【技术实现步骤摘要】
本专利技术属于热能动力工程领域，涉及一种气动外形优化和性能预测方法、系统、设备及介质。
技术介绍
1、随着计算机技术和计算流体动力学的快速发展，采用数值化方法进行叶片气动外形优化设计分析，可以大大提高优化效率并节省成本。但是cfd模拟常规流程中，计算时无法确定当前所计算的叶型的优劣，往往需要进行大量的计算、比较和修改，来达到显著提高某一项性能的目的。因此计算过程需要大量人力去对对象进行修改，并不断重复之前的步骤，就使得计算周期很长。
2、气动设计包含的学科门类较多，其设计效率与水平广泛地受到其子学科如设计对象描述、数值方法、非线性映射、优化方法等发展水平的制约。近年来随着航空业的发展迅速，气动设计周期短、任务重，且对标的技术水平较高，传统的气动设计方法已经难以满足要求。迫切的需要高新技术如人工智能的应用，提升气动优化各个环节的计算精度与效率，满足工程需求。
技术实现思路
1、本专利技术的目的在于克服上述现有技术的缺点，提供了一种气动外形优化和性能预测方法、系统、设备及介质，该方法、系统、设备及介质能够实现能够应用于气动设计中，且具有计算周期短的特点。
2、为达到上述目的，本专利技术公开了一种气动外形优化和性能预测方法，包括：
3、获取待预测器件的气动外形参数；
4、将所述待预测器件的气动外形参数输入到训练后的气动外形优化和性能预测的神经网络模型中，得到待预测器件的气动参数，根据所述待预测器件的气动参数进行待预测器件的气动外形优化及性能
5、所述将所述待预测器件的气动外形参数输入到训练后的气动外形优化和性能预测的神经网络模型中之前还包括：
6、构建训练数据集及测试数据集；
7、构建气动外形优化和性能预测的神经网络模型；
8、根据所述训练数据集及测试数据集对所述气动外形优化和性能预测的神经网络模型进行训练及测试，得到训练后的气动外形优化和性能预测的神经网络模型。
9、所述构建训练数据集及测试数据集的过程为：
10、获取器件的初始气动外形数据；
11、根据所述器件的初始气动外形数据求解控制点；
12、生成受控制点控制下的型值点；
13、利用模拟软件进行网格绘制以及流场计算，并根据计算结果以及所述型值点构建初始数据库，将所述初始数据库分为训练数据集及测试数据集。
14、所述根据所述器件的初始气动外形数据求解控制点的过程为：
15、根据所述器件的初始气动外形数据，使用均匀b样条曲线矩阵，反解控制点。
16、使用uniform_b_spline生成受控制点控制下的型值点。
17、受控制点控制下的型值点ci(t)为：
18、
19、其中，系数mk(k＝1,2,3)分别为：
20、
21、其中，mk为不同阶数下的系数矩阵，d矩阵为反求之后的所有控制点。
22、所述构建气动外形优化和性能预测的神经网络模型的过程为：
23、基于bp神经网络和遗传算法，构建所述气动外形优化和性能预测的神经网络模型。
24、本专利技术公开了一种气动外形优化和性能预测系统，包括：
25、获取模块，用于获取待预测器件的气动外形参数；
26、预测模块，用于将所述待预测器件的气动外形参数输入到训练后的气动外形优化和性能预测的神经网络模型中，得到待预测器件的气动参数，根据所述待预测器件的气动参数进行待预测器件的气动外形优化及性能预测。
27、本专利技术公开了一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述气动外形优化和性能预测方法的步骤。
28、本专利技术公开了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现所述气动外形优化和性能预测方法的步骤。
29、本专利技术具有以下有益效果：
30、本专利技术所述的气动外形优化和性能预测方法、系统、设备及介质在具体操作时，将所述待预测器件的气动外形参数输入到训练后的气动外形优化和性能预测的神经网络模型中，得到待预测器件的气动参数，根据所述待预测器件的气动参数进行待预测器件的气动外形优化及性能预测，需要说明的是，本专利技术借助神经网络模型进行气动参数的预测，以降低预测的周期，提高预测的准确性。
本文档来自技高网...【技术保护点】
1.一种气动外形优化和性能预测方法，其特征在于，包括：
2.根据权利要求1所述的气动外形优化和性能预测方法，其特征在于，所述将所述待预测器件的气动外形参数输入到训练后的气动外形优化和性能预测的神经网络模型中之前还包括：
3.根据权利要求2所述的气动外形优化和性能预测方法，其特征在于，所述构建训练数据集及测试数据集的过程为：
4.根据权利要求3所述的气动外形优化和性能预测方法，其特征在于，所述根据所述器件的初始气动外形数据求解控制点的过程为：
5.根据权利要求3所述的气动外形优化和性能预测方法，其特征在于，使用uniform_B_spline生成受控制点控制下的型值点。
6.根据权利要求3所述的气动外形优化和性能预测方法，其特征在于，受控制点控制下的型值点ci(t)为：
7.根据权利要求2所述的气动外形优化和性能预测方法，其特征在于，所述构建气动外形优化和性能预测的神经网络模型的过程为：
8.一种气动外形优化和性能预测系统，其特征在于，包括：
9.一种计算机设备，包括存储器、处理器以及存
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-7任一项所述气动外形优化和性能预测方法的步骤。
...【技术特征摘要】
1.一种气动外形优化和性能预测方法，其特征在于，包括：
2.根据权利要求1所述的气动外形优化和性能预测方法，其特征在于，所述将所述待预测器件的气动外形参数输入到训练后的气动外形优化和性能预测的神经网络模型中之前还包括：
3.根据权利要求2所述的气动外形优化和性能预测方法，其特征在于，所述构建训练数据集及测试数据集的过程为：
4.根据权利要求3所述的气动外形优化和性能预测方法，其特征在于，所述根据所述器件的初始气动外形数据求解控制点的过程为：
5.根据权利要求3所述的气动外形优化和性能预测方法，其特征在于，使用uniform_b_spline生成受控制点控制下的型值点。
6.根据权利要求3所述的气动外形优...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。