申请/专利权人：扬州大学

申请日：2019-10-23

公开（公告）日：2024-03-01

公开（公告）号：CN110765706B

主分类号：G06F30/28

分类号：G06F30/28;G06F30/27;G06N3/006;G06F119/14

优先权：

专利状态码：有效-授权

法律状态：2024.03.01#授权;2020.03.03#实质审查的生效;2020.02.07#公开

摘要：本发明提供了基于OHNGBM1,1的翼型非定常失速气动系数建模方法，通过对翼型风洞试验数据进行处理，得到非负数列作为初始数列；然后提出最优混杂非线性灰色伯努利模型OHNGBM1,1，在传统NGBM1,1模型中引入混杂灰色伯努利建模参数、新型背景值参数和新型动态初始条件参数，并使用粒子群算法对所有参数（,,,）进行优化，用于翼型非定常失速气动系数的精确建模。本发明具有建模精度高、适用性强、计算成本低和模型简单的优点。

主权项：1.基于OHNGBM1，1的翼型非定常失速气动系数建模方法，其特征在于，包括如下步骤：步骤1：通过风洞试验，记录翼型非定常失速气动系数的实测数据并建立数列Xf0，将Xf0转换为非负数列X0，并将X0作为原始序列；步骤2：根据附着流区和失速区，将步骤1的原始序列X0分割为附着流原始序列X10和失速原始序列X20；步骤3：提出最优混杂非线性灰色伯努利模型OHNGBM1，1，在NGBM1，1模型中引入混杂灰色伯努利建模、新型背景值，以及新型动态初始条件；步骤4：基于粒子群PSO算法对参数γ1，γ2，p1，p2，p3，kf1，kf2，进行优化，通过迭代优化寻求这些参数的最优值，进一步通过最小二乘法求解最优的参数a1，a2，b1，b2，得到OHNGBM1，1模型，用于翼型非定常失速气动系数的精确模拟；其中，OHNGBM1，1模型的指数参数为γ1，γ2、背景值参数为p1，p2，p3、初始条件参数为kf1，kf2，以及模型参数为a1，a2，b1，b2；所述步骤1中，将Xf0转换为非负原始数列X0：X0k＝Xf0k-c1其中，k＝1，2，…，n，X0k表示第k个攻角对应的翼型气动系数，n表示记录的数据个数，c取值为c≤minXf0k＜0；所述步骤2中，将X0分割为附着流原始序列X10和失速原始序列X20，其特征在于： 其中，原始序列X0长度为n，附着流原始序列x10长度为n1，失速原始序列X20长度为n-n1；所述步骤3中，相比NGBM1，1模型，最优混杂非线性灰色伯努利模型OHNGBM1，1的改进步骤如下：1设定X10，X20的一阶累加序列为X11，X21，计算新型背景值序列z11，z21：z11k1＝p1x11k1+1-p1x11k1-1，k1＝2，3，…，n13 其中，z11k1为附着流背景值序列z11的第k1个元素，zd1为过渡背景值，z21k2为失速背景值序列Z21的第k2个元素，p1为z11的背景值参数，p2，p3为z21的背景值参数，x11，x21为X11，X21的元素；2基于附着流累加序列X11和失速累加序列x21，建立混杂非线性灰色伯努利微分方程： 其中，x0k为公式2中原始序列X0的第k个元素，z11，z21来自公式3-4，a1为附着流发展系数，a2为失速发展系数，b1为附着流灰色作用量，b2为失速灰色作用量，γ1≠1，γ2≠1；对参数a1，a2，b1，b2做最小二乘估计： 式中， 3针对附着流序列和失速序列模拟，建立新型动态初始条件 其中，kf1，kf2为动态元素指数，为时间系数，为附着流序列模拟的动态初始条件，为失速序列模拟的动态初始条件；4OHNGBM1，1模型的模拟值为： 式中，c来自公式1，为OHNGBM1，1模型的模拟值，为非负序列反转换后的模拟值，参数a1，a2，b1，b2，γ1，γ2来自公式5-6，参数kf1，kf2，来自公式7。

全文数据：

权利要求：

百度查询： 扬州大学 基于OHNGBM(1,1)的翼型非定常失速气动系数建模方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD