[发明专利]低雷诺数飞行条件的机翼失速边界及恢复边界的预测方法

权利要求书

1.一种低雷诺数飞行条件的机翼失速边界及恢复边界的预测方法，其特征在于，包括：

步骤1)：选择n对原始点，

在尖点突变模型的突变点集上选择n对原始点，其中n为大于等于4的整数，确定所述n对原始点的各个点的纵坐标值u_i(i＝1,2,…,n)及横坐标值v_i(i＝1,2,…,n)；

步骤2)：线性变换，

通过下式1将突变点集上选择的n对原始点的非线性关系变换成线性关系，

在式1中，Z_1i及Z_2i分别为线性变换后的第i个点的横坐标值及纵坐标值，其中i＝1,2,…,n，k为所述线性关系所表示的直线的斜率；

步骤3)：拓扑映射，

通过下式2对通过步骤2)得到的线性关系进行拓扑映射，得到映射结果，

其中，在式2中，Re_i为第i个点处的雷诺数，α_li为第i个点处的攻角的过程参量，l₁、l₂、ω、m₁、m₂、ν为预定系数，所述预定系数通过以下方式预先得到：根据至少两个已知雷诺数的值、以及在所述至少两个已知雷诺数的工况下的失速点和恢复点的攻角的已知值，来预先得到所述预定系数；以及

步骤4)：非线性变换

通过非线性方法对步骤3)得到的映射结果进行非线性变换，得到机翼失速边界及恢复边界，从而根据尖点突变模型的突变点集来预测低雷诺数飞行条件下的机翼失速的失速边界及恢复边界。

2.如权利要求1所述的方法，其特征在于，所述n对原始点的各个点的纵坐标值u_i(i＝1,2,…,n)根据下式3来选择，

所述n对原始点的各个点的横坐标值v_i(i＝1,2,…,n)根据下式4来确定，

3.如权利要求2所述的方法，其特征在于，所述非线性方法为基于RBF神经网络的非线性方法、基于最大似然估计的非线性方法、或支持向量机的非线性方法。

4.如权利要求2所述的方法，其特征在于，通过数值模拟或实验方式得到所述至少两个已知雷诺数的值、以及在所述至少两个已知雷诺数的工况下的失速点和恢复点的攻角的已知值。

5.如权利要求4所述的方法，其特征在于，选择所述n对原始点中的第1对点和第n对点，将所述第1对点做为失速点或恢复点，将所述第n对点中的两个点分别作为失速点和恢复点，通过预先得知第1对点和第n对点的雷诺数的值及攻角的值来求得所述预定系数。

6.如权利要求5所述的方法，其特征在于，所述第1对点的雷诺数的值设为2.6×10⁶，所述第n对点的雷诺数的值设为6×10⁵。

7.如权利要求3所述的方法，其特征在于，在步骤4)中，通过基于RBF神经网络的非线性方法进行非线性变换，从而得到机翼失速边界及恢复边界，包括：

步骤4.1)：将α_li和Re_i作为输入层，将攻角α作为输出层，通过MATLAB的训练函数NEWRB来调整隐含层的变换函数及输出权重系数；以及

步骤4.2)：基于步骤4.1)得到的隐含层的变换函数及输出权重系数，通过MATLAB的仿真函数SIM来实现非线性变换。

8.如权利要求1至7中任一项所述的方法，其特征在于，所述n的值为6。