[发明专利]基于影响域-安全域的气动热全局快速预示序列采样方法

说明书

本发明公开的一种基于影响域‑安全域的气动热全局快速预示序列采样方法，属于航空航天领域。本发明根据预示误差分布特征通过聚类采用超球分割构建采样影响域，能够兼顾误差聚集与全局探索，保证每次新增样本落在重要区域，有效减缩采样规模；通过当地误差加权构建采样安全域，并结合maxmin准则在综合确定的重点采样空间中新增样本，有效减小新增样本冗余，节约采样成本，提升采样质量，进而提升高超声速飞行器气动热全局快速预示精度。针对工程设计问题通用性强，适用于各种代理模型，能够支撑飞行器气动热环境快速预示任务，缩短高超声速飞行器防热结构设计周期，解决超声速飞行器防热领域相关工程技术问题。

技术领域

本发明属于航空航天领域，涉及一种基于影响域-安全域的气动热全局快速预示序列采样方法。

背景技术

高超声速飞行器在军事领域具有广泛的应用前景。由于高超声速飞行器在大气层中长时间高速飞行，气动加热是无法避免且需要妥善解决的关键技术之一，气动热快速准确预示是高超声速热防护和防隔热设计分析的重要前提。考虑到传统的气动热获取手段如试验研究、工程计算、数值模拟分别存在高成本、低可信度和高耗时的局限性，气动热全局快速预示模型(Rapid Predicting Model，RPM)面向高精度高效率气动热设计的需求，根据采样描述的有限全阶高精度CFD数值计算结果，利用代理模型训练达到覆盖全空域、全速域飞行器气动热环境快速预示的目的。作为RPM的重要组成部分，基于采样技术获取的样本点很大程度决定RPM的预示精度。静态采样一次性获取具有良好填充均匀性和投影均匀性的样本，建模次数少，效率高，但是存在欠采样或过采样的缺陷。为兼顾RPM的精度要求和CFD的计算成本，建立数据驱动的气动热RPM，在静态采样的基础上，根据已有样本的空间分布信息和RPM的物理特征在高度非线性或多模态等欠采样区域新增样本，达到更新RPM以逐步提高气动热预示精度的目的。而为了避免采样资源浪费和计算效率低的缺陷，如何保证新增样本的潜在可行性与最优性，通过尽可能少的样本达到精度要求的RPM是一个十分重要的问题。

基于模糊聚类的加点方法APSFC是近年来出现的一种具有较强鲁棒性的数据驱动加点方法。基本思想是利用误差追踪机制挑选具有较大误差的数据集进行聚类，并在聚类内部产生新增样本，以提高预示模型的精度，但其存在局部样本冗余大、全局探索能力受限等问题。

发明内容

为了解决高超声速飞行器气动热设计过程中精度和效率相矛盾的问题，本发明的主要目的提供一种基于影响域-安全域的气动热全局快速预示序列采样方法，根据预示误差分布特征通过聚类采用超球分割构建采样影响域，兼顾误差聚集与全局探索；通过当地误差加权构建采样安全域，减小新增样本冗余，结合maxmin准则在综合确定的重点采样空间中新增样本，提升采样质量，进而提升高超声速飞行器气动热全局快速预示精度。

本发明的目的通过下述技术方案来实现。

本发明公开的影响域-安全域的高超声速气动热全局快速预示采样方法，包括如下步骤：

步骤一：确定初始条件和迭代终止条件。

确定n_v维设计变量、设计空间Ω、测试样本数n_t、初始训练样本数每轮新增样本数n_add、波动系数μ和迭代终止条件。所述迭代终止条件包括预期误差阈值终止样本数阈值n_est。

步骤二：获取初始训练样本和测试样本及对应响应，初始化样本数据库。

基于最优拉丁超立方试验设计方法在设计空间生成无偏初始训练样本x和测试样本x_t，调用高精度CFD模型计算对应的真实响应y和y_t，初始化样本数据库。

步骤三：构建气动热快速预示模型RPM并进行模型精度校验。