申请/专利权人：哈尔滨工业大学

申请日：2023-09-23

公开（公告）日：2024-04-16

公开（公告）号：CN117313237B

主分类号：G06F30/15

分类号：G06F30/15;G06F30/27;G06F30/28;B64F5/00;B64C27/467;G06F119/14;G06F111/10;G06F113/08

优先权：

专利状态码：有效-授权

法律状态：2024.04.16#授权;2024.01.16#实质审查的生效;2023.12.29#公开

摘要：本发明公开了一种基于机器学习的特种无人机组构方案优选方法，所述方法包括如下步骤：1建立特种无人机三维桨叶组构方案库；2建立特种无人机三维桨叶组构模型库；3绘制不同桨叶组构方案对应的网格库；4建立特种无人机桨叶组构的二维升阻系数仿真数据库；5以机器学习的方式建立组构方案—升阻特性参数库；6机器学习方法优选；7进行桨叶组构升阻特性预测与方案优选。本发明能够通过机器学习得到目标特种环境条件下特种无人机桨叶组构的优选方案，能够降低很多计算量，提高计算效率，在确保优选组构方案有效性的基础上节约大量实验成本，同时该方法可以进行自我迭代，为进一步提高优选效果提供了可能性。

主权项：1.一种基于机器学习的特种无人机组构方案优选方法，其特征在于所述方法包括如下步骤：步骤1建立特种无人机三维桨叶组构方案库：选取不同桨叶数量n、不同桨叶分布数量p、不同桨叶水平间距dh和不同桨叶竖直间距dv作为变量，构建特种无人机三维桨叶组构方案库；步骤2建立特种无人机三维桨叶组构模型库：根据所选方案，通过三维建模软件对特种无人机桨叶组构方案进行三维模型建立，将方案库转为可以进行数值模拟的特种无人机三维桨叶组构模型库；步骤3绘制不同桨叶组构方案对应的网格库：步骤31设置网格：桨叶组构模型附近采用非结构网格构建圆柱形网格区域，直径不小于模型尺寸的1.1倍，高度不小于模型尺寸的0.4倍；桨叶组构模型其余部分采用结构化网格构建圆柱形网格区域，直径不小于模型尺寸的3.0倍，高度不小于模型尺寸的3.0倍；步骤32利用NASA提出的y+系数计算得出网格的最小边缘尺度；步骤33编写自动生成网格数据库的脚本代码，生成不同桨叶组构方案所对应的网格，构成桨叶组构方案网格库；步骤4建立特种无人机桨叶组构的二维升阻系数仿真数据库：步骤41提取特种无人机的工作环境条件参数；步骤42优化Fluent仿真设置条件：根据41提取的工作环境条件参数，设置环境条件范围并且设置Fluent流体模型、重力、大气压力、时间步长、收敛条件参数对Fluent仿真设置条件进行优化；步骤43编写脚本代码自动将Fluent仿真结果生成特种无人机不同桨叶组构对应的气动效率FM、负载功率PL；步骤44构建特种无人机不同桨叶组构的参数数据集；步骤5以机器学习的方式建立组构方案—升阻特性参数库：利用机器学习的方法，根据Fluent仿真结果生成的参数建立特种无人机不同桨叶组构方案和其在特种环境下的气动特性参数之间的对应关系，作为机器学习的组构方案—升阻特性参数库；步骤6机器学习方法优选：步骤61选择机器学习算法；步骤62将升阻特性参数库划分为训练集和验证集，并进行机器学习的数据预处理、模型选择和模型训练；步骤63采用均方误差MSE和测定系数R2评估各种机器学习回归算法，分别优选气动效率FM、负载功率PL对应的最佳机器学习方法；步骤7进行桨叶组构升阻特性预测与方案优选：步骤71基于优选的机器学习方法，分别预测目标条件下的最优特种无人机桨叶组构方案；步骤72将桨叶组构方案通过三维建模软件建立三维桨叶组构模型；步骤73利用流体力学分析软件对三维桨叶组构模型附近流场进行模拟并通过CFD对方案进行实验验证推力T，功率P，获得气动效率FM、负载功率PL评估指标；步骤74迭代优化参数n、p、dh、dv，优化桨叶组构方案优选方法，更新升阻特性参数库。

全文数据：

权利要求：

百度查询： 哈尔滨工业大学 一种基于机器学习的特种无人机组构方案优选方法

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