CN113884272B - 一种模拟大气边界层多尺度湍流结构的风洞试验装置及方法 - Google Patents

Abstract

本发明公开了一种模拟大气边界层多尺度湍流结构的风洞试验装置及方法，针对目前大气边界层风洞模拟装置及方法存在湍流积分尺度模拟能力不足、人工调控耗时长等问题，本发明在宏观上提出将风洞风速与格栅翼姿态协同控制的方法，在微观上提出变尺寸锯齿边缘的格栅翼外形设计方法，可以有效扩展大气边界层湍流积分尺度的模拟范围。同时，提出了采用机器学习自动寻优的控制方法，可以显著减小试验调试工作量，提高试验效率。此外，变尺寸锯齿边缘格栅翼可同时产生不同积分尺度湍流结构，有助于快速达到湍流充分发展状态。

Description

一种模拟大气边界层多尺度湍流结构的风洞试验装置及方法

技术领域

本发明属于风洞试验技术领域，涉及一种风洞试验方法，更具体涉及一种模拟大气边界层流动特征的风洞试验方法。

背景技术

大气边界层环境与人类生活息息相关，气象、烟尘扩散、化工污染等流动过程，建筑、桥梁、风电机组等生活或工业应用设施的服役状态都会受到大气边界层的影响。因此，研究大气边界层本身的流动形态及其对自然风环境下各种风工程问题的影响规律具有重要的科学和工程意义。

目前，开展大气边界层相关研究主要采用风洞模拟的方法，极少数工作采用外场测量的方式。在风洞中模拟大气边界层分为自然形成法和人工形成法，其中自然形成法需要较长的试验段，一般难以实现且成本高昂；人工形成法需添加一定的人工湍流发生装置，从而缩短湍流发展距离，而根据人工湍流装置是否可主动控制，人工形成法又可以分为被动方法和主动方法。被动方法包括尖劈粗糙元、静态格栅、变间距平板、引流等等，主动方法包括振动尖劈、调速风扇阵列、动态格栅等等。

动态格栅技术作为一种主动方法，一般利用多台电机分别驱动多组格栅转动，通过调控每组格栅角度、角速度等参数组合实现多种大气边界层状态的模拟，相比被动方法具有显著的性能优势，同时相比调速风扇具有价格低、频响高的优点，因此该技术常被应用在大气环境风洞中。

尽管动态格栅技术通过改变控制参数可改变所模拟的大气边界层状态，但其调控能力有限。目前，已公开的动态格栅方法往往采用正菱形格栅翼，如中国发明专利申请CN202110316825.4(一种用于风洞实验的格栅装置及其调控方法)，需要结合不同旋转速度才能产生不同的积分尺度，而且这些不同的积分尺度湍流结构按照时间先后生成发展，需要较长的空间和时间才能达到充分发展，才能产生积分尺度较连续的湍流结构，因此已公开的方法主要关注风剪切指数和湍流强度的模拟，还缺乏针对大气边界层另外两个特征参数湍流积分尺度和湍流功率谱的模拟方法。此外，动态格栅技术在风洞洞体尺寸的限制下产生的湍流积分尺度有限，往往很难生成与实际外场环境同量级的湍流积分尺度与湍流雷诺数，从而试验能力范围有限。另外，已公开的动态格栅调控方法多采用人工研判调控的方式，由于格栅翼数量多，控制参数数量大，人工调控方法存在工作量大、耗时长、重复性差的问题。

发明内容

为解决现有大气边界层风洞模拟装置及方法存在湍流积分尺度模拟能力不足、人工调控耗时长等问题，本发明提出了一种模拟大气边界层多尺度湍流结构的风洞试验装置及方法，分别从格栅翼外形和组合控制方法两个角度扩展风洞模拟大气边界层的能力范围，从基于机器学习的自动寻优过程提高试验效率，可模拟风剪切指数、湍流强度、湍流积分尺度、湍流功率谱、阵风等大气环境特征。

本发明为解决其技术问题具体所采取的技术方案为：

一种模拟大气边界层多尺度湍流结构的风洞试验装置，包括风洞、格栅支撑框体、纵向格栅轴、横向格栅轴、格栅翼，所述格栅支撑框体设置在风洞入口处且其内表面光滑平顺过渡至与风洞内表面一致，各所述纵向格栅轴、横向格栅轴分布沿横向、纵向均匀布置在所述格栅支撑框体上，每一所述纵向格栅轴、横向格栅轴均沿其长度方向均匀设置有多个所述格栅翼，每一所述纵向格栅轴、横向格栅轴均通过其伸出所述格栅支撑框体外的轴端与动力源直接或间接传动连接，其特征在于，

所述格栅翼的外形轮廓基本呈菱形片状结构体，并沿其两个对角线中的一个固定在对应的格栅轴上，且所述菱形片状结构体的四个边缘中的每一个边缘均形成为锯齿形边缘，且每一所述锯齿形边缘中的锯齿宽度分布呈逐渐变化各不相同的分布形式，以同时产生不同积分尺度的湍流结构。

优选地，每一所述锯齿形边缘中的锯齿采用二分法设计，使得锯齿宽度各不相同并逐渐变化。

优选地，所述菱形片状结构体为正菱形结构，所述横向格栅轴与纵向格栅轴的数量相同。

优选地，所述菱形片状结构体为非正菱形结构，所述横向格栅轴与纵向格栅轴的数量不同。格栅翼设计为非正菱形，从而横向格栅轴和纵向格栅轴的数量可以不同，以适应不同的风洞截面尺寸，或减少电机数量以降低成本。

优选地，每一所述纵向格栅轴、横向格栅轴的位于所述格栅支撑框体内的两端分别设置一格栅边翼，每一所述格栅边翼为格栅翼的一半，以所述格栅翼的两个对角线中的另一个对角线作为分割线进行分割即得两个格栅边翼，每一所述格栅边翼在所述纵向格栅轴、横向格栅轴上的固定位置与各所述格栅翼保持一致。所述格栅边翼用于将格栅组的整体外形过渡到风洞内表面轮廓。

本发明的模拟大气边界层多尺度湍流结构的风洞试验装置中，所述格栅支撑框体内表面尺寸与风洞内表面一致，在与风洞洞体接触的前后面覆盖有密封橡胶，安装后应保证格栅支撑框体密封。

优选地，每一所述纵向格栅轴、横向格栅轴均通过其两端的密封轴承组转动支撑在所述格栅支撑框体上。

优选地，所述格栅支撑框体外还设置有纵向电机支撑架、横向电机支撑架，所述纵向电机支撑架、横向电机支撑架分别用于安装驱动所述纵向格栅轴、横向格栅轴的纵向电机、横向电机。

进一步地，纵向电机可以分两组分别布置在格栅支撑框体的上下侧，横向电机可以分两组分别布置在格栅支撑框体的左右侧，使试验装置整体重心位于装置中心，提高结构稳定性。

本发明的模拟大气边界层多尺度湍流结构的风洞试验装置中，所述纵向格栅翼通过转速控制产生湍流扰动，纵向格栅轴的数量不少于10组时，可以获得较为均匀的湍流场。所述横向格栅翼通过静态调整俯仰角可以产生不同阻塞度和风速，从而通过调整多组横向格栅翼的俯仰角分布可以形成不同的风速分布类型，用于模拟大气边界层的风剪切指数。

在以上由格栅翼组成的风洞试验装置基础上，可进行大气边界层模拟，包括平均风速、风剪切、湍流强度、湍流积分尺度、湍流功率谱的同时或单独模拟。为充分扩展所模拟的大气边界层湍流积分尺度和湍流功率谱范围，本发明提出将格栅翼姿态控制与风洞风速控制相耦合的方式，以获得更大的湍流积分尺度和相应的湍流功率谱，控制变量包括：横向格栅翼平均俯仰角、横向格栅翼俯仰角振荡幅度、横向格栅翼俯仰角振荡速度、纵向格栅翼平均摆动角速度、纵向格栅翼摆动角速度标准偏差、风洞主电机平均转速、风洞主电机转速标准偏差。为提高多参数调优效率，本发明提出采用机器学习自动寻优的控制方法。具体风洞试验方法如下：

一种基于本发明的上述风洞试验装置模拟大气边界层多尺度湍流结构的风洞试验方法，其特征在于，所述风洞试验方法至少包括以下步骤：

SS1.将各横向格栅翼的俯仰角和各纵向格栅翼的摆动角调整为处于完全打开阻塞度最小的初始状态；

SS2.初始参数设置，所述初始参数包括所要模拟的大气边界层参数、控制参数和初始寻优步长，其中所述大气边界层参数包括风洞平均风速、风剪切指数、湍流强度、湍流积分尺度(含能区大尺度、惯性区泰勒尺度、耗散区Kolmogorov尺度)、湍流功率谱分布，所述控制参数包括风洞主电机平均转速、风洞主电机转速标准偏差、横向格栅翼平均俯仰角、横向格栅翼俯仰角振荡幅度、横向格栅翼俯仰角振荡速度、纵向格栅翼平均摆动角速度、纵向格栅翼摆动角速度标准偏差，所述初始寻优步长为每个控制参数的初次变化值；

SS3.按步骤SS2设置的初始参数启动风洞主电机、各格栅轴动力源，待风洞平均风速稳定后，测量风洞试验空间的流动速度场，并实时计算分析各流动参数，所述流动参数包括风洞平均风速、风剪切指数、湍流强度、湍流积分尺度和湍流功率谱分布；

SS4.机器学习寻优，自动调整各所述控制参数，直到满足要求：

构建机器学习模型，将每次测量计算的流动参数结果增选为样本库样本，通过将测量计算结果与设定的目标值对比得到损失函数值，依据损失函数值、学习率和参数寻优算法计算调整控制参数；

待平均风速稳定后，再次测量试验空间流动速度场，并实时计算分析各流动参数，检验是否满足流动要求，如果不满足则重复机器学习寻优过程，直到满足流动要求，固化控制参数，完成大气边界层模拟过程。

优选地，步骤SS2中，所述风洞主电机的平均转速初值为风洞平均风速对应的转速，风洞主电机转速标准偏差初值为0、横向格栅翼平均俯仰角初值为0、横向格栅翼俯仰角振荡幅度初值为0、横向格栅翼俯仰角振荡速度初值为0、纵向格栅翼平均摆动角速度初值为0、纵向格栅翼摆动角速度标准偏差初值为0。

优选地，步骤SS2中，根据风洞主电机平均转速和转速标准差，按照Langevin方程随机过程可产生风洞主电机转速时序值。

优选地，步骤SS2中，根据纵向格栅翼平均摆动角速度和纵向格栅翼摆动角速度标准偏差，按照Langevin方程随机过程可产生纵向格栅翼摆动角速度时序值。

优选地，步骤SS2中，根据横向格栅翼平均俯仰角、横向格栅翼俯仰角振荡幅度、横向格栅翼俯仰角振荡速度，按照三角函数可产生横向格栅翼俯仰角时序值。

优选地，步骤SS2中，各列纵向格栅翼摆动角速度时序值之间存在关联性，即各列纵向格栅翼的瞬时开合角度应保持格栅装置的整体阻塞度随时间不变。

优选地，步骤SS3中，空间流动速度场采用但不限于热线风速仪、多孔压力探针和粒子图像测量方法。

优选地，步骤SS4中，机器学习模型选用但不限于K-近邻、多项式拟合、神经网络、支持向量机、决策数、随机森林等模型。

优选地，步骤SS4中，参数寻优算法选用但不限于梯度下降法、牛顿法、共轭梯度法、遗传算法等优化算法。

优选地，步骤SS4中，构建机器学习模型的相关特征提取按如下相关关系设置，平均风速与风洞主电机平均转速相关，风剪切指数与横向格栅翼平均俯仰角相关，湍流强度与风洞主电机转速标准偏差、横向格栅翼俯仰角振荡幅度、横向格栅翼俯仰角振荡速度、纵向格栅翼平均摆动角速度相关，含能区大尺度与风洞主电机转速标准偏差相关，惯性区泰勒尺度和耗散区Kolmogorov尺度与纵向格栅翼摆动角速度标准偏差、横向格栅翼俯仰角振荡速度相关，湍流功率谱分布与Langevin方程随机过程频率参数相关。

通过以上技术方案可以看出，本发明提出的模拟大气边界层多尺度湍流结构的风洞试验装置及方法，在宏观上提出将风洞风速与格栅翼姿态协同控制的方法，在微观上提出变尺寸锯齿边缘的格栅翼外形设计方法，可以有效扩展大气边界层湍流积分尺度的模拟范围。提出了采用机器学习自动寻优的控制方法，可以显著减小试验调试工作量，提高试验效率。此外，传统通过格栅翼转速变化得到的不同积分尺度湍流结构是先后不同时刻生成的，而本发明采用菱形锯齿边缘格栅翼得到的不同积分尺度湍流结构是同时生成的，这些同时生成的湍流结构在向下游发展过程中更容易相互掺混和能量传递，因此需要较少的空间和时间可达到均匀的湍流充分发展状态。

附图说明

图1为本发明实施例所提供的一种模拟大气边界层多尺度湍流结构的风洞试验装置正视图；

图2为本发明实施例所提供的一种格栅翼外形图；

图3为本发明实施例所提供的另一种格栅翼外形图；

图4为本发明实施例所提供的一种模拟大气边界层多尺度湍流结构的风洞试验方法流程图。

其中附图标记含义如下：

1格栅支撑框体，2纵向电机支撑架，3纵向电机，4纵向联轴器，5纵向格栅轴，6纵向密封轴承组，7纵向格栅边翼，8纵向格栅翼，9横向格栅翼，10横向格栅边翼，11横向密封轴承组，12横向联轴器，13横向格栅轴，14横向电机，15横向电机支撑架。

具体实施方式

为使本发明目的、技术方案更加清楚明白，以具体实施案例，并参照附图，对本发明进一步详细说明。在附图中，自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。所描述的实施例是本发明一部分实施例，而不是全部的实施例，旨在用于解释本发明，而不能理解为对本发明的限制。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明的模拟大气边界层多尺度湍流结构的风洞试验装置，如图1所示，由格栅支撑框体1、纵向电机支撑架2、纵向电机3、纵向联轴器4、纵向格栅轴5、纵向密封轴承组6、纵向格栅边翼7、纵向格栅翼8、横向格栅翼9、横向格栅边翼10、横向密封轴承组11、横向联轴器12、横向格栅轴13、横向电机14、横向电机支撑架15组成。

格栅支撑框体1内表面尺寸与风洞内表面一致，在与风洞洞体接触的前后面覆盖有密封橡胶，安装后应保证格栅支撑框体1密封。

格栅支撑框体1用于安装纵向电机支撑架2、纵向密封轴承组6、横向电机支撑架15、横向密封轴承组11。

纵向电机支撑架2和横向电机支撑架15，分别用于安装纵向电机3和横向电机14。

纵向密封轴承组6和横向密封轴承组11，分别用于安装纵向格栅轴5和横向格栅轴13，每个格栅轴5、13由安装于格栅支撑框体1两端的两个密封轴承组6、11支撑。

纵向格栅轴5用于安装纵向格栅翼8、纵向格栅边翼7，横向格栅轴13用于安装横向格栅翼9、横向格栅边翼10。

纵向格栅翼8通过转速控制产生湍流扰动，纵向格栅轴的数量为10组，以获得较为均匀的湍流场。

横向格栅翼9通过静态调整俯仰角可以产生不同阻塞度和风速，从而通过调整多组横向格栅翼9的俯仰角分布可以形成不同的风速分布类型，用于模拟大气边界层的风剪切指数。

纵向格栅边翼7和横向格栅边翼10用于将格栅组的整体外形过渡到风洞内表面轮廓。

纵向格栅翼8和横向格栅翼9的外形轮廓基本呈菱形片状结构体，并沿其两个对角线中的一个固定在对应的格栅轴上，且菱形片状结构体的四个边缘中的每一个边缘均形成为锯齿形边缘，且每一锯齿形边缘中的锯齿宽度分布呈逐渐变化各不相同的分布形式，以同时产生不同积分尺度的湍流结构。具体而言，纵向格栅翼8和横向格栅翼9外形可以为菱形锯齿边缘，如图2所示，锯齿宽度采用二分法设计，各不相同，从而可以同时产生不同积分尺度的湍流结构。

纵向电机3分两组分别布置在格栅支撑框体1的上下侧，横向电机14分两组分别布置在格栅支撑框体1的左右侧，使试验装置整体重心位于装置中心，提高结构稳定性。

格栅翼8、9的另一个实施例也可以设计为非正菱形，如图3所示，从而横向格栅轴13和纵向格栅轴5的数量可以不同，以适应不同的风洞截面尺寸，或减少电机数量以降低成本。

在以上由格栅翼组成的风洞试验装置基础上，可进行大气边界层模拟，包括平均风速、风剪切、湍流强度、湍流积分尺度、湍流功率谱的同时或单独模拟。为充分扩展所模拟的大气边界层湍流积分尺度和湍流功率谱范围，本发明提出将格栅翼姿态控制与风洞风速控制相耦合的方式，以获得更大的湍流积分尺度和相应的湍流功率谱，控制变量包括：横向格栅翼平均俯仰角、横向格栅翼俯仰角振荡幅度、横向格栅翼俯仰角振荡速度、纵向格栅翼平均摆动角速度、纵向格栅翼摆动角速度标准偏差、风洞主电机平均转速、风洞主电机转速标准偏差。为提高多参数调优效率，本发明提出采用机器学习自动寻优的控制方法。具体风洞试验方法包括以下步骤：

1.系统初始化，格栅翼处于完全打开即阻塞度最小的状态。

2.初始参数设置，初始参数包括所要模拟的大气边界层参数、控制参数初值和初始寻优步长，其中大气边界层参数根据试验需要设置包含平均风速、风剪切指数、湍流强度、湍流积分尺度(含能区大尺度、惯性区泰勒尺度、耗散区Kolmogorov尺度)、湍流功率谱分布。

控制参数设置为风洞主电机平均转速初值为平均风速对应的转速，风洞主电机转速标准偏差初值为0、横向格栅翼平均俯仰角初值为0、横向格栅翼俯仰角振荡幅度初值为0、横向格栅翼俯仰角振荡速度初值为0、纵向格栅翼平均摆动角速度初值为0、纵向格栅翼摆动角速度标准偏差初值为0。

根据风洞主电机平均转速和转速标准差，按照Langevin方程随机过程生成风洞主电机转速时序值。

根据纵向格栅翼平均摆动角速度和纵向格栅翼摆动角速度标准偏差，按照Langevin方程随机过程生成纵向格栅翼摆动角速度时序值。

根据横向格栅翼平均俯仰角、横向格栅翼俯仰角振荡幅度、横向格栅翼俯仰角振荡速度，按照正弦函数生成横向格栅翼俯仰角时序值。

相邻纵向格栅翼速度时序值之间按照整体阻塞度随时间不变要求，建立关联性。

3.按设置的初始参数启动风洞主电机、各格栅翼电机，待平均风速稳定后，采用热线风速仪和扫描装置测量试验空间流动速度场，并实时计算分析各流动参数，包括平均风速、风剪切指数、湍流强度、湍流积分尺度和湍流功率谱分布。

4.机器学习寻优，自动调整控制参数，直到满足要求。具体过程是按照控制参数与大气边界层模拟参数的相关关系采用神经网络方法构建学习模型，相关关系包括平均风速与风洞主电机平均转速相关，风剪切指数与横向格栅翼平均俯仰角相关，湍流强度与风洞主电机转速标准偏差、横向格栅翼俯仰角振荡幅度、横向格栅翼俯仰角振荡速度、纵向格栅翼平均摆动角速度相关，含能区大尺度与风洞主电机转速标准偏差相关，惯性区泰勒尺度和耗散区Kolmogorov尺度与纵向格栅翼摆动角速度标准偏差、横向格栅翼俯仰角振荡速度相关，湍流功率谱分布与Langevin方程随机过程频率参数相关。进而将每次测量计算的流动参数结果增选为样本库样本，通过将测量计算结果与设定的目标值对比得到损失函数值，依据损失函数值、学习率和梯度下降法计算调整控制参数，待平均风速稳定后，再次测量试验空间流动速度场，并实时计算分析各流动参数，检验是否满足流动要求，如果不满足则重复机器学习寻优过程，直到满足流动要求，固化控制参数，完成大气边界层模拟过程。

以上所述仅为本发明的一个实施例，并不用以限制本发明，凡在本发明的思路和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的范围之内。

Claims (18)

1.一种模拟大气边界层多尺度湍流结构的风洞试验装置，包括风洞、格栅支撑框体、纵向格栅轴、横向格栅轴、格栅翼，所述格栅支撑框体设置在风洞入口处且其内表面光滑平顺过渡至与风洞内表面一致，各所述纵向格栅轴、横向格栅轴分布沿横向、纵向均匀布置在所述格栅支撑框体上，每一所述纵向格栅轴、横向格栅轴均沿其长度方向均匀设置有多个所述格栅翼，每一所述纵向格栅轴、横向格栅轴均通过其伸出所述格栅支撑框体外的轴端与动力源直接或间接传动连接，其特征在于，

所述格栅翼的外形轮廓基本呈菱形片状结构体，并沿其两个对角线中的一个固定在对应的格栅轴上，且所述菱形片状结构体的四个边缘中的每一个边缘均形成为锯齿形边缘，且每一所述锯齿形边缘中的锯齿宽度分布呈逐渐变化各不相同的分布形式，以同时产生不同积分尺度的湍流结构；

所述风洞试验装置在模拟大气边界层多尺度湍流结构时，至少包括以下步骤：

首先，将各横向格栅翼的俯仰角和各纵向格栅翼的摆动角调整为处于完全打开阻塞度最小的初始状态；

其次，初始参数设置，所述初始参数包括所要模拟的大气边界层参数、控制参数和初始寻优步长，其中所述大气边界层参数包括风洞平均风速、风剪切指数、湍流强度、湍流积分尺度、湍流功率谱分布，所述控制参数包括风洞主电机平均转速、风洞主电机转速标准偏差、横向格栅翼平均俯仰角、横向格栅翼俯仰角振荡幅度、横向格栅翼俯仰角振荡速度、纵向格栅翼平均摆动角速度、纵向格栅翼摆动角速度标准偏差，所述初始寻优步长为每个控制参数的初次变化值；

再次，根据所设置的初始参数启动风洞主电机、各格栅轴动力源，待风洞平均风速稳定后，测量风洞试验空间的流动速度场，并实时计算分析各流动参数，所述流动参数包括风洞平均风速、风剪切指数、湍流强度、湍流积分尺度和湍流功率谱分布；

最后，机器学习寻优，自动调整各所述控制参数，直到满足要求：

构建机器学习模型，将每次测量计算的流动参数结果增选为样本库样本，通过将测量计算结果与设定的目标值对比得到损失函数值，依据损失函数值、学习率和参数寻优算法计算调整控制参数；

待平均风速稳定后，再次测量试验空间流动速度场，并实时计算分析各流动参数，检验是否满足流动要求，如果不满足则重复机器学习寻优过程，直到满足流动要求，固化控制参数，完成大气边界层模拟过程。

2.根据权利要求1所述的风洞试验装置，其特征在于，每一所述锯齿形边缘中的锯齿采用二分法设计，使得锯齿宽度各不相同并逐渐变化。

3.根据权利要求1所述的风洞试验装置，其特征在于，所述菱形片状结构体为正菱形结构，所述横向格栅轴与纵向格栅轴的数量相同。

4.根据权利要求1所述的风洞试验装置，其特征在于，所述菱形片状结构体为非正菱形结构，所述横向格栅轴与纵向格栅轴的数量不同。

5.根据权利要求1所述的风洞试验装置，其特征在于，每一所述纵向格栅轴、横向格栅轴的位于所述格栅支撑框体内的两端分别设置一格栅边翼，每一所述格栅边翼为格栅翼的一半，以所述格栅翼的两个对角线中的另一个对角线作为分割线进行分割即得两个格栅边翼，每一所述格栅边翼在所述纵向格栅轴、横向格栅轴上的固定位置与各所述格栅翼保持一致，所述格栅边翼用于将格栅组的整体外形过渡到风洞内表面轮廓。

6.根据权利要求1所述的风洞试验装置，其特征在于，每一所述纵向格栅轴、横向格栅轴均通过其两端的密封轴承组转动支撑在所述格栅支撑框体上。

7.根据权利要求1所述的风洞试验装置，其特征在于，所述格栅支撑框体外还设置有纵向电机支撑架、横向电机支撑架，所述纵向电机支撑架、横向电机支撑架分别用于安装驱动所述纵向格栅轴、横向格栅轴的纵向电机、横向电机。

8.根据权利要求7所述的风洞试验装置，其特征在于，所述纵向电机分两组分别布置在所述格栅支撑框体的上下侧，所述横向电机分两组分别布置在所述格栅支撑框体的左右侧，使得所述风洞试验装置整体重心位于装置中心，提高结构稳定性。

9.一种基于上述权利要求1至8任一项所述的风洞试验装置模拟大气边界层多尺度湍流结构的风洞试验方法，其特征在于，所述风洞试验方法至少包括以下步骤：

SS1.将各横向格栅翼的俯仰角和各纵向格栅翼的摆动角调整为处于完全打开阻塞度最小的初始状态；

SS2.初始参数设置，所述初始参数包括所要模拟的大气边界层参数、控制参数和初始寻优步长，其中所述大气边界层参数包括风洞平均风速、风剪切指数、湍流强度、湍流积分尺度、湍流功率谱分布，所述控制参数包括风洞主电机平均转速、风洞主电机转速标准偏差、横向格栅翼平均俯仰角、横向格栅翼俯仰角振荡幅度、横向格栅翼俯仰角振荡速度、纵向格栅翼平均摆动角速度、纵向格栅翼摆动角速度标准偏差，所述初始寻优步长为每个控制参数的初次变化值；

SS3.按步骤SS2设置的初始参数启动风洞主电机、各格栅轴动力源，待风洞平均风速稳定后，测量风洞试验空间的流动速度场，并实时计算分析各流动参数，所述流动参数包括风洞平均风速、风剪切指数、湍流强度、湍流积分尺度和湍流功率谱分布；

SS4.机器学习寻优，自动调整各所述控制参数，直到满足要求：

构建机器学习模型，将每次测量计算的流动参数结果增选为样本库样本，通过将测量计算结果与设定的目标值对比得到损失函数值，依据损失函数值、学习率和参数寻优算法计算调整控制参数；

待平均风速稳定后，再次测量试验空间流动速度场，并实时计算分析各流动参数，检验是否满足流动要求，如果不满足则重复机器学习寻优过程，直到满足流动要求，固化控制参数，完成大气边界层模拟过程。

10.根据权利要求9所述的风洞试验方法，其特征在于，步骤SS2中，所述风洞主电机的平均转速初值为风洞平均风速对应的转速，风洞主电机转速标准偏差初值为0、横向格栅翼平均俯仰角初值为0、横向格栅翼俯仰角振荡幅度初值为0、横向格栅翼俯仰角振荡速度初值为0、纵向格栅翼平均摆动角速度初值为0、纵向格栅翼摆动角速度标准偏差初值为0。

11.根据权利要求9所述的风洞试验方法，其特征在于，步骤SS2中，根据风洞主电机平均转速和转速标准差，按照Langevin方程随机过程产生风洞主电机转速时序值。

12.根据权利要求9所述的风洞试验方法，其特征在于，步骤SS2中，根据纵向格栅翼平均摆动角速度和纵向格栅翼摆动角速度标准偏差，按照Langevin方程随机过程产生纵向格栅翼摆动角速度时序值。

13.根据权利要求9所述的风洞试验方法，其特征在于，步骤SS2中，根据横向格栅翼平均俯仰角、横向格栅翼俯仰角振荡幅度、横向格栅翼俯仰角振荡速度，按照三角函数产生横向格栅翼俯仰角时序值。

14.根据权利要求9所述的风洞试验方法，其特征在于，步骤SS2中，各列纵向格栅翼摆动角速度时序值之间存在关联性，各列纵向格栅翼的瞬时开合角度应保持格栅装置的整体阻塞度随时间不变。

15.根据权利要求9所述的风洞试验方法，其特征在于，步骤SS3中，空间流动速度场采用但不限于热线风速仪、多孔压力探针和粒子图像测量方法。

16.根据权利要求9所述的风洞试验方法，其特征在于，步骤SS4中，机器学习模型选用K-近邻、多项式拟合、神经网络、支持向量机、决策数、或随机森林模型。

17.根据权利要求9所述的风洞试验方法，其特征在于，步骤SS4中，参数寻优算法选用梯度下降法、牛顿法、共轭梯度法、或遗传算法优化算法。

18.根据权利要求9所述的风洞试验方法，其特征在于，步骤SS4中，构建机器学习模型的相关特征提取按如下相关关系设置，平均风速与风洞主电机平均转速相关，风剪切指数与横向格栅翼平均俯仰角相关，湍流强度与风洞主电机转速标准偏差、横向格栅翼俯仰角振荡幅度、横向格栅翼俯仰角振荡速度、纵向格栅翼平均摆动角速度相关，含能区大尺度与风洞主电机转速标准偏差相关，惯性区泰勒尺度和耗散区Kolmogorov尺度与纵向格栅翼摆动角速度标准偏差、横向格栅翼俯仰角振荡速度相关，湍流功率谱分布与Langevin方程随机过程频率参数相关。

Images