CN113204882B - 临近空间螺旋桨的双趋势修正的数据融合效率验证方法 - Google Patents

Abstract

本发明提供一种临近空间螺旋桨的双趋势修正的数据融合效率验证方法，包括以下步骤：获得螺旋桨前进比和螺旋桨效率理论值形成的数据对，作为低可信度样本数据集；获得常规风洞试验螺旋桨缩比模型前进比和常规风洞试验螺旋桨效率测试值形成的数据对，作为次高可信度样本数据集；获得变密度风洞试验螺旋桨缩比模型前进比和变密度风洞试验螺旋桨效率测试值形成的数据对，作为高可信度样本数据集；建立融合低可信度样本数据集、次高可信度样本数据集和高可信度样本数据集的融合模型，实现融合理论计算、常规风洞试验和变密度风洞试验的螺旋桨效率验证值。本发明显著提升了临近空间螺旋桨效率的验证精度。

Description

临近空间螺旋桨的双趋势修正的数据融合效率验证方法

技术领域

本发明属于螺旋桨风洞试验技术领域，具体涉及一种临近空间螺旋桨的双趋势修正的数据融合效率验证方法。

背景技术

利用风洞进行临近空间螺旋桨缩比模型气动性能试验验证时，根据空气动力学相似理论，需满足三参数相似准则，即满足等前进比、等雷诺数和等桨尖马赫数，测得的拉力系数、功率系数和推进效率才是对应全尺寸螺旋桨真实工况下的实际性能。

对于20km以上海拔高度条件下的临近空间螺旋桨效率验证，常规风洞(即常压风洞)只能做到两参数相似(等前进比、等雷诺数)，无法完全满足三参数相似，导致测得的螺旋桨效率与客观真值存在较大偏差，相对偏差最大超过5％。如此大的试验精度误差会对飞艇和太阳能无人机等临近空间飞行器的设计带来重大影响。例如，效率测试值小于或大于客观真值，会分别导致一个保守的或冒进的设计，效率1％的保守会造成太阳能电池面积增加约40m²，以及太阳能电池与储能电池之和增重76kg，而冒进的设计会增加飞行器任务失败的可能性。因此，提高临近空间螺旋桨效率的验证精度对飞行器精细设计具有重要意义，甚至具有决定成败的颠覆性影响。

为了提高螺旋桨效率的验证精度，尽可能获得更准确的效率数据，上世纪90年代末期，美国Lewis研究中心牵头、联合Dryden研究中心等研究机构，提出了高空螺旋桨相关研究计划，包括变密度风洞和螺旋桨高空飞行试验平台建设，开展低速/高速低雷诺数螺旋桨翼型和高空螺旋桨高效气动布局技术、效率试验研究。

在国内，航天11院基于轨道拖车开展了高空螺旋桨的地面试验方法，依据等前进比和等雷诺数准则，进行了螺旋桨在不同飞行高度下气动特性的地面试验研究【CN106596033A】；北京航空航天大学利用常规风洞开展了满足等前进比、等雷诺数条件的高空螺旋桨缩比模型性能试验；西北工业大学基于常规风洞试验，分别提出了针对桨尖马赫数影响的高空螺旋桨风洞试验数据修正方法【ZL201911006738.8】和针对雷诺数数影响的高空螺旋桨风洞试验数据修正方法【ZL201911006019.6】。

综上所述，目前国内外关于临近空间螺旋桨效率验证的手段，仍然以常规风洞为主，虽然通过一些修正方法可以使得试验数据更接近实际情况，但因为缺少完全满足三参数相似准则的试验数据，无法对效率验证精度的提高进行量化。变密度风洞虽然可以进行完全三参数相似的模拟试验，得到精确的螺旋桨效率值，但由于周期长、成本高，只能得到较少数据量的变密度风洞测试值。

螺旋桨效率理论值和常规风洞效率测试值的数据量大但精度偏低，变密度风洞效率测试值的数据量少但精度最高。均无法满足目前日益增长的对临近空间螺旋桨效率验证精度的需求。

发明内容

针对现有技术存在的缺陷，本发明提供一种临近空间螺旋桨的双趋势修正的数据融合效率验证方法，可有效解决上述问题。

本发明采用的技术方案如下：

本发明提供一种临近空间螺旋桨的双趋势修正的数据融合效率验证方法，包括以下步骤：

步骤1，获得n₁个螺旋桨前进比和螺旋桨效率理论值形成的数据对，作为低可信度样本数据集；具体方法包括：

步骤1.1，确定全尺寸螺旋桨的高空工况参数，包括：螺旋桨工作高度、螺旋桨工作速度V_g、螺旋桨工作转速Ns_g[0]、螺旋桨直径D_g、螺旋桨工作高度时的空气密度ρ_g、螺旋桨工作高度时的空气粘性系数μ_g和螺旋桨工作高度时的空气声速a_g；

步骤1.2，在螺旋桨工作高度和螺旋桨工作速度V_g条件下，以螺旋桨工作转速Ns_g[0]为中心点，确定真实工况下螺旋桨转速选择区间[Ns_g[T₁],Ns_g[T₂]]；其中，Ns_g[T₁]为螺旋桨转速选择区间的下限；Ns_g[T₂]为螺旋桨转速选择区间的上限；

步骤1.3，在真实工况下螺旋桨转速选择区间[Ns_g[T₁],Ns_g[T₂]]内，等间隔选取n₁个螺旋桨转速，分别表示为：Ns_g[1],Ns_g[2],...,Ns_g[n₁]；对于每个螺旋桨转速Ns_g[i]，其中，i＝1,2,...,n₁，均采用公式(1)，计算得到该螺旋桨转速Ns_g[i]下的螺旋桨前进比J_g[i]：

步骤1.4，由此共计算得到n₁个螺旋桨前进比，分别表示为：J_g[1],J_g[2],...,J_g[n₁]；将n₁个螺旋桨前进比J_g[1],J_g[2],...,J_g[n₁]组成螺旋桨前进比向量J₁＝[J_g[1],J_g[2],...,J_g[n₁]]；

步骤1.5，对于每个螺旋桨前进比J_g[i]，i＝1,2,...,n₁，均通过计算流体力学方法得到对应的螺旋桨效率理论值η_g[i]，因此，将得到的n₁个螺旋桨效率理论值η_g[i]组成螺旋桨效率理论值向量η₁＝[η_g[1],η_g[2],...,η_g[n₁]]；

步骤1.6，将螺旋桨前进比-螺旋桨效率理论值形成的n₁个数据对，即：(J₁,η₁)＝{J_g[1],η_g[1]},{J_g[2],η_g[2]}...,{J_g[n₁],η_g[n₁]}，作为低可信度样本数据集；

步骤2，获得n₂个常规风洞试验螺旋桨缩比模型前进比和常规风洞试验螺旋桨效率测试值形成的数据对，作为次高可信度样本数据集；具体方法包括：

步骤2.1，确定常规风洞试验的试验参数，包括：常规风洞试验螺旋桨缩比模型直径D_c、常规风洞试验的风速V_c、常规风洞试验环境空气密度ρ_c和常规风洞试验环境的空气粘性系数μ_c；

其中，常规风洞试验的风速V_c，通过以下方法得到：

根据雷诺数相似准则，采用公式(2)，得到常规风洞试验的风速V_c：

其中：螺旋桨直径D_g、螺旋桨工作高度时的空气密度ρ_g、螺旋桨工作高度时的空气粘性系数μ_g、螺旋桨工作速度V_g均通过步骤1.1获得；

步骤2.2，根据前进比相似准则，采用公式(3)，确定步骤1.1中螺旋桨工作转速Ns_g[0]对应的常规风洞试验螺旋桨缩比模型转速Ns_c[0]：

以常规风洞试验螺旋桨缩比模型转速Ns_c[0]为中心点，确定常规风洞试验螺旋桨缩比模型的转速选择区间[Ns_c[T₁],Ns_c[T₂]]；其中，Ns_c[T₁]为转速选择区间的下限；Ns_c[T₂]为转速选择区间的上限；

步骤2.3，在常规风洞试验螺旋桨缩比模型的转速选择区间[Ns_c[T₁],Ns_c[T₂]]内，等间隔选取n₂个常规风洞试验螺旋桨缩比模型转速，分别表示为：Ns_c[1],Ns_c[2],...,Ns_c[n₂]；

对于每个常规风洞试验螺旋桨缩比模型转速Ns_c[j]，其中，j＝1,2,...,n₂，采用公式(4)，得到常规风洞试验螺旋桨缩比模型转速Ns_c[j]下的螺旋桨缩比模型前进比J_c[j]：

步骤2.4，由此共计算得到n₂个螺旋桨缩比模型前进比，分别表示为：J_c[1],J_c[2],...,J_c[n₂]；将n₂个螺旋桨缩比模型前进比J_c[1],J_c[2],...,J_c[n₂]组成螺旋桨缩比模型前进比向量J₂＝[J_c[1],J_c[2],...,J_c[n₂]]；

步骤2.5，对于每个常规风洞试验螺旋桨缩比模型转速Ns_c[j]，按步骤2.1确定的常规风洞试验的试验参数进行常规风洞试验，得到与螺旋桨缩比模型转速Ns_c[j]对应的常规风洞试验螺旋桨效率测试值η_c[j]，因此，共得到n₂个常规风洞试验螺旋桨效率测试值，组成常规风洞试验螺旋桨效率测试值向量η₂＝[η_c[1],η_c[2],...,η_c[n₂]]；

步骤2.6，将螺旋桨缩比模型前进比-常规风洞试验螺旋桨效率测试值形成的n₂个数据对，即：(J₂,η₂)＝{J_c[1],η_c[1]},{J_c[2],η_c[2]}...,{J_c[n₂],η_c[n₂]}，作为次高可信度样本数据集；

步骤3，获得n₃个变密度风洞试验螺旋桨缩比模型前进比和变密度风洞试验螺旋桨效率测试值形成的数据对，作为高可信度样本数据集；具体方法包括：

步骤3.1，确定变密度风洞试验的试验参数，包括：变密度风洞试验的螺旋桨缩比模型直径D_b、变密度风洞试验的风速V_b、变密度风洞试验的空气密度ρ_b、变密度风洞试验的空气声速a_b和变密度风洞试验的空气粘性系数μ_b；

其中：变密度风洞试验的风速V_b和变密度风洞试验的空气密度ρ_b分别通过步骤3.1.1和步骤3.1.2确定：

步骤3.1.1，根据桨尖马赫数相似准则，采用公式(5)，得到变密度风洞试验的风速V_b；

步骤3.1.2，根据雷诺数相似准则，采用公式(6)，得到变密度风洞试验的空气密度ρ_b；

步骤3.2，根据前进比相似准则，采用公式(7)，确定步骤1.1中螺旋桨工作转速Ns_g[0]对应的变密度风洞试验螺旋桨缩比模型的转速Ns_b[0]：

以变密度风洞试验螺旋桨缩比模型的转速Ns_b[0]为中心点，确定变密度风洞试验螺旋桨缩比模型的转速选择区间[Ns_b[T₁],Ns_b[T₂]]；其中，Ns_b[T₁]为转速选择区间的下限；Ns_b[T₂]为转速选择区间的上限；

步骤3.3，在变密度风洞试验螺旋桨缩比模型的转速选择区间[Ns_b[T₁],Ns_b[T₂]]内，等间隔选取n₃个变密度风洞试验螺旋桨缩比模型转速，分别表示为：Ns_b[1],Ns_b[2],...,Ns_b[n₃]；

对于每个变密度风洞试验螺旋桨缩比模型转速Ns_b[k]，其中，k＝1,2,...,n₃，采用公式(8)，得到变密度风洞试验螺旋桨缩比模型转速Ns_b[k]下的螺旋桨缩比模型前进比J_b[k]：

步骤3.4，由此共计算得到n₃个变密度风洞试验螺旋桨缩比模型前进比，分别表示为：J_b[1],J_b[2],...,J_b[n₃]；将n₃个变密度风洞试验螺旋桨缩比模型前进比J_b[1],J_b[2],...,J_b[n₃]组成变密度风洞试验螺旋桨缩比模型前进比向量J₃＝[J_b[1],J_b[2],...,J_b[n₃]]；

步骤3.5，对于每个变密度风洞试验螺旋桨缩比模型转速Ns_b[k]，按步骤3.1确定的变密度风洞试验的试验参数进行变密度风洞试验，得到与变密度风洞试验螺旋桨缩比模型转速Ns_b[k]对应的变密度风洞试验螺旋桨效率测试值η_b[k]，因此，共得到n₃个变密度风洞试验螺旋桨效率测试值，组成变密度风洞试验螺旋桨效率测试值向量η₃＝[η_b[1],η_b[2],...,η_b[n₃]]；

步骤3.6，将变密度风洞试验螺旋桨缩比模型前进比-变密度风洞试验螺旋桨效率测试值形成的n₃个数据对，即：(J₃,η₃)＝{J_b[1],η_b[1]},{J_b[2],η_b[2]}...,{J_b[n₃],η_b[n₃]}，作为最高可信度样本数据集；

步骤4，基于理论计算的低可信度样本数据集(J₁,η₁)建立一次趋势模型

基于常规风洞试验的次高可信度样本数据集(J₂,η₂)建立一次修正模型

采用公式(9)，建立得到一次趋势修正的分层Kriging代理模型

其中：J为前进比自变量；

步骤5，将步骤1中的n₁个螺旋桨前进比，即：J₁＝J_g[1],J_g[2],...,J_g[n₁]，分别代入一次趋势修正的分层Kriging代理模型

由此得到n₁个螺旋桨效率一次融合值，表示为:η₁₂＝[η₁₂[1],η₁₂[2],...,η₁₂[n₁]]；

由此生成新的样本数据集(J₁,η₁₂)；

步骤6，基于步骤5新的样本数据集(J₁,η₁₂)建立二次趋势模型

基于变密度风洞试验的最高可信度样本数据集(J₃,η₃)建立二次修正模型

采用公式(10)，建立得到二次趋势修正的分层Kriging代理模型

步骤7，当需要验证某个螺旋桨前进比下的效率时，将螺旋桨前进比代入公式(10)，得到螺旋桨效率二次融合值，即为融合理论计算、常规风洞试验和变密度风洞试验的螺旋桨效率验证值。

优选的，其特征在于，n₁为10～20；n₂为5～10；n₃为3～5。

本发明提供的临近空间螺旋桨的双趋势修正的数据融合效率验证方法具有以下优点：

本发明提供的临近空间螺旋桨的双趋势修正的数据融合效率验证方法，根据建立的数据融合效率验证模型，其预测的螺旋桨效率值更接近最高可信度的变密度风洞效率测试值。该技术通过两次“趋势+修正”，实现螺旋桨效率的理论值、常规风洞效率测试值和变密度风洞效率测试值的数据融合，显著提升了临近空间螺旋桨效率的验证精度。

附图说明

图1为本发明提供的临近空间螺旋桨的双趋势修正的数据融合效率验证方法的流程示意图；

图2为一种螺旋桨工况下，螺旋桨效率计算理论值、常规风洞效率测试值、变密度风洞效率测试值和本发明数据融合效率值的对比图；

图3为另一种螺旋桨工况下，螺旋桨效率计算理论值、常规风洞效率测试值、变密度风洞效率测试值和本发明数据融合效率值的对比图。

具体实施方式

为了使本发明所解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

本发明解决的技术问题是，提出一种临近空间螺旋桨的双趋势修正的数据融合效率验证方法，其中，本发明中临近空间的含义特指海拔高度20km～40km的范围。本发明融合螺旋桨效率理论值、常规风洞效率测试值和变密度风洞效率测试值，提出双趋势修正的数据融合效率验证方法，显著提升了临近空间螺旋桨效率的验证精度。

具体的，针对现有技术中各类数据源的特征，本发明提出了融合理论值、常规风洞测试值和变密度风洞测试值的双趋势修正的数据融合效率验证技术，利用少量成本很高的变密度风洞测试值和大量成本较低的理论值和常规风洞测试值，得到融合理论计算、常规风洞试验和变密度风洞试验的螺旋桨效率验证值，显著提升了临近空间螺旋桨效率的验证精度。

参考图1，本发明提供一种临近空间螺旋桨的双趋势修正的数据融合效率验证方法，包括以下步骤：

步骤1，获得n₁个螺旋桨前进比和螺旋桨效率理论值形成的数据对，作为低可信度样本数据集；具体方法包括：

步骤1.1，确定全尺寸螺旋桨的高空工况参数，包括：螺旋桨工作高度、螺旋桨工作速度V_g、螺旋桨工作转速Ns_g[0]、螺旋桨直径D_g、螺旋桨工作高度时的空气密度ρ_g、螺旋桨工作高度时的空气粘性系数μ_g和螺旋桨工作高度时的空气声速a_g；

步骤1.2，在螺旋桨工作高度和螺旋桨工作速度V_g条件下，以螺旋桨工作转速Ns_g[0]为中心点，确定真实工况下螺旋桨转速选择区间[Ns_g[T₁],Ns_g[T₂]]；其中，Ns_g[T₁]为螺旋桨转速选择区间的下限；Ns_g[T₂]为螺旋桨转速选择区间的上限；

步骤1.3，在真实工况下螺旋桨转速选择区间[Ns_g[T₁],Ns_g[T₂]]内，等间隔选取n₁个螺旋桨转速，分别表示为：Ns_g[1],Ns_g[2],...,Ns_g[n₁]；对于每个螺旋桨转速Ns_g[i]，其中，i＝1,2,...,n₁，均采用公式(1)，计算得到该螺旋桨转速Ns_g[i]下的螺旋桨前进比J_g[i]：

步骤1.4，由此共计算得到n₁个螺旋桨前进比，分别表示为：J_g[1],J_g[2],...,J_g[n₁]；将n₁个螺旋桨前进比J_g[1],J_g[2],...,J_g[n₁]组成螺旋桨前进比向量J₁＝[J_g[1],J_g[2],...,J_g[n₁]]；

步骤1.5，对于每个螺旋桨前进比J_g[i]，i＝1,2,...,n₁，均通过计算流体力学方法(CFD)得到对应的螺旋桨效率理论值η_g[i]，因此，将得到的n₁个螺旋桨效率理论值η_g[i]组成螺旋桨效率理论值向量η₁＝[η_g[1],η_g[2],...,η_g[n₁]]；

步骤1.6，将螺旋桨前进比-螺旋桨效率理论值形成的n₁个数据对，即：(J₁,η₁)＝{J_g[1],η_g[1]},{J_g[2],η_g[2]}...,{J_g[n₁],η_g[n₁]}，作为低可信度样本数据集；

步骤2，获得n₂个常规风洞试验螺旋桨缩比模型前进比和常规风洞试验螺旋桨效率测试值形成的数据对，作为次高可信度样本数据集；具体方法包括：

步骤2.1，确定常规风洞试验的试验参数，包括：常规风洞试验螺旋桨缩比模型直径D_c(可在0.7米～1.2米范围任意取值)、常规风洞试验的风速V_c、常规风洞试验环境空气密度ρ_c和常规风洞试验环境的空气粘性系数μ_c；

其中，常规风洞试验的风速V_c，通过以下方法得到：

根据雷诺数相似准则，采用公式(2)，得到常规风洞试验的风速V_c：

其中：螺旋桨直径D_g、螺旋桨工作高度时的空气密度ρ_g、螺旋桨工作高度时的空气粘性系数μ_g、螺旋桨工作速度V_g均通过步骤1.1获得；

由公式(2)可以看出，常规风洞试验的风速V_c，与常规风洞试验螺旋桨缩比模型转速Ns_c[0]无关，仅与螺旋桨直径D_g、常规风洞试验螺旋桨缩比模型直径D_c和空气参数相关。

步骤2.2，根据前进比相似准则，采用公式(3)，确定步骤1.1中螺旋桨工作转速Ns_g[0]对应的常规风洞试验螺旋桨缩比模型转速Ns_c[0]：

以常规风洞试验螺旋桨缩比模型转速Ns_c[0]为中心点，确定常规风洞试验螺旋桨缩比模型的转速选择区间[Ns_c[T₁],Ns_c[T₂]]；其中，Ns_c[T₁]为转速选择区间的下限；Ns_c[T₂]为转速选择区间的上限；

步骤2.3，在常规风洞试验螺旋桨缩比模型的转速选择区间[Ns_c[T₁],Ns_c[T₂]]内，等间隔选取n₂个常规风洞试验螺旋桨缩比模型转速，分别表示为：Ns_c[1],Ns_c[2],...,Ns_c[n₂]；

对于每个常规风洞试验螺旋桨缩比模型转速Ns_c[j]，其中，j＝1,2,...,n2，采用公式(4)，得到常规风洞试验螺旋桨缩比模型转速Ns_c[j]下的螺旋桨缩比模型前进比J_c[j]：

步骤2.4，由此共计算得到n₂个螺旋桨缩比模型前进比，分别表示为：J_c[1],J_c[2],...,J_c[n₂]；将n₂个螺旋桨缩比模型前进比J_c[1],J_c[2],...,J_c[n₂]组成螺旋桨缩比模型前进比向量J₂＝[J_c[1],J_c[2],...,J_c[n₂]]；

步骤2.5，对于每个常规风洞试验螺旋桨缩比模型转速Ns_c[j]，按步骤2.1确定的常规风洞试验的试验参数进行常规风洞试验，得到与螺旋桨缩比模型转速Ns_c[j]对应的常规风洞试验螺旋桨效率测试值η_c[j]，因此，共得到n₂个常规风洞试验螺旋桨效率测试值，组成常规风洞试验螺旋桨效率测试值向量η₂＝[η_c[1],η_c[2],...,η_c[n₂]]；

步骤2.6，将螺旋桨缩比模型前进比-常规风洞试验螺旋桨效率测试值形成的n₂个数据对，即：(J₂,η₂)＝{J_c[1],η_c[1]},{J_c[2],η_c[2]}...,{J_c[n₂],η_c[n₂]}，作为次高可信度样本数据集；

步骤3，获得n₃个变密度风洞试验螺旋桨缩比模型前进比和变密度风洞试验螺旋桨效率测试值形成的数据对，作为高可信度样本数据集；具体方法包括：

步骤3.1，确定变密度风洞试验的试验参数，包括：变密度风洞试验的螺旋桨缩比模型直径D_b(可在0.7米～1.2米范围任意取值)、变密度风洞试验的风速V_b、变密度风洞试验的空气密度ρ_b、变密度风洞试验的空气声速a_b和变密度风洞试验的空气粘性系数μ_b；

其中，变密度风洞在调节空气压强和密度时，保持变密度风洞中的空气温度为大气环境温度不变，则变密度风洞试验的空气声速a_b和空气粘性系数μ_b始终不变，为已知确定值。

其中：变密度风洞试验的风速V_b和变密度风洞试验的空气密度ρ_b分别通过步骤3.1.1和步骤3.1.2确定：

步骤3.1.1，根据桨尖马赫数相似准则，采用公式(5)，得到变密度风洞试验的风速V_b；

步骤3.1.2，根据雷诺数相似准则，采用公式(6)，得到变密度风洞试验的空气密度ρ_b；

步骤3.2，根据前进比相似准则，采用公式(7)，确定步骤1.1中螺旋桨工作转速Ns_g[0]对应的变密度风洞试验螺旋桨缩比模型的转速Ns_b[0]：

以变密度风洞试验螺旋桨缩比模型的转速Ns_b[0]为中心点，确定变密度风洞试验螺旋桨缩比模型的转速选择区间[Ns_b[T₁],Ns_b[T₂]]；其中，Ns_b[T₁]为转速选择区间的下限；Ns_b[T₂]为转速选择区间的上限；

步骤3.3，在变密度风洞试验螺旋桨缩比模型的转速选择区间[Ns_b[T₁],Ns_b[T₂]]内，等间隔选取n₃个变密度风洞试验螺旋桨缩比模型转速，分别表示为：Ns_b[1],Ns_b[2],...,Ns_b[n₃]；

对于每个变密度风洞试验螺旋桨缩比模型转速Ns_b[k]，其中，k＝1,2,...,n₃，采用公式(8)，得到变密度风洞试验螺旋桨缩比模型转速Ns_b[k]下的螺旋桨缩比模型前进比J_b[k]：

步骤3.4，由此共计算得到n₃个变密度风洞试验螺旋桨缩比模型前进比，分别表示为：J_b[1],J_b[2],...,J_b[n₃]；将n₃个变密度风洞试验螺旋桨缩比模型前进比J_b[1],J_b[2],...,J_b[n₃]组成变密度风洞试验螺旋桨缩比模型前进比向量J₃＝[J_b[1],J_b[2],...,J_b[n₃]]；

步骤3.5，对于每个变密度风洞试验螺旋桨缩比模型转速Ns_b[k]，按步骤3.1确定的变密度风洞试验的试验参数进行变密度风洞试验，得到与变密度风洞试验螺旋桨缩比模型转速Ns_b[k]对应的变密度风洞试验螺旋桨效率测试值η_b[k]，因此，共得到n₃个变密度风洞试验螺旋桨效率测试值，组成变密度风洞试验螺旋桨效率测试值向量η₃＝[η_b[1],η_b[2],...,η_b[n₃]]；

步骤3.6，将变密度风洞试验螺旋桨缩比模型前进比-变密度风洞试验螺旋桨效率测试值形成的n₃个数据对，即：(J₃,η₃)＝{J_b[1],η_b[1]},{J_b[2],η_b[2]}...,{J_b[n₃],η_b[n₃]}，作为最高可信度样本数据集；

步骤4，基于理论计算的低可信度样本数据集(J₁,η₁)建立一次趋势模型

基于常规风洞试验的次高可信度样本数据集(J₂,η₂)建立一次修正模型

采用公式(9)，建立得到一次趋势修正的分层Kriging代理模型

其中：J为前进比自变量；

步骤5，将步骤1中的n₁个螺旋桨前进比，即：J₁＝J_g[1],J_g[2],...,J_g[n₁]，分别代入一次趋势修正的分层Kriging代理模型

由此得到n₁个螺旋桨效率一次融合值，表示为:η₁₂＝[η₁₂[1],η₁₂[2],...,η₁₂[n₁]]；

由此生成新的样本数据集(J₁,η₁₂)；

步骤6，基于步骤5新的样本数据集(J₁,η₁₂)建立二次趋势模型

基于变密度风洞试验的最高可信度样本数据集(J₃,η₃)建立二次修正模型

采用公式(10)，建立得到二次趋势修正的分层Kriging代理模型

步骤7，当需要验证某个螺旋桨前进比下的效率时，将螺旋桨前进比代入公式(10)，得到螺旋桨效率二次融合值，即为融合理论计算、常规风洞试验和变密度风洞试验的螺旋桨效率验证值。

作为一种具体实现方式，n₁为10～20；n₂为5～10；n₃为3～5。

下面列举一个实施例：

针对某功率10kW、直径7m的临近空间螺旋桨，在螺旋桨工作高度20km，螺旋桨工作速度V_g为10m/s和20m/s条件下，发明人分别使用计算流体力学(CFD)数值模拟方法、常规风洞试验和变密度风洞试验三种效率获取方法，获得了三组不同精度的前进比-效率数据样本集，利用本发明提出的双趋势修正的数据融合效率验证方法获得了数据融合效率，如图2和图3。

其中：

图2为某功率10kW、直径7m的临近空间螺旋桨，在高度20km，速度10m/s条件下的螺旋桨效率计算理论值、常规风洞效率测试值、变密度风洞效率测试值和本发明数据融合效率值的对比图。其中，低可信度的计算理论值样本数据16个，次高可信度的常规风洞试验样本数据7个，最高可信度的变密度风洞试验样本数据4个。即：n₁为16；n₂为7；n₃为4。

图3为某功率10kW、直径7m的临近空间螺旋桨，在高度20km，速度20m/s条件下的螺旋桨效率计算理论值、常规风洞效率测试值、变密度风洞效率测试值和本发明数据融合效率值。其中，低可信度的计算理论值样本数据12个，次高可信度的常规风洞试验样本数据8个，最高可信度的变密度风洞试验样本数据4个。即：n₁为12；n₂为8；n₃为4。

以变密度风洞的效率测试值为真值，定量分析螺旋桨工作速度V_g为10m/s和20m/s两个工作点下的常规风洞试验效率精度误差和数据融效率精度误差。如表1所示。

表1常规风洞和本发明效率精度误差对比

对比表1可以看出，本发明效率的精度误差小于1％，而常规风洞的效率精度误差可达3％，最高可达5％。从而验证本发明提出的双趋势修正的数据融合效率验证方法，获得了精度更高的螺旋桨效率。

另外，观察图2和图3可以看出，最高可信度的变密度风洞试验样本数据量较少，仅有4个。而本发明得到的双趋势修正的数据融合效率验证模型，即公式(10)，为一条曲线，采用该曲线，可以得到任意前进比下的螺旋桨效率值，有效解决了变密度风洞试验样本数据量少的问题。

因此，本发明提出的双趋势修正的数据融合效率验证方法，通过两次“趋势+修正”提出了融合螺旋桨效率理论值、常规风洞效率测试值和变密度风洞效率测试值的双趋势修正的数据融合效率验证方法，获得了精度更高的螺旋桨效率。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视本发明的保护范围。

Claims (2)

1.一种临近空间螺旋桨的双趋势修正的数据融合效率验证方法，其特征在于，包括以下步骤：

步骤1，获得n₁个螺旋桨前进比和螺旋桨效率理论值形成的数据对，作为低可信度样本数据集；具体方法包括：

步骤1.1，确定全尺寸螺旋桨的高空工况参数，包括：螺旋桨工作高度、螺旋桨工作速度V_g、螺旋桨工作转速Ns_g[0]、螺旋桨直径D_g、螺旋桨工作高度时的空气密度ρ_g、螺旋桨工作高度时的空气粘性系数μ_g和螺旋桨工作高度时的空气声速a_g；

步骤1.2，在螺旋桨工作高度和螺旋桨工作速度V_g条件下，以螺旋桨工作转速Ns_g[0]为中心点，确定真实工况下螺旋桨转速选择区间[Ns_g[T₁],Ns_g[T₂]]；其中，Ns_g[T₁]为螺旋桨转速选择区间的下限；Ns_g[T₂]为螺旋桨转速选择区间的上限；

步骤1.3，在真实工况下螺旋桨转速选择区间[Ns_g[T₁],Ns_g[T₂]]内，等间隔选取n₁个螺旋桨转速，分别表示为：Ns_g[1],Ns_g[2],...,Ns_g[n₁]；对于每个螺旋桨转速Ns_g[i]，其中，i＝1,2,...,n₁，均采用公式(1)，计算得到该螺旋桨转速Ns_g[i]下的螺旋桨前进比J_g[i]：

步骤1.4，由此共计算得到n₁个螺旋桨前进比，分别表示为：J_g[1],J_g[2],...,J_g[n₁]；将n₁个螺旋桨前进比J_g[1],J_g[2],...,J_g[n₁]组成螺旋桨前进比向量J₁＝[J_g[1],J_g[2],...,J_g[n₁]]；

步骤1.5，对于每个螺旋桨前进比J_g[i]，i＝1,2,...,n₁，均通过计算流体力学方法得到对应的螺旋桨效率理论值η_g[i]，因此，将得到的n₁个螺旋桨效率理论值η_g[i]组成螺旋桨效率理论值向量η₁＝[η_g[1],η_g[2],...,η_g[n₁]]；

步骤1.6，将螺旋桨前进比-螺旋桨效率理论值形成的n₁个数据对，即：(J₁,η₁)＝{J_g[1],η_g[1]},{J_g[2],η_g[2]}...,{J_g[n₁],η_g[n₁]}，作为低可信度样本数据集；

步骤2，获得n₂个常规风洞试验螺旋桨缩比模型前进比和常规风洞试验螺旋桨效率测试值形成的数据对，作为次高可信度样本数据集；具体方法包括：

步骤2.1，确定常规风洞试验的试验参数，包括：常规风洞试验螺旋桨缩比模型直径D_c、常规风洞试验的风速V_c、常规风洞试验环境空气密度ρ_c和常规风洞试验环境的空气粘性系数μ_c；

其中，常规风洞试验的风速V_c，通过以下方法得到：

根据雷诺数相似准则，采用公式(2)，得到常规风洞试验的风速V_c：

其中：螺旋桨直径D_g、螺旋桨工作高度时的空气密度ρ_g、螺旋桨工作高度时的空气粘性系数μ_g、螺旋桨工作速度V_g均通过步骤1.1获得；

步骤2.2，根据前进比相似准则，采用公式(3)，确定步骤1.1中螺旋桨工作转速Ns_g[0]对应的常规风洞试验螺旋桨缩比模型转速Ns_c[0]：

以常规风洞试验螺旋桨缩比模型转速Ns_c[0]为中心点，确定常规风洞试验螺旋桨缩比模型的转速选择区间[Ns_c[T₁],Ns_c[T₂]]；其中，Ns_c[T₁]为转速选择区间的下限；Ns_c[T₂]为转速选择区间的上限；

步骤2.3，在常规风洞试验螺旋桨缩比模型的转速选择区间[Ns_c[T₁],Ns_c[T₂]]内，等间隔选取n₂个常规风洞试验螺旋桨缩比模型转速，分别表示为：Ns_c[1],Ns_c[2],...,Ns_c[n₂]；

对于每个常规风洞试验螺旋桨缩比模型转速Ns_c[j]，其中，j＝1,2,...,n₂，采用公式(4)，得到常规风洞试验螺旋桨缩比模型转速Ns_c[j]下的螺旋桨缩比模型前进比J_c[j]：

步骤2.4，由此共计算得到n₂个螺旋桨缩比模型前进比，分别表示为：J_c[1],J_c[2],...,J_c[n₂]；将n₂个螺旋桨缩比模型前进比J_c[1],J_c[2],...,J_c[n₂]组成螺旋桨缩比模型前进比向量J₂＝[J_c[1],J_c[2],...,J_c[n₂]]；

步骤2.5，对于每个常规风洞试验螺旋桨缩比模型转速Ns_c[j]，按步骤2.1确定的常规风洞试验的试验参数进行常规风洞试验，得到与螺旋桨缩比模型转速Ns_c[j]对应的常规风洞试验螺旋桨效率测试值η_c[j]，因此，共得到n₂个常规风洞试验螺旋桨效率测试值，组成常规风洞试验螺旋桨效率测试值向量η₂＝[η_c[1],η_c[2],...,η_c[n₂]]；

步骤2.6，将螺旋桨缩比模型前进比-常规风洞试验螺旋桨效率测试值形成的n₂个数据对，即：(J₂,η₂)＝{J_c[1],η_c[1]},{J_c[2],η_c[2]}...,{J_c[n₂],η_c[n₂]}，作为次高可信度样本数据集；

步骤3，获得n₃个变密度风洞试验螺旋桨缩比模型前进比和变密度风洞试验螺旋桨效率测试值形成的数据对，作为高可信度样本数据集；具体方法包括：

步骤3.1，确定变密度风洞试验的试验参数，包括：变密度风洞试验的螺旋桨缩比模型直径D_b、变密度风洞试验的风速V_b、变密度风洞试验的空气密度ρ_b、变密度风洞试验的空气声速a_b和变密度风洞试验的空气粘性系数μ_b；

其中：变密度风洞试验的风速V_b和变密度风洞试验的空气密度ρ_b分别通过步骤3.1.1和步骤3.1.2确定：

步骤3.1.1，根据桨尖马赫数相似准则，采用公式(5)，得到变密度风洞试验的风速V_b；

步骤3.1.2，根据雷诺数相似准则，采用公式(6)，得到变密度风洞试验的空气密度ρ_b；

步骤3.2，根据前进比相似准则，采用公式(7)，确定步骤1.1中螺旋桨工作转速Ns_g[0]对应的变密度风洞试验螺旋桨缩比模型的转速Ns_b[0]：

以变密度风洞试验螺旋桨缩比模型的转速Ns_b[0]为中心点，确定变密度风洞试验螺旋桨缩比模型的转速选择区间[Ns_b[T₁],Ns_b[T₂]]；其中，Ns_b[T₁]为转速选择区间的下限；Ns_b[T₂]为转速选择区间的上限；

步骤3.3，在变密度风洞试验螺旋桨缩比模型的转速选择区间[Ns_b[T₁],Ns_b[T₂]]内，等间隔选取n₃个变密度风洞试验螺旋桨缩比模型转速，分别表示为：Ns_b[1],Ns_b[2],...,Ns_b[n₃]；

对于每个变密度风洞试验螺旋桨缩比模型转速Ns_b[k]，其中，k＝1,2,...,n₃，采用公式(8)，得到变密度风洞试验螺旋桨缩比模型转速Ns_b[k]下的螺旋桨缩比模型前进比J_b[k]：

步骤3.4，由此共计算得到n₃个变密度风洞试验螺旋桨缩比模型前进比，分别表示为：J_b[1],J_b[2],...,J_b[n₃]；将n₃个变密度风洞试验螺旋桨缩比模型前进比J_b[1],J_b[2],...,J_b[n₃]组成变密度风洞试验螺旋桨缩比模型前进比向量J₃＝[J_b[1],J_b[2],...,J_b[n₃]]；

步骤3.5，对于每个变密度风洞试验螺旋桨缩比模型转速Ns_b[k]，按步骤3.1确定的变密度风洞试验的试验参数进行变密度风洞试验，得到与变密度风洞试验螺旋桨缩比模型转速Ns_b[k]对应的变密度风洞试验螺旋桨效率测试值η_b[k]，因此，共得到n₃个变密度风洞试验螺旋桨效率测试值，组成变密度风洞试验螺旋桨效率测试值向量η₃＝[η_b[1],η_b[2],...,η_b[n₃]]；

步骤3.6，将变密度风洞试验螺旋桨缩比模型前进比-变密度风洞试验螺旋桨效率测试值形成的n₃个数据对，即：(J₃,η₃)＝{J_b[1],η_b[1]},{J_b[2],η_b[2]}...,{J_b[n₃],η_b[n₃]}，作为最高可信度样本数据集；

步骤4，基于理论计算的低可信度样本数据集(J₁,η₁)建立一次趋势模型

基于常规风洞试验的次高可信度样本数据集(J₂,η₂)建立一次修正模型

采用公式(9)，建立得到一次趋势修正的分层Kriging代理模型

其中：J为前进比自变量；

步骤5，将步骤1中的n₁个螺旋桨前进比，即：J₁＝J_g[1],J_g[2],...,J_g[n₁]，分别代入一次趋势修正的分层Kriging代理模型

由此得到n₁个螺旋桨效率一次融合值，表示为:η₁₂＝[η₁₂[1],η₁₂[2],...,η₁₂[n₁]]；

由此生成新的样本数据集(J₁,η₁₂)；

步骤6，基于步骤5新的样本数据集(J₁,η₁₂)建立二次趋势模型

基于变密度风洞试验的最高可信度样本数据集(J₃,η₃)建立二次修正模型

采用公式(10)，建立得到二次趋势修正的分层Kriging代理模型

步骤7，当需要验证某个螺旋桨前进比下的效率时，将螺旋桨前进比代入公式(10)，得到螺旋桨效率二次融合值，即为融合理论计算、常规风洞试验和变密度风洞试验的螺旋桨效率验证值。

2.根据权利要求1所述的临近空间螺旋桨的双趋势修正的数据融合效率验证方法，其特征在于，n₁为10～20；n₂为5～10；n₃为3～5。

Images