基于卷积神经网络的风洞的马赫数的预测方法和装置转让专利
申请号 : CN202110195096.1
文献号 : CN112560355B
文献日 : 2021-05-11
发明人 : 杭天欣 , 马元巍 , 陈红星 , 王克贤 , 潘正颐 , 侯大为
申请人 : 常州微亿智造科技有限公司
摘要 :
权利要求 :
1.一种基于卷积神经网络的风洞的马赫数的预测方法,其特征在于,包括以下步骤:获取第一预设时间内的风洞数据;
对所述风洞数据进行预处理,以将所述风洞数据转换为三维数据;
通过卷积神经网络基于处理后的风洞数据进行训练,以得到预测模型;
获取待预测的风洞数据,并将所述待预测的风洞数据输入所述预测模型,以得到风洞的马赫数,其中,所述风洞数据包括:总压信号、栅指信号、主排信号、模型迎角信号、马赫数和风速值,获取第一预设时间内的风洞数据,包括:在第一预设时间内,每隔第二预设时间获取风洞内多个面上不同数据采集点上的风速值,其中,所述第一预设时间大于所述第二预设时间;
对所述风洞数据进行预处理,以将所述风洞数据转换为三维数据,包括:对所述风速值进行归一化处理,并将处理后的风速值进行空间重建,模拟成多个二维图像;
分别根据所述总压信号、所述栅指信号、所述主排信号和所述模型迎角信号模拟成多个二维图像;
根据多个二维图像获得三维图像,并根据三维图像获得所述风洞的三维数据。
2.根据权利要求1所述的基于卷积神经网络的风洞的马赫数的预测方法,其特征在于,通过下述公式对所述风速值进行归一化处理:其中, 表示归一化处理后的风速值, 表示N列风洞数据中的当前列中的第i个风速值,i为正整数, 表示当前列中的最小风速值, 表示当前列中的最大风速值。
3.根据权利要求2所述的基于卷积神经网络的风洞的马赫数的预测方法,其特征在于,分别根据所述总压信号、所述栅指信号、所述主排信号和所述模型迎角信号模拟成多个二维图像,包括:
分别对所述总压信号、所述栅指信号、所述主排信号和所述模型迎角信号进行复制处理,以使模拟出的二维图像与根据所述风速值模拟出的二维图像的像素值相同。
4.根据权利要求3所述的基于卷积神经网络的风洞的马赫数的预测方法,其特征在于,通过卷积神经网络基于处理后的风洞数据进行训练,以得到预测模型,包括:将所述风洞的三维数据和所述马赫数送入卷积神经网络中进行训练,以得到预测模型。
5.一种基于卷积神经网络的风洞的马赫数的预测装置,其特征在于,包括:第一获取模块,用于获取第一预设时间内的风洞数据;
预处理模块,用于对所述风洞数据进行预处理,以将所述风洞数据转换为三维数据;
训练模块,用于通过卷积神经网络基于处理后的风洞数据进行训练,以得到预测模型;
预测模块,用于获取待预测的风洞数据,并将所述待预测的风洞数据输入所述预测模型,以得到风洞的马赫数,其中,所述风洞数据包括:总压信号、栅指信号、主排信号、模型迎角信号、马赫数和风速值,所述第一获取模块获取第一预设时间内的风洞数据,具体用于:在第一预设时间内,每隔第二预设时间获取风洞内多个面上不同数据采集点上的风速值,其中,所述第一预设时间大于所述第二预设时间;
所述预处理模块对所述风洞数据进行预处理,以将所述风洞数据转换为三维数据,具体用于:
对所述风速值进行归一化处理,并将处理后的风速值进行空间重建,模拟成多个二维图像;
分别根据所述总压信号、所述栅指信号、所述主排信号和所述模型迎角信号模拟成多个二维图像;
根据多个二维图像获得三维图像,并根据三维图像获得所述风洞的三维数据。
6.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时,实现根据权利要求1‑4中任一项所述的基于卷积神经网络的风洞的马赫数的预测方法。
7.一种非临时性计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现根据权利要求1‑4中任一项所述的基于卷积神经网络的风洞的马赫数的预测方法。
说明书 :
基于卷积神经网络的风洞的马赫数的预测方法和装置
技术领域
非临时性计算机可读存储介质。
背景技术
必须有快速并且精确的预测。在风洞试验中,往往会记录大量的数据,我们会根据这些数据
进行建模,并预测马赫数。马赫数是反映风洞流场性能指标的重要参数。由于风洞流场的复
杂性和马赫数的测量难度较大,马赫数控制和测量一直是风洞控制中的难点。
场和马赫数的真实特性,这样风洞的马赫数的可靠性和精度值得商榷。
的参数庞大,训练较慢,且机器学习模型需要对数据进行处理,删除单一值和异常值,会降
低对真实情况的拟合效果。
发明内容
离对经验公式的依赖,提高了马赫数测量的可靠性和精度。
过卷积神经网络基于处理后的风洞数据进行训练,以得到预测模型;获取待预测的风洞数
据,并将所述待预测的风洞数据输入所述预测模型,以得到风洞的马赫数。
每隔第二预设时间获取风洞内多个面上不同数据采集点上的风速值,其中,所述第一预设
时间大于所述第二预设时间。
拟成多个二维图像;分别根据所述总压信号、所述栅指信号、所述主排信号和所述模型迎角
信号模拟成多个二维图像;根据多个二维图像获得三维图像,并根据三维图像获得所述风
洞的三维数据。
述主排信号和所述模型迎角信号进行复制处理,以使模拟出的二维图像与根据所述风速值
模拟出的二维图像的像素值相同。
练,以得到预测模型。
处理,以将所述风洞数据转换为三维数据;训练模块,用于通过卷积神经网络基于处理后的
风洞数据进行训练,以得到预测模型;预测模块,用于获取待预测的风洞数据,并将所述待
预测的风洞数据输入所述预测模型,以得到风洞的马赫数。
经网络的风洞的马赫数的预测方法。
的可靠性和精度。并且,保留了所有的风洞数据,对数据进行归一化处理,可以降低异常值
对预测模型的影响,提高预测的精度。
附图说明
具体实施方式
本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他
实施例,都属于本发明保护的范围。
第二预设时间获取风洞内多个面上不同数据采集点上的风速值,其中,第一预设时间大于
第二预设时间。
计N列。需要说明的是,总压信号、栅指信号、主排信号和模型迎角信号为固定值,通过相应
的装置可以获取。风洞中不同位置的风速值不同,对应的马赫数也不同。其中,假设在风洞
的前端、中端和末端设置三个采集面,如图2所示,分别在三个采集面A、B、C设定多个不同的
数据集采集点,通过设置风速传感器采集风速值。通过前置装置获取总压信号、栅指信号、
主排信号和模型迎角信号。在本发明中,通过现有技术可以在获取风速值时获取到对应的
马赫数。
号、主排信号和模型迎角信号模拟成多个二维图像;根据多个二维图像获得三维图像,并根
据三维图像获得风洞的三维数据。
角信号进行复制处理,以使模拟出的二维图像与根据风速值模拟出的二维图像的像素值相
同。
据为风速值,假设每一组数据有N个值,那么用表格的形式保存,共计N列,对每一列数据进
行归一化处理,归一化的计算过程为:假设某一列中的最大风速值为 ,最小风速值为
,该列中第i个风速值记为 ,经过归一化处理后的风速值记为 ,通过上述公式可以
得到归一化处理后的风速值。
成图片的一个通道,得到三个通道,分别记为通道1、通道2和通道3。并将总压信号的数值Q、
栅指信号的数值M、主排信号的数值P和模型迎角信号的数值O,每一个信号数值形成单独的
一个通道,分别记为通道4、通道5、通道6和通道7,为了保证通道4、通道5、通道6和通道7与
通道1、通道2和通道3具有相同的长度和宽度,即限定所有通道具有相等的像素值。其中对
总压信号、栅指信号、主排信号和模型迎角信号这四个信号数值进行复制处理。这样就将原
本一维的数据映射到三维空间,使得数据具有空间性,获得三维化的数据。
预测模型。
督值,由实时测量获得。
量,提高了模型的训练速度,同时保留了所有的数据,并对数据进行归一化处理,可以降低
异常值对模型的影响。
经网络基于处理后的风洞数据进行训练,以得到预测模型;获取待预测的风洞数据,并将待
预测的风洞数据输入预测模型,以得到风洞的马赫数。由此能够快速而准确的预测风洞的
马赫数,从而脱离对经验公式的依赖,提高了马赫数测量的可靠性和精度。
经网络基于处理后的风洞数据进行训练,以得到预测模型。预测模块40用于获取待预测的
风洞数据,并将待预测的风洞数据输入预测模型,以得到风洞的马赫数。
第一预设时间内,每隔第二预设时间获取风洞内多个面上不同数据采集点上的风速值,其
中,第一预设时间大于第二预设时间。
建,模拟成多个二维图像;分别根据总压信号、栅指信号、主排信号和模型迎角信号模拟成
多个二维图像;根据多个二维图像获得三维图像,并根据三维图像获得风洞的三维数据。
模型迎角信号进行复制处理,以使模拟出的二维图像与根据风速值模拟出的二维图像的像
素值相同。
行训练,以得到预测模型。
披露的细节,具体这里不再赘述。
数据转换为三维数据;训练模块通过卷积神经网络基于处理后的风洞数据进行训练,以得
到预测模型;预测模块获取待预测的风洞数据,并将待预测的风洞数据输入预测模型,以得
到风洞的马赫数。由此能够实时预测风洞的马赫数,从而脱离对经验公式的依赖,提高了马
赫数测量的可靠性和精度。
基于卷积神经网络的风洞的马赫数的预测方法。
数据;通过卷积神经网络基于处理后的风洞数据进行训练,以得到预测模型;获取待预测的
风洞数据,并将待预测的风洞数据输入预测模型,以得到风洞的马赫数。由此能够实时预测
风洞的马赫数,从而脱离对经验公式的依赖,提高了马赫数测量的可靠性和精度。
的预测方法。
转换为三维数据;通过卷积神经网络基于处理后的风洞数据进行训练,以得到预测模型;获
取待预测的风洞数据,并将待预测的风洞数据输入预测模型,以得到风洞的马赫数。由此能
够实时预测风洞的马赫数,从而脱离对经验公式的依赖,提高了马赫数测量的可靠性和精
度。
可以明示或者隐含地包括一个或者更多个该特征。“多个”的含义是两个或两个以上,除非
另有明确具体的限定。
接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内
部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言,可以根据具体情
况理解上述术语在本发明中的具体含义。
第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方,或仅仅表示
第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第
一特征在第二特征正下方或斜下方,或仅仅表示第一特征水平高度小于第二特征。
点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不
必针对相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或
多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员
可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组
合。
分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺
序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明
的实施例所属技术领域的技术人员所理解。
指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执
行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设
备而使用。就本说明书而言,“计算机可读介质”可以是任何可以包含、存储、通信、传播或传
输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装
置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电
连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器
(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存
储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的
介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其
他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下
列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路
的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场
可编程门阵列(FPGA)等。
质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如
果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机
可读取存储介质中。
制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变
型。