CN114925539B - 声爆波反演方法、装置、设备及存储介质 - Google Patents
声爆波反演方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN114925539B CN114925539B CN202210616265.9A CN202210616265A CN114925539B CN 114925539 B CN114925539 B CN 114925539B CN 202210616265 A CN202210616265 A CN 202210616265A CN 114925539 B CN114925539 B CN 114925539B
- Authority
- CN
- China
- Prior art keywords
- acoustic
- field
- far
- data
- far field
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/15—Vehicle, aircraft or watercraft design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/10—Noise analysis or noise optimisation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Aviation & Aerospace Engineering (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供了一种声爆波反演方法、装置、设备及存储介质,该方法包括:通过给定一个目标远场,该目标远场对应的声波对地面的物体以及建筑物的影响较低,因此,基于该目标远场,结合深度学习进行声爆波反演,从而能够快速而精准地确定目标远场对应的近场,以基于该近场进行飞行器设计,从而降低飞行器在飞行过程中产生的声爆波到达地面时对地面的物体和生物的影响。
Description
技术领域
本申请涉及声学技术领域,尤其涉及一种声爆波反演方法、装置、设备及存储介质。
背景技术
超声速客机飞行时产生复杂三维激波/膨胀波系,经大气内传播到地面演化形成剧烈声爆波,即声爆(Sonic Boom)现象,对航线下方的生物或建筑有巨大影响。经证实,通过对气动外形修形能够有效改变地面声爆波形,这为声爆的修形优化提供了坚实的事实基础。声爆反设计方法主要是地面目标波形匹配,通过指定一个地面波形分布,通过反设计的算法确定其气动外形,由近场波形推断飞行器面积律一般通过Abel反变换完成,方法的关键在于寻找给定的目标远场波形所对应的近场波形。
但是,目前通过给定远场确定对应的近场的方式准确度低。
发明内容
本申请实施例提供了一种声爆波反演方法、装置、设备及存储介质,能够提高通过给定远场,确定该远场对应的近场的准确性,从而能够降低基于近场设计的飞行器产生的声爆波对地面的物体以及生物的影响。
第一方面,本申请实施例提供了一种声爆波反演方法,所述方法包括:
确定目标远场的声爆波数据,所述目标远场为模拟降低飞行器在飞行过程中产生的声爆波到达地面时产生的噪音的声场模型;
确定第一近场的声爆波数据,所述第一近场为用于模拟飞行器周围的声爆波的声场模型;
根据所述第一近场的声爆波数据,确定多个第二近场各自的声爆波数据和所述第一近场模拟的声爆波到达地面时的第一远场的声爆波数据,所述第二近场用于模拟飞行器产生的声爆波在大气气流的干扰下的声场模型;
根据所述多个第二近场各自的声爆波数据,生成多个第二远场各自的声爆波数据,所述第二远场用于模拟所述第二近场对应的声爆波到达地面时的声场数据;
根据所述多个第二远场各自的声爆波数据和所述多个第二近场各自的声爆波数据训练预先构建的声爆波反演模型;
将目标远场的声爆波数据输入至预先训练的声爆波反演模型中进行近场反演,得到所述目标远场对应的第三近场的声爆波数据,所述第三近场用于模拟所述飞行器产生的声爆波到达地面为所述目标远场时对应的近场;
根据第三近场的声爆波数据,计算所述第三近场对应的第三远场的声爆波数据;
以所述目标远场的声爆波数据为基准,根据所述第一远场的声爆波数据、所述多个第二远场各自的声爆波数据和所述第三远场的声爆波数据,从所述第一远场、所述多个第二远场和所述第三远场中确定第四远场;
从所述第一远场对应的第一近场的声爆波数据、所述多个第二远场分别对应的第二近场的声爆波数据和所述第三远场对应的第三近场的声爆波数据中,确定所述第四远场对应的第四近场的声爆波数据,以用于飞行器设计,降低飞行器在飞行过程中产生的声爆波到达地面时对地面的物体和生物的影响。
本申请实施例提供的声爆波反演方法,通过给定一个目标远场,该目标远场对应的声波对地面的物体以及建筑物的影响较低,因此,基于该目标远场,结合深度学习进行声爆波反演,从而能够快速而精准地确定目标远场对应的近场,以基于该近场进行飞行器设计,从而降低飞行器在飞行过程中产生的声爆波到达地面时对地面的物体和生物的影响。
在一种可能的实现方式中,所述根据所述多个第二近场各自的声爆波数据,生成多个第二远场各自的声爆波数据,包括:
根据所述多个第二近场各自的声爆波数据,使用MPI多核并行对所述多个第二近场进行正演,分别生成所述多个第二近场分别对应的第二远场的声爆波数据。
在一种可能的实现方式中,所述方法还包括:
从多个所述多个扰动远场第二远场的声爆波数据中获取T个第二远场的声爆波数据作为训练样本集,T为正整数;
针对所述训练样本集中的每个第二远场的声爆波数据,将所述第二远场的声爆波数据输入至预先构建的声爆波反演模型中,得到所述第二远场对应的第一拟合近场的声爆波数据;
根据所述第一拟合近场的声爆波数据和所述第二远场对应的第二近场的声爆波数据,计算所述第一拟合近场和所述第二远场对应的第二近场之间的残差;
根据所述残差训练所述声爆波反演模型。
在一种可能的实现方式中,所述方法还包括:
从多个所述第二远场的声爆波数据中获取V个第二远场的声爆波数据作为验证集,V为正整数;
针对验证集中每个第二远场的声爆波数据,将所述第二远场的声爆波数据输入至训练后的声爆波反演模型中,得到所述第二远场的第二拟合近场的声爆波数据;
根据所述第二拟合近场的声爆波数据和所述第二远场对应的第二近场的声爆波数据,计算所述第二拟合近场和所述第二远场对应的第二近场之间的残差;
根据多个第二拟合近场分别和所述第二远场对应的第二近场之间的残差,调整所述声爆反演模型。
在一种可能的实现方式中,所述方法还包括:
获取扰动参数值信息,所述扰动参数值信息包括多个扰动参数各自的取值范围,所述扰动参数用于指示对声爆波进行干扰的标准;
从多个扰动参数各自的取值范围中,确定所述多个扰动参数各自的扰动参数值;
所述根据第一近场的声爆波数据,确定多个第二近场各自的声爆波数据,包括:
根据预设的至少一个扰动波的声波数据,对所述第一近场的声爆波数据进行扰动,生成所述多个第二近场各自的声爆波数据,所述扰动波用于模拟声爆波在传输过程中的干扰声波。
在一种可能的实现方式中,所述从多个扰动参数各自的取值范围中,确定所述多个扰动参数各自的扰动参数值,包括:
在所述第四远场为所述第一远场的情况下,根据所述多个扰动参数各自的取值范围,更新多个扰动参数各自的扰动参数值。
在一种可能的实现方式中,所述以所述目标远场的声爆波数据为基准,从所述第一远场的声爆波数据、所述多个第二远场各自的声爆波数据和所述第三远场的声爆波数据中确定第四远场的声爆波数据,包括:
根据所述第一远场的声爆波数据和所述目标远场的声爆波数据,计算所述第一远场和所述目标远场之间的第一相似度值;
根据所述多个第二远场各自的声爆波数据和所述目标远场的声爆波数据,计算所述多个第二远场分别与所述目标远场之间的第二相似度值;
根据所述第三远场的声爆波数据和所述目标远场的声爆波数据,计算所述第三远场和所述目标远场之间的第三相似度值;
根据所述第一相似度值,所述第二相似度值和第三相似度值,从所述第一远场、所述多个第二远场和所述第三远场中确定与所述目标远场最相似的远场作为所述第四远场。
第二方面,本申请实施例提供了一种声爆波反演装置,所述装置包括:
第一确定模块,用于确定目标远场的声爆波数据,所述目标远场为模拟降低飞行器在飞行过程中产生的声爆波到达地面时产生的噪音的声场模型;
第二确定模块,用于确定第一近场的声爆波数据,所述第一近场为用于模拟飞行器周围的声爆波的声场模型;
第三确定模块,用于根据所述第一近场的声爆波数据,确定多个第二近场各自的声爆波数据和所述第一近场模拟的声爆波到达地面时的第一远场的声爆波数据,所述第二近场用于模拟飞行器产生的声爆波在大气气流的干扰下的声场模型;
生成模块,用于根据所述多个第二近场各自的声爆波数据,生成多个第二远场各自的声爆波数据,所述第二远场用于模拟所述第二近场对应的声爆波到达地面时的声场数据;
训练模块,用于根据所述多个第二远场各自的声爆波数据和所述多个第二近场各自的声爆波数据训练预先构建的声爆波反演模型;
反演模块,用于将目标远场的声爆波数据输入至预先训练的声爆波反演模型中进行近场反演,得到所述目标远场对应的第三近场的声爆波数据,所述第三近场用于模拟所述飞行器产生的声爆波到达地面为所述目标远场时对应的近场;
计算模块,用于根据第三近场的声爆波数据,计算所述第三近场对应的第三远场的声爆波数据;
第四确定模块,用于以所述目标远场的声爆波数据为基准,根据所述第一远场的声爆波数据、所述多个第二远场各自的声爆波数据和所述第三远场的声爆波数据,从所述第一远场、所述多个第二远场和所述第三远场中确定第四远场;
第五确定模块,用于从所述第一远场对应的第一近场的声爆波数据、所述多个第二远场分别对应的第二近场的声爆波数据和所述第三远场对应的第三近场的声爆波数据中,确定所述第四远场对应的第四近场的声爆波数据,以用于飞行器设计,降低飞行器在飞行过程中产生的声爆波到达地面时对地面的物体和生物的影响。
本申请实施例提供的声爆波反演装置,通过给定一个目标远场,该目标远场对应的声波对地面的物体以及建筑物的影响较低,因此,基于该目标远场,结合深度学习进行声爆波反演,从而能够快速而精准地确定目标远场对应的近场,以基于该近场进行飞行器设计,从而降低飞行器在飞行过程中产生的声爆波到达地面时对地面的物体和生物的影响。
在一种可能的实现方式中,所述生成模块,用于:
根据所述多个第二近场各自的声爆波数据,使用MPI多核并行对所述多个第二近场进行正演,分别生成所述多个第二近场分别对应的第二远场的声爆波数据。
在一种可能的实现方式中,所述训练模块用于:
从多个所述多个扰动远场第二远场的声爆波数据中获取T个第二远场的声爆波数据作为训练样本集,T为正整数;
针对所述训练样本集中的每个第二远场的声爆波数据,将所述第二远场的声爆波数据输入至预先构建的声爆波反演模型中,得到所述第二远场对应的第一拟合近场的声爆波数据;
根据所述第一拟合近场的声爆波数据和所述第二远场对应的第二近场的声爆波数据,计算所述第一拟合近场和所述第二远场对应的第二近场之间的残差;
根据所述残差训练所述声爆波反演模型。
在一种可能的实现方式中,所述装置还包括:
获取模块,用于从多个所述第二远场的声爆波数据中获取V个第二远场的声爆波数据作为验证集,V为正整数;
输入模块,用于针对验证集中每个第二远场的声爆波数据,将所述第二远场的声爆波数据输入至训练后的声爆波反演模型中,得到所述第二远场的第二拟合近场的声爆波数据;
计算模块,用于根据所述第二拟合近场的声爆波数据和所述第二远场对应的第二近场的声爆波数据,计算所述第二拟合近场和所述第二远场对应的第二近场之间的残差;
调整模块,用于根据多个第二拟合近场分别和所述第二远场对应的第二近场之间的残差,调整所述声爆反演模型。
在一种可能的实现方式中,所述装置还包括:
获取模块,用于获取扰动参数值信息,所述扰动参数值信息包括多个扰动参数各自的取值范围,所述扰动参数用于指示对声爆波进行干扰的标准;
第六确定模块,用于从多个扰动参数各自的取值范围中,确定所述多个扰动参数各自的扰动参数值;
所述第二确定模块,用于根据预设的至少一个扰动波的声波数据,对所述第一近场的声爆波数据进行扰动,生成所述多个第二近场各自的声爆波数据,所述扰动波用于模拟声爆波在传输过程中的干扰声波。
在一种可能的实现方式中,所述第六确定模块用于在所述第四远场为所述第一远场的情况下,根据所述多个扰动参数各自的取值范围,更新多个扰动参数各自的扰动参数值。
在一种可能的实现方式中,所述以所述目标远场的声爆波数据为基准,从所述第一远场的声爆波数据、所述多个第二远场各自的声爆波数据和所述第三远场的声爆波数据中确定第四远场的声爆波数据,包括:
根据所述第一远场的声爆波数据和所述目标远场的声爆波数据,计算所述第一远场和所述目标远场之间的第一相似度值;
根据所述多个第二远场各自的声爆波数据和所述目标远场的声爆波数据,计算所述多个第二远场分别与所述目标远场之间的第二相似度值;
根据所述第三远场的声爆波数据和所述目标远场的声爆波数据,计算所述第三远场和所述目标远场之间的第三相似度值;
根据所述第一相似度值,所述第二相似度值和第三相似度值,从所述第一远场、所述多个第二远场和所述第三远场中确定与所述目标远场最相似的远场作为所述第四远场。
第三方面,本申请实施例提供了一种计算机设备,
至少一个存储器,用于存储程序;
至少一个处理器,用于执行所述存储器存储的程序,当所述存储器存储的程序被执行时,所述处理器用于执行上述第一方面中所提供的方法。
第四方面,本申请实施例提供了一种计算机存储介质,计算机存储介质中存储有指令,当指令在计算机上运行时,使得计算机执行上述第一方面中所提供的方法。
附图说明
图1示出了本申请实施例提供的一种声爆波反演系统的架构示意图;
图2示出了本申请实施例提供的一种声爆波反演方法的流程示意图;
图3示出了本申请实施例提供的多种扰动波的波形示意图;
图4示出了本申请实施例提供的一种声爆波反演模型的神经网络结构示意图;
图5示出了本申请实施例提供的一种声爆波反演装置的结构示意图;
图6示出了本申请实施例提供的一种计算机设备的结构示意图。
具体实施方式
为了使本申请实施例的目的、技术方案和优点更加清楚,下面将结合附图,对本申请实施例中的技术方案进行描述。
在本申请实施例的描述中,“示例性的”、“例如”或者“举例来说”等词用于表示作例子、例证或说明。本申请实施例中被描述为“示例性的”、“例如”或者“举例来说”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言,使用“示例性的”、“例如”或者“举例来说”等词旨在以具体方式呈现相关概念。
在本申请实施例的描述中,术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,单独存在B,同时存在A和B这三种情况。另外,除非另有说明,术语“多个”的含义是指两个或两个以上。例如,多个系统是指两个或两个以上的系统,多个屏幕终端是指两个或两个以上的屏幕终端。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”,除非是以其他方式另外特别强调。
超声速飞行时产生复杂三维激波/膨胀波系,经大气内传播到地面演化形成剧烈声波,即声爆(Sonic Boom)现象,对地面的生物或建筑有巨大影响,是制约超声速客机技术突破的关键基础科学问题。
当前,世界各航空强国正加速发展超声速客机,也因此开启了声爆研究的热潮。美国国家航空航天局(NASA)于2014年、2017年和2020年分别召开了三次针对声爆问题的专题研讨会。日本宇宙航空研究开发机构(JAXA)开展了大规模的声爆飞行试验测量工作(D-SEND项目)。俄罗斯和欧盟针对声爆许可和规范开展了RUMBLE项目。
相关技术已经证实了通过对气动外形修形能够有效改变地面声爆波形,这为声爆的修形优化提供了坚实的事实基础。声爆反设计方法主要是地面目标波形匹配,通过指定一个地面波形分布,通过反设计的算法确定其气动外形,由近场波形推断飞行器面积律一般通过Abel反变换完成,方法的关键在于寻找给定的目标远场波形所对应的近场波形。
声爆波形在大气中的传播过程,可以使用声学传播模型如增广Burgers方程预测,近场波形和远场波形相互推断,即增广Burgers方程的正向求解和反向求解。由于增广Burgers方程包含了声压的扩散项,物理上不可逆,使用增广Burgers方程在数学上不适用,直接求解病态问题需要添加正则化手段,但可能污染真实物理解。此外,如果指定的地面波形是非物理的,也会导致数值问题。一种做法就是基于降维的思想,对近场波形扰动获得大量近场和远场数据样本,通过不连续的(Gappy)本征正交分解方法(Proper OrthogonalDecomposition,POD)分解获得数据的降维表示,再对目标波形进行预测,在实践中发现,通过降维建立声爆数据模型,单次预测精度低,需要反复迭代且每次迭代需要计算数千次增广Burgers方程,计算速度较慢。并且此种方式对扰动形式敏感,无法精准地保证预测波形的形态。因此,现有的相关技术中无法通过给定的远场,准确得到改远场对应的近场。
基于此,本申请实施例提供了一种声爆波反演方法、装置、设备及存储介质,能够提高通过给定远场,确定该远场对应的近场的准确性,从而能够降低基于近场设计的飞行器产生的声爆波对地面的物体以及生物的影响。
图1是本申请实施例提供的一种声爆波反演系统的架构示意图。如图1所示,本申请实施例提供的声爆波反演系统可以包括管理平台11和计算机设备12。其中,管理平台可以与计算机设备进行有限或者无线通信。
在一个例子中,本申请实施例中涉及的计算机设备用于提供云服务等。其可以为一种可以与管理平台建立通信连接、且能为管理平台提供信息传输功能、运算功能和/或存储功能的超级终端或超级计算机系统等。
在一个例子中,超级终端或超级计算机系统采用CPU+GPU的架构进行计算。
管理平台11用于在工作人员的控制下,向计算机设备发送请求指令,从而向计算机设备请求计算资源。并向计算机设备传输相关数据,从而使得计算机设备执行本申请实施例提供的声爆波反演方法。管理平台可以使用脚本控制计算机设备的计算资源,执行指令“#SBATCH-N 75”申请75个CPU计算节点,执行指令“#SBATCH--ntasks-per-node=32”使每个节点按照32个CPU线程的方式执行程序,申请得到2400个CPU资源,于是可以得到MPI程序的2400进程运行权限;执行指令“#SBATCH--gres=dcu:4”申请1个类GPU计算节点,每个节点有4个类GPU加速卡,申请得到4个类GPU加速器资源,于是可以获得4个加速设备的运行权限。总计得到2400个CPU运行权限和4个类GPU运行权限。硬件资源准备的具体步骤为:首选指定需要运行整个程序的脚步控制器,一般为bash。之后使用指令“#SBATCH-J”指定需要运行的程序的名称。接着使用指令“#SBATCH-p”指定需要运行程序的作业队列,常用队列为normal。然后使用指令“#SBATCH-N”指定需要运行的程序。
管理平台11可以包括处理器,存储器,例如可以是中央处理器(CentralProcessing Unit,CPU)、片上系统(System on Chip,SOC)、集成在SOC上的处理器、单独的处理器芯片或控制器等:该处理系统220还可以包括专用处理设备,例如专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(FieldProgrammable Gate Array,FPGA)、数字信号处理器(Digital Signal Processor,DSP)等。该处理系统220可以是多个处理器构成的处理器组,多个处理器之间通过一个或多个总线彼此耦合。
存储器可以耦合到处理器,具体的,该存储器可以通过一个或多个存储器控制器耦合到处理器。存储器可以用于存储计算机程序指令,包括计算机操作系统(OperationSystem,OS)和各种程序。该存储器可以是非掉电易失性存储器,例如是嵌入式多媒体卡(Embedded Multi Media Card,EMMC)、通用闪存存储(Universal Flash Storage,UFS)或只读存储器(Read-Only Memory,ROM),或者是可存储静态信息和指令的其他类型的静态存储设备,还可以是掉电易失性存储器(volatile memory),例如随机存取存储器(RandomAccess Memory,RAM)或者可存储信息和指令的其他类型的动态存储设备,也可以是电可擦可编程只读存储器(Electrically Erasable Programmable Read-0nly Memory,EEPROM)、只读光盘(Compact Disc Read-Only Memory,CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的程序代码并能够由计算机存取的任何其他计算机可读存储介质,但不限于此。存储器可以是独立存在,存储器也可以和处理器集成在一起。
在一个示例中,管理平台11还可包括通信接口和总线(图2中并未示出)。处理器、存储器、通信接口通过总线连接并完成相互间的通信。
通信接口主要用于实现本申请实施例中各模块、装置、单元和/或设备之间的通信。
总线包括硬件、软件或两者,将电子设备的部件彼此耦接在一起。举例来说而非限制,总线可包括加速图形端口(AGP)或其他图形总线、增强工业标准架构(EISA)总线、前端总线(FSB)、超传输(HT)互连、工业标准架构(ISA)总线、无限带宽互连、低引脚数(LPC)总线、存储器总线、微信道架构(MCA)总线、外围组件互连(PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(SATA)总线、视频电子标准协会局部(VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下,总线可包括一个或多个总线。尽管本申请实施例描述和示出了特定的总线,但本申请考虑任何合适的总线或互连。
图2是本申请实施例提供的一种声爆波反演方法的流程示意图。如图2所示,本申请实施例提供的声爆波反演方法可以包括S201至S209。需要说明的是,为了能够精准地确定目标远场对应的近场(为了方便描述,下述称之为目标近场)的声爆波数据,可以多次循环S202至S209。
S201:计算机设备确定目标远场的声爆波数据。
目标远场为模拟降低飞行器在飞行过程中产生的声爆波到达地面时产生的噪音的声场模型。
目标远场是一个给定的声爆波的波形。该目标远场对应的波形对地面的物体和生物影响较低。为了使得飞行器飞行的过程中产生的声爆波能够降低对地面的物体和生物的影响,可以基于目标远场,确定该目标远场对应的声爆波数据,从而基于该声爆波数据设计飞行器,从而降低飞行器在飞行过程中产生的声爆波到达地面时对地面的物体和生物的影响。目标远场的声爆波数据可以是用户通过管理平台预先配置,管理平台发送给计算机设备,以及计算机设备确定目标远场的声爆波数据。
S202:计算机设备确定第一近场的声爆波数据。
所述第一近场为用于模拟飞行器周围的声爆波的声场模型。
在一种可能的实施例中,在初次计算目标近场的声爆波数据的过程中,第一近场可以是预先给定的。例如,用户通过管理平台配置第一近场的声爆波数据,管理平台发送给计算机设备。
在另一种可能的实施例中,在第i次的迭代计算过程中,第一近场的声爆波数据是更新的。其中,可以将第i次计算得到的第四近场的声爆波数据作为第一近场的声爆波数据。在这里,i大于1,i为正整数。
S203:计算机设备根据所述第一近场的声爆波数据,确定多个第二近场各自的声爆波数据。
由于声爆波在传输过程中会受到大气气流等各种因素的扰动。因此,计算机设备可以对第一近场的声爆波数据添加不同点位、不同幅度、不同宽度和不同函数的扰动波,从而可以得到多个第二近场的声爆波数据。
具体地,用户可以通过管理平台预先配置多种扰动波。其中,可以配置扰动波的扰动参数各自的取值范围,从而从多个扰动参数各自的取值范围中,确定所述多个扰动参数各自的扰动参数值。扰动参数例如幅值、宽度、点位、函数库、最大宽度范围K_max和宽度个数M,最大幅度范围F_max和幅度个数N、点位范围起点a和重点b。
其中,第m个宽度值Pm可以通过下述公式(1)计算得到:
其中Pmax是最大宽度范围,M表示宽度个数,Pm表示第m个宽度值,其中m的取值范围是{1,2,…,M}。
第n个幅度值Fn满足下述公式(2):
其中Fmax是最大幅度范围,N表示幅度个数,Fn表示第n个幅度值,其中n的取值范围是{1,2,…,M}。
第k个点位值Qk满足下述公式(3):
其中a是点位起点,b表示点位终点,K表示点位个数,Qk表示第k个点位值,其中k的取值范围是{1,2,…,K}。
函数库满足下述公式(4)-公式(8):
其中,J1、J2、J3、J4和J5是预设的函数库中的五个函数,x是函数自变量,取值范围都是[Qk,Qk+Fn],Pm表示第m个宽度值,Fn表示第n个幅度值,Qk表示第k个幅度值。表示的绝对值。J1、J2、J3、J4和J5的波形如图3所示。制作扰动的方法是,从J1、J2、J3、J4和J5中选择J(J≤5)个扰动函数。然后针对N个幅度值和M个宽度值添加扰动,在第一近场上组合添加M×N个扰动,得到第一批扰动近场共计M×N个。然后,在函数库中选择J个扰动函数,在第一批第二近场上组合添加J个扰动,得到第二批第二近场共计J×M×N个。最后针对K个插入点位,在第二批第二近场上组合添加到K个点位的位置上,得到第二近场集共计M×N×K×J个。
S204:计算机设备根据所述第一近场的声爆波数据,确定所述第一近场模拟的声爆波到达地面时的第一远场的声爆波数据。
第二近场用于模拟飞行器产生的声爆波在大气气流的干扰下的声场模型。
用户可以通过管理平台可以向计算机设备配置增广Burgers方程计算程序。计算机设备根据第一近场的声爆波数据,运行增广Burgers方程计算程序计算得到第一近场模拟的声爆波到达地面时的第一远场的声爆波数据。
S205:根据所述多个第二近场各自的声爆波数据,生成多个第二远场各自的声爆波数据,所述第二远场用于模拟所述第二近场对应的声爆波到达地面时的声场数据。
计算机设备可以调用增广Burgers方程计算程序,基于第二近场的声爆波数据,计算得到第二近场对应的第二远场的声爆波数据。由于第二近场数量较多,为了提高计算速度,可以按照信息传递接口(MPI)的方式组织计算资源,从而使用多线程并行的方式计算多个第二近场各自对应的第二远场的声爆波数据。在这里,第二近场的声爆波数据可以以文件的形式存储。
每个线程需要统计次线程需要计算的记载了文件的数量和编号。其中,线程号为Id的线程需要计算文件编号集合T满足下述公式(9):
p={f|f mod R=(Id+1),0<f≤M×N×N×J} (9)
R为申请的线程总数,Id为每个线程的编号,取值范围是[0,R),M×N×K×J为需要计算的第二远场的总数,mod为同余运算,f为集合中的元素。f需要满足两个条件,首先每个文件编号需要和线程的Id同余线程总数R,其次计算的文件编号必须小于需要计算的文件总数。通过此公式可以保证计算负载均匀分配。
对于M×N×K×J个第二近场对应的文件,启动R个线程,每个线程用于计算第二远场,进而得到(M×N×K×J)/R个第二远场。接着,开始运行MPI多线程程序。最后每个线程会根据自己计算得到的文件编号调用增广Burgers方程计算程序依次计算每个第二近场对应的文件。
S206:根据所述多个第二远场各自的声爆波数据和所述多个第二近场各自的声爆波数据训练预先构建的声爆波反演模型。
制作训练集和验证集是进行深度学习训练的必要步骤,训练集和验证集的比例将直接影响深度网络在声爆反演时效果。为保证数据会均匀的分布在训练集和验证集,需要将完备数据集随机的分配到训练集和验证集中。具体地,读取多个记载有第二近场的声爆波数据以及第二近场对应的第二远场的声爆波数据的文件。按照文件编号一一对应,制作成一个完备数据集。然后对完备数据集进行洗牌操作,随机打乱所有数据的顺序。按照t:v的比例划分训练集和验证集,即T条第二远场的声爆波数据作为训练数据,V条第二远场的声爆波数据作为验证数据,之后对数据就行归一化,得到训练集和验证集。在这里,t和v是用户通过管理平台预先配置的数值。
在一种可能的实施例中,使用Keras框架构造声爆波反演模型,如图4所示,声爆波反演模型可以由8层全连接网络组成,每层400个节点。8层都使用arctan函数作为激活函数。其中,第一层为输入层,400个节点对应输入的远场的声爆波数据。第二层至第六层是隐藏层。第七层是输出层400个节点对应输出的近场的声爆波数据。
具体地,针对所述训练样本集中的每个第二远场的声爆波数据,将所述第二远场的声爆波数据输入至预先构建的声爆波反演模型中,得到所述第二远场对应的第一拟合近场的声爆波数据;根据所述第一拟合近场的声爆波数据和所述第二远场对应的第二近场的声爆波数据,计算所述第一拟合近场和所述第二远场对应的第二近场之间的残差;根据所述残差训练所述声爆波反演模型。
在一些实施例中,为了保证声爆波反演模型的准确性,还需要对训练后的声爆波反演模型的准确性进行验证。具体地,从多个所述第二远场的声爆波数据中获取V个第二远场的声爆波数据作为验证集,V为正整数;针对验证集中每个第二远场的声爆波数据,将所述第二远场的声爆波数据输入至训练后的声爆波反演模型中,得到所述第二远场的第二拟合近场的声爆波数据;根据所述第二拟合近场的声爆波数据和所述第二远场对应的第二近场的声爆波数据,计算所述第二拟合近场和所述第二远场对应的第二近场之间的残差;根据多个第二拟合近场分别和所述第二远场对应的第二近场之间的残差,调整所述声爆反演模型。
其中,第二拟合近场和第二近场之间的残差l2满足下述公式(10):
V是验证集中近场的个数,Ni表示验证集第i个近场,N'i表示验证集中第i个第二远场拟合的第二拟合近场。
S207:计算机设备将目标远场的声爆波数据输入至预先训练的声爆波反演模型中进行近场反演,得到所述目标远场对应的第三近场的声爆波数据,所述第三近场用于模拟所述飞行器产生的声爆波到达地面为所述目标远场时对应的近场。
通过声爆波反演模型反演目标远场对应的近场,即第三近场。
S208:计算机设备根据第三近场的声爆波数据,计算所述第三近场对应的第三远场的声爆波数据。
计算机设备调用增广Burgers方程计算程序进行正演,从而得到第三近场对应的第三远场的声爆波数据。
S209:计算机设备以所述目标远场的声爆波数据为基准,根据所述第一远场的声爆波数据、所述多个第二远场各自的声爆波数据和所述第三远场的声爆波数据,从所述第一远场、所述多个第二远场和所述第三远场中确定第四远场。
计算机设备可以根据第一远场和目标远场之间的相似度、多个第二远场分别和目标远场的相似度以及第三远场和目标远场之间的相似度,从第一远场、多个第二远场、第三远场中确定第四远场。该第四远场为第一远场、多个第二远场、第三远场中与目标远场最相似的远场。
具体地,根据第一远场的声爆波数据和目标远场的声爆波数据,计算第一远场和目标远场之间的相似度值,即第一相似度值。
根据第二远场的声爆波数据和目标远场的声爆波数据,计算第二远场和目标远场之间的相似度值,即第二相似度值。
根据第三远场的声爆波数据和目标远场的声爆波数据,计算第三远场和目标远场之间的相似度值,即第三相似度值。
在本实施例中,声爆波数据均以向量的形式表示。其中,两个远场之间的相似度值DF满足下述公式(11):
其中,DF越小相似度越高。
S210:计算机设备从所述第一远场对应的第一近场的声爆波数据、所述多个第二远场分别对应的第二近场的声爆波数据和所述第三远场对应的第三近场的声爆波数据中,确定所述第四远场对应的第四近场的声爆波数据。
第四近场的声爆波数据可以用于飞行器设计,降低飞行器在飞行过程中产生的声爆波到达地面时对地面的物体和生物的影响。
根据所述第一相似度值,所述第二相似度值和第三相似度值,从所述第一远场、所述多个第二远场和所述第三远场中确定与所述目标远场最相似的远场作为所述第四远场。最相似的远场对应的近场为第四近场。
在一些实施例中,在第四远场为第一远场的情况下,可以根据多个扰动参数各自的取值范围,更新多个扰动参数各自的扰动参数值。
S211:计算机设备计算迭代次数是否大于预设的次数阈值,或第四远场与目标远场的相似度值是否小于预设的相似度阈值;若是,执行S212;若否,执行S202。
S212:计算机设备将第四远场对应的第四近场的声爆波数据作为目标远场对应的目标近场的声爆波数据。
图5是本申请实施例提供的一种声爆波反演装置的结构示意图。如图5所示,本申请实施例提供的声爆波反演装置可以包括:
第一确定模块501,用于确定目标远场的声爆波数据,所述目标远场为模拟降低飞行器在飞行过程中产生的声爆波到达地面时产生的噪音的声场模型;
第二确定模块502,用于确定第一近场的声爆波数据,所述第一近场为用于模拟飞行器周围的声爆波的声场模型;
第三确定模块503,用于根据所述第一近场的声爆波数据,确定多个第二近场各自的声爆波数据和所述第一近场模拟的声爆波到达地面时的第一远场的声爆波数据,所述第二近场用于模拟飞行器产生的声爆波在大气气流的干扰下的声场模型;
生成模块504,用于根据所述多个第二近场各自的声爆波数据,生成多个第二远场各自的声爆波数据,所述第二远场用于模拟所述第二近场对应的声爆波到达地面时的声场数据;
训练模块505,用于根据所述多个第二远场各自的声爆波数据和所述多个第二近场各自的声爆波数据训练预先构建的声爆波反演模型;
反演模块506,用于将目标远场的声爆波数据输入至预先训练的声爆波反演模型中进行近场反演,得到所述目标远场对应的第三近场的声爆波数据,所述第三近场用于模拟所述飞行器产生的声爆波到达地面为所述目标远场时对应的近场;
计算模块507,用于根据第三近场的声爆波数据,计算所述第三近场对应的第三远场的声爆波数据;
第四确定模块508,用于以所述目标远场的声爆波数据为基准,根据所述第一远场的声爆波数据、所述多个第二远场各自的声爆波数据和所述第三远场的声爆波数据,从所述第一远场、所述多个第二远场和所述第三远场中确定第四远场;
第五确定模块509,用于从所述第一远场对应的第一近场的声爆波数据、所述多个第二远场分别对应的第二近场的声爆波数据和所述第三远场对应的第三近场的声爆波数据中,确定所述第四远场对应的第四近场的声爆波数据,以用于飞行器设计,降低飞行器在飞行过程中产生的声爆波到达地面时对地面的物体和生物的影响。
本申请实施例提供的声爆波反演装置,通过给定一个目标远场,该目标远场对应的声波对地面的物体以及建筑物的影响较低,因此,基于该目标远场,结合深度学习进行声爆波反演,从而能够快速而精准地确定目标远场对应的近场,以基于该近场进行飞行器设计,从而降低飞行器在飞行过程中产生的声爆波到达地面时对地面的物体和生物的影响。
在一种可能的实现方式中,所述生成模块,用于:
根据所述多个第二近场各自的声爆波数据,使用MPI多核并行对所述多个第二近场进行正演,分别生成所述多个第二近场分别对应的第二远场的声爆波数据。
在一种可能的实现方式中,所述训练模块用于:
从多个所述多个扰动远场第二远场的声爆波数据中获取T个第二远场的声爆波数据作为训练样本集,T为正整数;
针对所述训练样本集中的每个第二远场的声爆波数据,将所述第二远场的声爆波数据输入至预先构建的声爆波反演模型中,得到所述第二远场对应的第一拟合近场的声爆波数据;
根据所述第一拟合近场的声爆波数据和所述第二远场对应的第二近场的声爆波数据,计算所述第一拟合近场和所述第二远场对应的第二近场之间的残差;
根据所述残差训练所述声爆波反演模型。
在一种可能的实现方式中,所述装置还包括:
获取模块,用于从多个所述第二远场的声爆波数据中获取V个第二远场的声爆波数据作为验证集,V为正整数;
输入模块,用于针对验证集中每个第二远场的声爆波数据,将所述第二远场的声爆波数据输入至训练后的声爆波反演模型中,得到所述第二远场的第二拟合近场的声爆波数据;
计算模块,用于根据所述第二拟合近场的声爆波数据和所述第二远场对应的第二近场的声爆波数据,计算所述第二拟合近场和所述第二远场对应的第二近场之间的残差;
调整模块,用于根据多个第二拟合近场分别和所述第二远场对应的第二近场之间的残差,调整所述声爆反演模型。
在一种可能的实现方式中,所述装置还包括:
获取模块,用于获取扰动参数值信息,所述扰动参数值信息包括多个扰动参数各自的取值范围,所述扰动参数用于指示对声爆波进行干扰的标准;
第六确定模块,用于从多个扰动参数各自的取值范围中,确定所述多个扰动参数各自的扰动参数值;
所述第二确定模块,用于根据预设的至少一个扰动波的声波数据,对所述第一近场的声爆波数据进行扰动,生成所述多个第二近场各自的声爆波数据,所述扰动波用于模拟声爆波在传输过程中的干扰声波。
在一种可能的实现方式中,所述第六确定模块用于在所述第四远场为所述第一远场的情况下,根据所述多个扰动参数各自的取值范围,更新多个扰动参数各自的扰动参数值。
在一种可能的实现方式中,所述以所述目标远场的声爆波数据为基准,从所述第一远场的声爆波数据、所述多个第二远场各自的声爆波数据和所述第三远场的声爆波数据中确定第四远场的声爆波数据,包括:
根据所述第一远场的声爆波数据和所述目标远场的声爆波数据,计算所述第一远场和所述目标远场之间的第一相似度值;
根据所述多个第二远场各自的声爆波数据和所述目标远场的声爆波数据,计算所述多个第二远场分别与所述目标远场之间的第二相似度值;
根据所述第三远场的声爆波数据和所述目标远场的声爆波数据,计算所述第三远场和所述目标远场之间的第三相似度值;
根据所述第一相似度值,所述第二相似度值和第三相似度值,从所述第一远场、所述多个第二远场和所述第三远场中确定与所述目标远场最相似的远场作为所述第四远场。
本申请实施例提供的声爆波反演装置,通过给定一个目标远场,该目标远场对应的声波对地面的物体以及建筑物的影响较低,因此,基于该目标远场,结合深度学习进行声爆波反演,从而能够快速而精准地确定目标远场对应的近场,以基于该近场进行飞行器设计,从而降低飞行器在飞行过程中产生的声爆波到达地面时对地面的物体和生物的影响。
下面介绍本申请实施例提供的一种计算机设备。
图6是本申请实施例提供的一种计算机设备的结构示意图。如图6所示,本申请实施例提供的波形发生器可用于实现上述方法实施例中描述的声爆波反演方法。
波形发生器可以包括处理器601以及存储有计算机程序指令的存储器602。
具体地,上述处理器601可以包括中央处理器(CPU),或者特定集成电路(Application Specific Integrated Circuit,ASIC),或者可以被配置成实施本申请实施例的一个或多个集成电路。
存储器602可以包括用于数据或指令的大容量存储器。举例来说而非限制,存储器602可包括硬盘驱动器(Hard Disk Drive,HDD)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(Universal Serial Bus,USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下,存储器602可包括可移除或不可移除(或固定)的介质。在合适的情况下,存储器602可在综合网关容灾设备的内部或外部。在特定实施例中,存储器602是非易失性固态存储器。
存储器可包括只读存储器(ROM),随机存取存储器(RAM),磁盘存储介质设备,光存储介质设备,闪存设备,电气、光学或其他物理/有形的存储器存储设备。因此,通常,存储器包括一个或多个编码有包括计算机可执行指令的软件的有形(非暂态)计算机可读存储介质(例如,存储器设备),并且当该软件被执行(例如,由一个或多个处理器)时,其可操作来执行参考根据本申请中的方法所描述的操作。
处理器601通过读取并执行存储器602中存储的计算机程序指令,以实现上述实施例中的任意一种声爆波反演方法。
在一个示例中,电子设备还可包括通信接口606和总线610。其中,如图6所示,处理器601、存储器602、通信接口606通过总线610连接并完成相互间的通信。
通信接口606,主要用于实现本申请实施例中各模块、装置、单元和/或设备之间的通信。
总线610包括硬件、软件或两者,将电子设备的部件彼此耦接在一起。举例来说而非限制,总线可包括加速图形端口(AGP)或其他图形总线、增强工业标准架构(EISA)总线、前端总线(FSB)、超传输(HT)互连、工业标准架构(ISA)总线、无限带宽互连、低引脚数(LPC)总线、存储器总线、微信道架构(MCA)总线、外围组件互连(PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(SATA)总线、视频电子标准协会局部(VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下,总线610可包括一个或多个总线。尽管本申请实施例描述和示出了特定的总线,但本申请考虑任何合适的总线或互连。
另外,结合上述实施例,本申请实施例还提供一种计算机存储介质来实现。该计算机存储介质上存储有计算机程序指令;该计算机程序指令被处理器执行时实现上述实施例中的任意一种声爆波反演方法。
以上所述的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时,其可以例如是电子电路、专用集成电路(ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时,本申请的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中,或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RF)链路,等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。
还需要说明的是,本申请中提及的示例性实施例,基于一系列的步骤或者装置描述一些方法或系统。但是,本申请不局限于上述步骤的顺序,也就是说,可以按照实施例中提及的顺序执行步骤,也可以不同于实施例中的顺序,或者若干步骤同时执行。
上面参考根据本申请的实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本申请的各方面。应当理解,流程图和/或框图中的每个方框以及流程图和/或框图中各方框的组合可以由计算机程序指令实现。这些计算机程序指令可被提供给通用计算机、专用计算机、或其它可编程数据处理装置的处理器,以产生一种机器,使得经由计算机或其它可编程数据处理装置的处理器执行的这些指令使能对流程图和/或框图的一个或多个方框中指定的功能/动作的实现。这种处理器可以是但不限于是通用处理器、专用处理器、特殊应用处理器或者现场可编程逻辑电路。还可理解,框图和/或流程图中的每个方框以及框图和/或流程图中的方框的组合,也可以由执行指定的功能或动作的专用硬件来实现,或可由专用硬件和计算机指令的组合来实现。
以上所述,仅为本申请的具体实施方式,所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的系统、模块和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。应理解,本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本申请的保护范围之内。
Claims (10)
1.一种声爆波反演方法,其特征在于,所述方法包括:
确定目标远场的声爆波数据,所述目标远场为模拟降低飞行器在飞行过程中产生的声爆波到达地面时产生的噪音的声场模型;
确定第一近场的声爆波数据,所述第一近场为用于模拟飞行器周围的声爆波的声场模型;
根据所述第一近场的声爆波数据,确定多个第二近场各自的声爆波数据和所述第一近场模拟的声爆波到达地面时的第一远场的声爆波数据,所述第二近场用于模拟飞行器产生的声爆波在大气气流的干扰下的声场模型;
根据所述多个第二近场各自的声爆波数据,生成多个第二远场各自的声爆波数据,所述第二远场用于模拟所述第二近场对应的声爆波到达地面时的声场数据;
根据所述多个第二远场各自的声爆波数据和所述多个第二近场各自的声爆波数据训练预先构建的声爆波反演模型;
将目标远场的声爆波数据输入至预先训练的声爆波反演模型中进行近场反演,得到所述目标远场对应的第三近场的声爆波数据,所述第三近场用于模拟所述飞行器产生的声爆波到达地面为所述目标远场时对应的近场;
根据第三近场的声爆波数据,计算所述第三近场对应的第三远场的声爆波数据;
以所述目标远场的声爆波数据为基准,根据所述第一远场的声爆波数据、所述多个第二远场各自的声爆波数据和所述第三远场的声爆波数据,从所述第一远场、所述多个第二远场和所述第三远场中确定第四远场;
从所述第一远场对应的第一近场的声爆波数据、所述多个第二远场分别对应的第二近场的声爆波数据和所述第三远场对应的第三近场的声爆波数据中,确定所述第四远场对应的第四近场的声爆波数据,以用于飞行器设计,降低飞行器在飞行过程中产生的声爆波到达地面时对地面的物体和生物的影响。
2.根据权利要求1所述的方法,其特征在于,所述根据所述多个第二近场各自的声爆波数据,生成多个第二远场各自的声爆波数据,包括:
根据所述多个第二近场各自的声爆波数据,使用MPI多核并行对所述多个第二近场进行正演,分别生成所述多个第二近场分别对应的第二远场的声爆波数据。
3.根据权利要求1所述的方法,其特征在于,所述根据所述多个第二远场各自的声爆波数据和所述多个第二近场各自的声爆波数据训练预先构建的声爆波反演模型,包括:
从多个所述多个扰动远场第二远场的声爆波数据中获取T个第二远场的声爆波数据作为训练样本集,T为正整数;
针对所述训练样本集中的每个第二远场的声爆波数据,将所述第二远场的声爆波数据输入至预先构建的声爆波反演模型中,得到所述第二远场对应的第一拟合近场的声爆波数据;
根据所述第一拟合近场的声爆波数据和所述第二远场对应的第二近场的声爆波数据,计算所述第一拟合近场和所述第二远场对应的第二近场之间的残差;
根据所述残差训练所述声爆波反演模型。
4.根据权利要求3所述的方法,其特征在于,所述方法还包括:
从多个所述第二远场的声爆波数据中获取V个第二远场的声爆波数据作为验证集,V为正整数;
针对验证集中每个第二远场的声爆波数据,将所述第二远场的声爆波数据输入至训练后的声爆波反演模型中,得到所述第二远场的第二拟合近场的声爆波数据;
根据所述第二拟合近场的声爆波数据和所述第二远场对应的第二近场的声爆波数据,计算所述第二拟合近场和所述第二远场对应的第二近场之间的残差;
根据多个第二拟合近场分别和所述第二远场对应的第二近场之间的残差,调整所述声爆波 反演模型。
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取扰动参数值信息,所述扰动参数值信息包括多个扰动参数各自的取值范围,所述扰动参数用于指示对声爆波进行干扰的标准;
从多个扰动参数各自的取值范围中,确定所述多个扰动参数各自的扰动参数值;
所述根据第一近场的声爆波数据,确定多个第二近场各自的声爆波数据,包括:
根据预设的至少一个扰动波的声波数据,对所述第一近场的声爆波数据进行扰动,生成所述多个第二近场各自的声爆波数据,所述扰动波用于模拟声爆波在传输过程中的干扰声波。
6.根据权利要求5所述的方法,其特征在于,所述从多个扰动参数各自的取值范围中,确定所述多个扰动参数各自的扰动参数值,包括:
在所述第四远场为所述第一远场的情况下,根据所述多个扰动参数各自的取值范围,更新多个扰动参数各自的扰动参数值。
7.根据权利要求1所述的方法,其特征在于,所述以所述目标远场的声爆波数据为基准,从所述第一远场的声爆波数据、所述多个第二远场各自的声爆波数据和所述第三远场的声爆波数据中确定第四远场的声爆波数据,包括:
根据所述第一远场的声爆波数据和所述目标远场的声爆波数据,计算所述第一远场和所述目标远场之间的第一相似度值;
根据所述多个第二远场各自的声爆波数据和所述目标远场的声爆波数据,计算所述多个第二远场分别与所述目标远场之间的第二相似度值;
根据所述第三远场的声爆波数据和所述目标远场的声爆波数据,计算所述第三远场和所述目标远场之间的第三相似度值;
根据所述第一相似度值,所述第二相似度值和第三相似度值,从所述第一远场、所述多个第二远场和所述第三远场中确定与所述目标远场最相似的远场作为所述第四远场。
8.一种声爆波反演装置,其特征在于,所述装置包括:
第一确定模块,用于确定目标远场的声爆波数据,所述目标远场为模拟降低飞行器在飞行过程中产生的声爆波到达地面时产生的噪音的声场模型;
第二确定模块,用于确定第一近场的声爆波数据,所述第一近场为用于模拟飞行器周围的声爆波的声场模型;
第三确定模块,用于根据所述第一近场的声爆波数据,确定多个第二近场各自的声爆波数据和所述第一近场模拟的声爆波到达地面时的第一远场的声爆波数据,所述第二近场用于模拟飞行器产生的声爆波在大气气流的干扰下的声场模型;
生成模块,用于根据所述多个第二近场各自的声爆波数据,生成多个第二远场各自的声爆波数据,所述第二远场用于模拟所述第二近场对应的声爆波到达地面时的声场数据;
训练模块,用于根据所述多个第二远场各自的声爆波数据和所述多个第二近场各自的声爆波数据训练预先构建的声爆波反演模型;
反演模块,用于将目标远场的声爆波数据输入至预先训练的声爆波反演模型中进行近场反演,得到所述目标远场对应的第三近场的声爆波数据,所述第三近场用于模拟所述飞行器产生的声爆波到达地面为所述目标远场时对应的近场;
计算模块,用于根据第三近场的声爆波数据,计算所述第三近场对应的第三远场的声爆波数据;
第四确定模块,用于以所述目标远场的声爆波数据为基准,根据所述第一远场的声爆波数据、所述多个第二远场各自的声爆波数据和所述第三远场的声爆波数据,从所述第一远场、所述多个第二远场和所述第三远场中确定第四远场;
第五确定模块,用于从所述第一远场对应的第一近场的声爆波数据、所述多个第二远场分别对应的第二近场的声爆波数据和所述第三远场对应的第三近场的声爆波数据中,确定所述第四远场对应的第四近场的声爆波数据,以用于飞行器设计,降低飞行器在飞行过程中产生的声爆波到达地面时对地面的物体和生物的影响。
9.一种计算机设备,其特征在于,包括:
至少一个存储器,用于存储程序;
至少一个处理器,用于执行所述存储器存储的程序,当所述存储器存储的程序被执行时,所述处理器用于执行如权利要求1-7任一所述的方法。
10.一种计算机存储介质,其特征在于,所述计算机存储介质中存储有指令,当所述指令在计算机上运行时,使得计算机执行如权利要求1-7任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210616265.9A CN114925539B (zh) | 2022-06-01 | 2022-06-01 | 声爆波反演方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210616265.9A CN114925539B (zh) | 2022-06-01 | 2022-06-01 | 声爆波反演方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114925539A CN114925539A (zh) | 2022-08-19 |
CN114925539B true CN114925539B (zh) | 2022-12-30 |
Family
ID=82813540
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210616265.9A Active CN114925539B (zh) | 2022-06-01 | 2022-06-01 | 声爆波反演方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114925539B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115238396B (zh) * | 2022-09-08 | 2022-12-30 | 中国空气动力研究与发展中心计算空气动力研究所 | 三维气动外形反设计方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110779616A (zh) * | 2019-10-28 | 2020-02-11 | 中国航空工业集团公司沈阳空气动力研究所 | 一种飞行试验声爆信号测量方法 |
CN111783223A (zh) * | 2020-06-17 | 2020-10-16 | 中国空气动力研究与发展中心 | 一种面向超声速飞行器远场声爆抑制的近场伴随优化方法 |
CN112924131A (zh) * | 2021-01-28 | 2021-06-08 | 西北工业大学 | 考虑大气边界层湍流效应的远场声爆预测方法 |
CN113111601A (zh) * | 2021-03-27 | 2021-07-13 | 西北工业大学 | 一种适用于增广Burgers方程的非线性效应数值求解方法 |
CN114524110A (zh) * | 2022-03-30 | 2022-05-24 | 西北工业大学 | 一种针对超声速民机的旋成体静音锥快速设计方法 |
-
2022
- 2022-06-01 CN CN202210616265.9A patent/CN114925539B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110779616A (zh) * | 2019-10-28 | 2020-02-11 | 中国航空工业集团公司沈阳空气动力研究所 | 一种飞行试验声爆信号测量方法 |
CN111783223A (zh) * | 2020-06-17 | 2020-10-16 | 中国空气动力研究与发展中心 | 一种面向超声速飞行器远场声爆抑制的近场伴随优化方法 |
CN112924131A (zh) * | 2021-01-28 | 2021-06-08 | 西北工业大学 | 考虑大气边界层湍流效应的远场声爆预测方法 |
CN113111601A (zh) * | 2021-03-27 | 2021-07-13 | 西北工业大学 | 一种适用于增广Burgers方程的非线性效应数值求解方法 |
CN114524110A (zh) * | 2022-03-30 | 2022-05-24 | 西北工业大学 | 一种针对超声速民机的旋成体静音锥快速设计方法 |
Non-Patent Citations (3)
Title |
---|
Sonic Boom Reduction via Remote Inverse Adjoint Approach;Siva Nadarajah 等;《45th AIAA Aerospace Sciences Meeting and Exhibit》;20070111;1-18 * |
基于逆向增广Burgers 方程的声爆反演技术研究;顾奕然 等;《航空学报》;20211021;1-16 * |
超声速飞行器近场声爆信号反演技术;马创 等;《空气动力学学报》;20211220;第40卷(第X期);1-10 * |
Also Published As
Publication number | Publication date |
---|---|
CN114925539A (zh) | 2022-08-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | A computational framework for the simulation of high‐speed multi‐material fluid–structure interaction problems with dynamic fracture | |
Borker et al. | Mesh adaptation framework for embedded boundary methods for computational fluid dynamics and fluid‐structure interaction | |
PAGE et al. | An efficient method for incorporating computational fluid dynamics into sonic boom prediction | |
Boulkaibet et al. | Finite element model updating using fish school search and volitive particle swarm optimization | |
Yamashita et al. | Full-field sonic boom simulation in stratified atmosphere | |
Kanamori et al. | Comparison of simulated sonic boom in stratified atmosphere with flight test measurements | |
CN114925539B (zh) | 声爆波反演方法、装置、设备及存储介质 | |
CN111308912B (zh) | 一种反辐射无人机制导半实物仿真系统可信度评估方法 | |
CN104182272A (zh) | 一种用于高超声速飞行器考核的仿真测试平台及控制方法 | |
Kaliukh et al. | Factorization in problems of control and dynamics of lengthy systems | |
US20150073730A1 (en) | Mechanical strain gauge simulation | |
CN108614921B (zh) | 一种航天器中低频声振响应预示方法 | |
KR20170001914A (ko) | Hils 기반 잠수함 제어기 시험 시스템 | |
Fang et al. | Credibility evaluation of hardware-in-the-loop simulation systems | |
Cianetti et al. | Virtual qualification of aircraft parts: test simulation or acceptable evidence? | |
Jeon et al. | Target capacity filter pruning method for optimized inference time based on YOLOv5 in embedded systems | |
Post et al. | CREATE: Software engineering applications for the design and analysis of air vehicles, naval vessels, and radio frequency antennas | |
CN115222023A (zh) | 基于神经网络的非合作目标控制策略识别方法及系统 | |
Kandil et al. | Prediction of sonic boom signature using Euler-full potential CFD with grid adaptation and shock fitting | |
US20210215748A1 (en) | Method for high-intensity radiated field (hirf) and electromagnetic pulse (emp) analysis of a vehicle | |
CN111506959A (zh) | 一种用于飞行模拟训练通用型飞控系统及方法 | |
Vanek et al. | Vision only sense and avoid: A probabilistic approach | |
Yan | Structural response under shock environment | |
Ranieri | Comparison of predictive techniques for spacecraft shock environment | |
Khanov et al. | A verification system of RMAP protocol controller |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |