[发明专利]基于卷积神经网络的风洞试验方法、装置、设备和介质

权利要求书

1.一种基于卷积神经网络的风洞试验方法，其特征在于，包括：

对攻角和侧滑角进行采样得到不同的样本点；

对各个所述样本点进行气动热数值模拟，得到各个所述样本点的热流数据；

根据所述热流数据，利用卷积神经网络对所述热流数据进行训练，得到卷积神经网络模型；

获取待预测攻角和待预测侧滑角的范围数值，利用所述卷积神经网络模型进行预测，得到与所述范围数值对应的气动响应面。

2.如权利要求1所述的基于卷积神经网络的风洞试验方法，其特征在于，所述根据所述热流数据，利用卷积神经网络对所述热流数据进行训练，得到卷积神经网络模型，包括：

利用所述卷积神经网络对各个所述样本点的所述热流数据进行训练，并计算得到与所述热流数据对应的损失数值；

确定所述损失数值是否为预设目标损失数值；

若为所述预设目标损失数值，则停止训练所述热流数据，得到所述卷积神经网络模型。

3.如权利要求1所述的基于卷积神经网络的风洞试验方法，其特征在于，所述对各个所述样本点进行气动热数值模拟，得到各个所述样本点的热流数据，包括：

对各个所述样本点进行气动热数值模拟，得到各个所述样本点的热流结果；

根据所述热流结果，对所述热流结果进行数据转换得到所述热流数据。

4.如权利要求1所述的基于卷积神经网络的风洞试验方法，其特征在于，所述对攻角和侧滑角进行采样得到不同的样本点，包括：

利用拉丁超立方采样方法对所述攻角和所述侧滑角进行采样，得到不同的所述样本点。

5.如权利要求3所述的基于卷积神经网络的风洞试验方法，其特征在于，所述根据所述热流结果，对所述热流结果进行数据转换得到所述热流数据，包括：

将所述热流结果转化成矩阵形式得到所述热流数据。

6.如权利要求1所述的基于卷积神经网络的风洞试验方法，其特征在于，所述获取待预测攻角和待预测侧滑角的范围数值，利用所述卷积神经网络模型进行预测，得到与所述范围数值对应的气动响应面，还包括：

对所述气动响应面进行误差分析，得到偏差数值，并确定所述偏差数值是否为预设数值范围内；

若为所述预设数值范围内，则完成风洞试验设计。

7.如权利要求6所述的基于卷积神经网络的风洞试验方法，其特征在于，所述对所述气动响应面进行误差分析，得到偏差数值，包括：

将所述气动响应面与标准气动响应面进行相对误差计算，得到所述偏差数值。

8.基于卷积神经网络的风洞试验装置，其特征在于，包括：

采样模块，用于对攻角和侧滑角进行采样得到不同的样本点；

计算模块，用于对各个所述样本点进行气动热数值模拟，得到各个所述样本点的热流数据；

模型训练模块，用于根据所述热流数据，利用卷积神经网络对所述热流数据进行训练，得到卷积神经网络模型；

试验模块，用于获取待预测攻角和待预测侧滑角的范围数值，利用所述卷积神经网络模型进行预测，得到与所述范围数值对应的气动响应面。

9.一种基于卷积神经网络的风洞试验设备，其特征在于，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序时实现如权利要求1至7任一项所述的基于卷积神经网络的风洞试验方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机可执行指令，所述计算机可执行指令被处理器加载并执行时，实现如权利要求1至7任一项所述基于卷积神经网络的风洞试验方法的步骤。