[发明专利]用于风洞实验的机翼全息压力系数的重构方法及装置

说明书

本发明实施例公开了一种用于风洞实验的机翼全息压力系数的重构方法及装置，涉及风洞实验传感器布点技术，能够依靠风洞实验的真实数据就可以重构出合理的全息数据，减少计算量且提高风洞实验数据的利用率。本发明包括：接收客户端发送的风洞实验原始数据、工况条件参数和精细度预期信息；利用所述风洞实验原始数据构建训练样本数据库；利用所述样本数据库训练深度学习模型；构建对应了精细度预期的全息网格节点排布；利用训练后的深度学习模型和所述全息网格节点排布，对机翼全息压力系数进行重构处理，并将处理结果向所述客户端发送。

技术领域

本发明涉及风洞实验传感器布点技术，尤其涉及一种用于风洞实验的机翼全息压力系数的重构方法及装置。

背景技术

机翼表面压力系数的分布是机翼气动性能的重要表征，对飞行器设计起着至关重要的作用。风洞实验辅助的计算流体力学(CFD)是获取全息压力系数的主流方法。首先，在机翼表面特定位置放置有限的传感器来采集风洞实验中相应的气动性能物理量，所述物理量通常被认定为真实值；然后在相同的工况条件下进行基于CFD的分析计算来获取全息数据；最后使用风洞实验采集到的真实值对CFD分析计算的结果进行准确性校正，以确保所述仿真结果的有效性。这种操作方式已经广泛应用在各大科研院校、科技企业的实验室研究和产品验证过程。

但是，高质量的CFD分析计算需要消耗大量的计算资源且对于计算人员的要求较高，目前已经严重拖累了实验周期和产品的验证周期。因此，如何减少对CFD仿真计算的依赖成为了进一步研究并解决的问题。

发明内容

本发明的实施例提供一种用于风洞实验的机翼全息压力系数的重构方法及装置，依靠风洞实验的真实数据就可以重构出合理的全息数据，减少计算量且提高风洞实验数据的利用率。

为达到上述目的，本发明的实施例采用如下技术方案：

第一方面，本发明的实施例提供的方法，包括：

S1、接收客户端发送的风洞实验原始数据、工况条件参数和精细度预期信息；

S2、利用所述风洞实验原始数据构建训练样本数据库；

S3、利用所述样本数据库训练深度学习模型；

S4、构建对应了精细度预期的全息网格节点排布；

S5、利用训练后的深度学习模型和所述全息网格节点排布，对机翼全息压力系数进行重构处理，并将处理结果向所述客户端发送。

第二方面，本发明的实施例提供的装置，包括：

数据接收模块，用于接收客户端发送的风洞实验原始数据、工况条件参数和精细度预期信息；

样本处理模块，用于利用所述风洞实验原始数据构建训练样本数据库；

训练模块，用于利用所述样本数据库训练深度学习模型；

网格调整模块，用于构建对应了精细度预期的全息网格节点排布；

数据处理模块，用于利用训练后的深度学习模型和所述全息网格节点排布，对机翼全息压力系数进行重构处理；

数据发送模块，用于将处理结果向所述客户端发送。

本发明实施例提供的用于风洞实验的机翼全息压力系数的重构方法及装置，使用客户端提供的风洞实验原始数据和重构全息压力系数精细度预期值，在服务器端进行机翼全息压力系数的建模分析，先获取风洞实验的原始数据，使用原始数据依照适用于深度学习训练的网格排布构建样本数据库，训练深度学习模型，根据客户端的精细度预期值构建适用于全息压力系数重建的网格节点排布，利用训练好的模型重构机翼全息压力系数，最终将满足精细度要求的机翼全息压力系数返回客户端以供选择。本方案不需要使用耗费计算资源的CFD仿真来获取全息数据，仅依靠风洞实验的真实数据就可以重构出合理的全息数据，减少计算量且提高风洞实验数据的利用率。