokriging算法(gradient-enhanced?cokriging,ge-cokriging)，以下簡稱為gecok。該算法結合了不同保真度級別的興趣量(qoi)及其梯度信息，可以同時提供qoi及其梯度的近似和不確定性估計。在該算法基礎之上，本專利技術提出了有效提取梯度信息的方法，即通過樣條擬合結合有限差分計算得出，然后將原始多保真數據及其梯度信息構建梯度增強的co-kriging模型(即gecok模型)，對高保真數據進行預測。
7、本專利技術提供的方法的核心思想是將高低保真數據的梯度信息作為額外的輸入變量，通過高斯過程回歸模型進行數據融合。這樣不僅可以利用高保真數據的準確性，還可以通過梯度信息提高高低保真數據的利用效率，從而提升整體模型的預測精度。
技術實現思路
1、為了達到上述專利技術目的，本專利技術采用的技術方案如下：
2、一種高保真低密度采樣的多保真離散氣動力建模方法，包括如下步驟：
3、獲取少量風洞試驗數據作為高保真數據(xh,yh)；
4、通過xfoil軟件仿真計算獲得大量低保真數據(xl,yl)；
5、使用kriging構建低保真模型kl，基于高保真數據用低保真模型kl插值到低保真數據(xl,yl)中；
6、利用樣條插值結合有限差分計算出高、低保真數據的梯度信息和
7、通過高、低保真數據及其梯度信息構建gecok模型，使用模型對高保真數據進行預測。
8、本專利技術的有益效果為：本專利技術提供的一種高保真低密度采樣的多保真離散氣動力建模方法，提出了一種由于高保真數據量少、低保真數據準確性低不能提供完整數據信息的條件下的多保真融合框架，通過融入兩種保真度數據的梯度信息，解決了數據信息不完整的問題，進而提高了模型的預測精度。
本文檔來自技高網...【技術保護點】
1.一種高保真低密度采樣的多保真離散氣動力建模方法，其特征在于，包括如下步驟：
2.根據權利要求1所述的一種高保真低密度采樣的多保真離散氣動力建模方法，其特征在于，所述的高保真數據(Xh，yh)來源于UIUC公開數據集中的風洞試驗數據，其中Xh為雷諾數和攻角，yh為升力系數或阻力系數。
3.根據權利要求1所述的一種高保真低密度采樣的多保真離散氣動力建模方法，其特征在于，所述的獲取大量低保真數據(Xl，yl)，具體包括：
4.根據權利要求1所述的一種高保真低密度采樣的多保真離散氣動力建模方法，其特征在于，所述的使用Kriging構建低保真模型Kl，基于高保真數據用低保真模型Kl插值到低保真數據(Xl，yl)中，具體包括：
5.根據權利要求1所述的一種高保真低密度采樣的多保真離散氣動力建模方法，其特征在于，所述的利用樣條插值結合有限差分計算高、低保真數據的梯度信息，具體包括：
6.根據權利要求1所述的一種高保真低密度采樣的多保真離散氣動力建模方法，其特征在于，所述的利用高、低保真數據及其計算得來的梯度構建梯度增強的Cokri
...【技術特征摘要】
1.一種高保真低密度采樣的多保真離散氣動力建模方法，其特征在于，包括如下步驟：
2.根據權利要求1所述的一種高保真低密度采樣的多保真離散氣動力建模方法，其特征在于，所述的高保真數據(xh，yh)來源于uiuc公開數據集中的風洞試驗數據，其中xh為雷諾數和攻角，yh為升力系數或阻力系數。
3.根據權利要求1所述的一種高保真低密度采樣的多保真離散氣動力建模方法，其特征在于，所述的獲取大量低保真數據(xl，yl)，具體包括：
4.根據權利要求1所述的一種高保真低密度采樣的多保...
【專利技術屬性】
技術研發人員：黃俊，羅希，王慶鳳，尹小鑫，陳定航，
申請(專利權)人：西南科技大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。