CN109115446B - 基于跨声速风洞风速精度控制方法及系统 - Google Patents

Abstract

本发明提供一种基于跨声速风洞风速精度控制方法及系统。本方法包括如下步骤：S1、对不同预设工况下风洞流场预测模型输入的变量进行数据归一化的模糊处理；S2、根据预设工况建立风洞流场预测模型的模糊模型规则库，根据模糊处理后的变量得到具有多条规则的零阶TS模糊模型，建立TS模糊系统的模糊推理规则；S3、依照模糊推理的规则得到输入变量满足第M条模糊规则的匹配度；S4、将求解的匹配度代入TS模糊模型，将各条规则的输出按照各自所占的权重进行加权，得到符合吹风试验精度的马赫数模型。本发明采用模糊控制与预测控制相结合的方式，对马赫数精度进行控制，更符合吹风试验的精度，基于模糊模型推测的风洞流场预测模型更满足吹风试验的要求。

Description

基于跨声速风洞风速精度控制方法及系统

技术领域

本发明涉及航空航天技术领域，具体而言，尤其涉及一种基于跨声速风洞风速精度控制方法及系统。

背景技术

出于安全和经济的考虑，飞行器不可能在制造出后直接上天飞行，在设计制造的过程中都需要进行风洞试验。风洞是一种管道状对空气流动进行模拟的地面设备，它根据运动的相对性原理，将飞机模型或者飞机模块放置在人造的气流里，通过气流的流动仿造飞机在现实飞行中遇到的各式情况，采集飞机模型各个位置的数据。一个风洞的最主要的指标是风速也就是马赫数，其控制的效果直接关系到风洞的流场品质甚至关系到飞机的选型和设计。风洞控制中马赫数作为最重要的参数其控制精度一直受到人们的关注。马赫数精度控制的难点在于风洞系统复杂，很难建立准确的数学模型，并且马赫数并不能直接测量，通常是通过测量总压/静压与静压值通过公式计算得到。所以精确的控制总压/静压值与静压值是问题的关键，对于暂冲型跨声速风洞，将被控量选为总压/静压和静压，采用多变量动态矩阵预测控制作为流场控制器。

飞行器的设计需要在不同的总压/静压，马赫数下进行多次吹风试验获取测量数据，风洞流场动态矩阵控制器需要提前测取不同总压/静压，马赫数下阶跃响应数据作为预测模型进行控制，在频繁变化工况的试验中，需要在每一次变化工况前进行阶跃响应试验，这样既延缓了试验的进程，同时也因为大量的进行阶跃响应试验而浪费了车次。另一方面，考虑到主排/栅指、栅指对总压/静压、静压的阶跃响应，不同工况的阶跃响应曲线形状相似，只是幅值相差较大。

发明内容

根据上述提出的技术问题，而提供一种将模糊控制与预测控制相结合的方式，对马赫数精度进行控制的基于跨声速风洞风速精度控制方法及系统。

本发明采用的技术手段如下：

一种基于跨声速风洞风速精度控制方法，包括如下步骤：

S1、对不同预设工况下风洞流场预测模型输入的变量进行数据归一化的模糊处理；

S2、根据预设工况建立风洞流场预测模型的模糊模型规则库，根据模糊处理后的变量得到具有多条规则的零阶TS模糊模型，建立TS模糊系统的模糊推理规则；

S3、依照模糊推理的规则得到输入变量满足第M条模糊规则的匹配度；

S4、将求解的匹配度代入TS模糊模型，将各条规则的输出按照各自所占的权重进行加权，得到所求工况预测模型解，即为符合吹风试验精度的马赫数模型。

进一步地，所述步骤S1具体为：

所述输入的变量为：

X_m＝{x₁,x₂,x₃,x₄,x₅}＝{P_O,Ma,P_Y,S_ZL,N_PZ}

其中，P_O表示总压/静压设定值，M_a表示马赫数设定值，P_Y表示主引压力设定值，S_ZL表示调节阶段的驻流位移，N_PZ表示喷嘴号，

通过如下归一化公式将x₁，x₂，x₃，x₄，x₅数据转换到[0,1]的范围内：

进一步地，所述步骤S2具体包括如下步骤：

S21、根据预设工况，由已有的预测模型建立如下的模糊模型规则库：

规则1：工况1→预测模型1；

规则2：工况2→预测模型2；

规则n：工况n→预测模型n；

S22、根据上述规则库并结合风洞的实际情况，得到n条模糊规则的零阶TS模糊模型，

其中，

代表在k时刻主排/栅指控制增量的作用下在未来N个时刻的预测值，

代表主排/栅指位移保持不变且未施加主排/栅指控制增量时总压/静压在未来N个时刻的预测初始值，Δu_N(k)代表主排/栅指有未来若干个增量变化，J代表主排/栅指和栅指进行阶跃响应试验测量总压/静压和静压的单位阶跃响应数据矩阵，

其中模糊规则的输入为所述工况参数X_m＝{x₁,x₂,x₃,x₄,x₅}＝{P_O,Ma,P_Y,S_ZL,N_PZ}

输出为X_m工况下对应的预测模型；

S23、TS型模糊系统的模糊推理规则如下：

其中，R_M表示第M条模糊规则；

是输入变量x_d的模糊集合，表示第M条模糊规则中的第d个模糊子集。

进一步地，所述S3具体为：依照模糊推理的规则得到输入变量X_m满足第M条模糊规则的匹配度

的一般表达式为：

式中符合∧表示模糊逻辑中的与算子。

进一步地，采用高斯函数作为隶属度函数，

部分具体表示为：

其中，参数C^m表示高斯模糊集的中心，δ^m表示模糊集的宽度，中心点C^m与宽度δ^m根据风洞中每个预设工况模型确定。

进一步地，所述步骤S4中，所述工况预测模型解具体表达式为：

其中，

本发明还提供了一种基于跨声速风洞风速精度控制系统，包括：

数据采集单元，用于采集各预设工况下的变量数值；

数据预处理单元，用于将采集到的各预设工况的变量数值进行数据归一化的模糊处理；

模糊处理单元，用于建立TS模糊模型并建立TS模糊系统的模糊推理规则；

数据处理单元，用于依照模糊推理的规则得到相应的匹配度，并求解出符合吹风试验精度的工况预测模型解。

较现有技术相比，本发明具有以下优点：

本发明采用模糊控制构建一个模糊规则库来估计新工况的预测模型，即模糊控制与预测控制相结合的方式，对马赫数精度进行控制，采用本发明估计的马赫数的模型可以更符合吹风试验的精度，基于模糊模型推测的风洞流场预测模型更满足吹风试验的要求，基于上述理由本发明可在航空航天技术领域广泛推广。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图做以简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明一种基于跨声速风洞风速精度控制方法流程图。

图2为本发明一种基于跨声速风洞风速精度控制系统模块图。

图3为本发明使用估计的预测模型得到的控制效果图。

图4为本发明风洞控制系统的简化结构图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，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，都应当属于本发明保护的范围。

需要说明的是，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

如图1所示，本发明提供了一种基于跨声速风洞风速精度控制方法，包括如下步骤：

S1、对不同预设工况下风洞流场预测模型输入的变量进行数据归一化的模糊处理；

所述输入的变量为：

X_m＝{x₁,x₂,x₃,x₄,x₅}＝{P_O,Ma,P_Y,S_ZL,N_PZ}

结合流场实际试验工况，提取特征应该包含如下参数，其中，P_O表示总压/静压设定值，M_a表示马赫数设定值，P_Y表示主引压力设定值，S_ZL表示调节阶段的驻流位移，N_PZ表示喷嘴号，用1#喷嘴时N_PZ＝1，用2#喷嘴时N_PZ＝2，

由于x₁…x₅这五个输入量之间的值差异大，所以先进行数据的归一化，通过如下归一化公式将x₁，x₂，x₃，x₄，x₅数据转换到[0,1]的范围内：

S2、根据预设工况建立风洞流场预测模型的模糊模型规则库，根据模糊处理后的变量得到具有多条规则的零阶TS模糊模型，建立TS模糊系统的模糊推理规则；

S21、由风洞流场的特点可知，不同工况下的预测模型不同，对于在某一个特定工况下，可用一个与之对应的预测模型表示。因此，根据已有的工况，由已有的预测模型建立如下的模糊模型规则库：

规则1：工况1→预测模型1；

规则2：工况2→预测模型2；

规则n：工况n→预测模型n。

S22、根据上述规则库并结合风洞的实际情况，得到n条模糊规则的零阶TS模糊模型，

如图4所示，其中，

代表在k时刻主排/栅指控制增量的作用下在未来N个时刻的预测值，

代表主排/栅指位移保持不变且未施加主排/栅指控制增量时总压/静压在未来N个时刻的预测初始值，Δu_N(k)代表主排/栅指有未来若干个增量变化，J代表主排/栅指和栅指进行阶跃响应试验测量总压/静压和静压的单位阶跃响应数据矩阵，

其中模糊规则的输入为所述工况参数X_m＝{x₁,x₂,x₃,x₄,x₅}＝{P_O,Ma,P_Y,S_ZL,N_PZ}

输出为X_m工况下对应的预测模型；

S23、TS型模糊系统的模糊推理规则如下：

其中，R_M表示第M条模糊规则；

是输入变量x_d的模糊集合，表示第M条模糊规则中的第d个模糊子集。

S3、依照模糊推理的规则得到输入变量满足第M条模糊规则的匹配度；

决策逻辑是模糊系统的核心部分，它是根据模糊规则运用模糊推理来推断模糊系统可能的输出。依照模糊推理的规则得到输入变量X_m满足第M条模糊规则的匹配度

的一般表达式为：

式中符合∧表示模糊逻辑中的与算子。它可以取任何形式的T范数如“Zadeh与”算子和(或)“乘法”算子等。

采用高斯函数作为隶属度函数，

部分具体表示为：

其中，参数C^m表示高斯模糊集的中心，δ^m表示模糊集的宽度，中心点C^m与宽度δ^m根据风洞中每个预设工况模型确定。

S4、将求解的匹配度代入TS模糊模型，将各条规则的输出按照各自所占的权重进行加权，得到所求工况预测模型解，即为符合吹风试验精度的马赫数模型。

TS模糊规则的输出是一个非模糊的量，它可以看作是一个单值型模糊集合。因此与Mamdani模型的解模糊过程(defuzzification)相同，TS模型输出就是将各条规则的输出按照各自所占的权重进行加权，其一般表达式为：

其中，

上式称为解模糊表达式，这里采用的是重心法解模糊。

实施例1,

根据规则库模型，推测总压/静压168KPa,马赫数0.825的新工况。新工况的输入特征向量描述为X_m＝{168,0.8250,520,-23.25,2}，由上述方法，可以得出估计的新工况预测模型解为y⁰。

为了验证所估计模型的实用性，用基于所估计出的模型的动态矩阵控制方法，去控制风洞流场，控制效果如图3所示。

吹风试验过程中攻角由0°到-2.5°到5°进行连续变化，马赫数基本保持在0.002的误差带内，试验性能指标如表1所示

表1

由试验性能指标可以看出，攻角变化过程中马赫数平均值稳定在0.8253，与设定值0.8250的差小于0.001精度，且马赫数的标准差为0.000573，说明马赫数波动很小，最大正向偏差0.0015与最大负向偏差-0.0013均在精度0.001附近，可以说明整体控制效果达到0.001的控制精度。可以说明采用模糊模型与预测控制估计的马赫数0.8250的模型符合吹风试验的精度，所以基于模糊模型推测的风洞流场预测模型可以满足吹风试验的要求。

本发明还提供了一种基于跨声速风洞风速精度控制系统，包括：

数据采集单元，用于采集各预设工况下的变量数值；

数据预处理单元，用于将采集到的各预设工况的变量数值进行数据归一化的模糊处理；

模糊处理单元，用于建立TS模糊模型并建立TS模糊系统的模糊推理规则；

数据处理单元，用于依照模糊推理的规则得到相应的匹配度，并求解出符合吹风试验精度的工况预测模型解。

在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (4)

1.一种基于跨声速风洞风速精度控制方法，其特征在于，包括如下步骤：

S1、对不同预设工况下风洞流场预测模型输入的变量进行数据归一化的模糊处理；

S2、根据预设工况建立风洞流场预测模型的模糊模型规则库，根据模糊处理后的变量得到具有多条规则的零阶TS模糊模型，建立TS模糊系统的模糊推理规则；

S3、依照模糊推理规则得到输入变量满足第M条模糊推理规则的匹配度；

S4、将求解的匹配度代入TS模糊模型，将各条规则的输出按照各自所占的权重进行加权，得到所求工况预测模型解，即为符合吹风试验精度的马赫数模型；

所述步骤S1具体为：

所述输入变量为：

X_m＝{x₁,x₂,x₃,x₄,x₅}＝{P_O,Ma,P_Y,S_ZL,N_PZ}

其中，P_O表示总压/静压设定值，M_a表示马赫数设定值，P_Y表示主引压力设定值，S_ZL表示调节阶段的驻流位移，N_PZ表示喷嘴号，

通过如下归一化公式将x₁，x₂，x₃，x₄，x₅数据转换到[0,1]的范围内：

所述步骤S2具体包括如下步骤：

S21、根据预设工况，由已有的预测模型建立如下的模糊模型规则库：

S22、根据上述规则库并结合风洞的实际情况，得到n条模糊推理规则的零阶TS模糊模型，

其中，

代表在k时刻主排/栅指控制增量的作用下在未来N个时刻的预测值，

代表主排/栅指位移保持不变且未施加主排/栅指控制增量时总压/静压在未来N个时刻的预测初始值，Δu_N(k)代表主排/栅指有未来若干个增量变化，J代表主排/栅指和栅指进行阶跃响应试验测量总压/静压和静压的单位阶跃响应数据矩阵，

其中模糊推理规则的输入为工况参数X_m＝{x₁,x₂,x₃,x₄,x₅}＝{P_O,Ma,P_Y,S_ZL,N_PZ}

输出为X_m工况下对应的预测模型；

S23、TS型模糊系统的模糊推理规则如下：

其中，R_M表示第M条模糊推理规则；

d＝1,2…5是输入变量X_m的模糊集合，表示第M条模糊推理规则中的第d个模糊子集。

2.根据权利要求1所述的方法，其特征在于，所述S3具体为：依照模糊推理规则得到输入变量X_m满足第M条模糊推理规则的匹配度

的一般表达式为：

，

式中符合∧表示模糊逻辑中的与算子。

3.根据权利要求2所述的方法，其特征在于，采用高斯函数作为隶属度函数，

部分具体表示为：

其中，参数C^m表示高斯模糊集的中心，δ^m表示模糊集的宽度，中心点C^m与宽度δ^m根据风洞中每个预设工况模型确定。

4.根据权利要求3所述的方法，其特征在于，所述步骤S4中，所述工况预测模型解具体表达式为：

其中，

Images