CN115809504A - 一种多源气动数据不确定度量化评估方法和系统 - Google Patents

一种多源气动数据不确定度量化评估方法和系统 Download PDF

Info

Publication number
CN115809504A
CN115809504A CN202211425942.5A CN202211425942A CN115809504A CN 115809504 A CN115809504 A CN 115809504A CN 202211425942 A CN202211425942 A CN 202211425942A CN 115809504 A CN115809504 A CN 115809504A
Authority
CN
China
Prior art keywords
data
uncertainty
pneumatic
source
wind tunnel
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.)
Pending
Application number
CN202211425942.5A
Other languages
English (en)
Inventor
赵民
武健辉
赵月
张凯
康磊晶
李枫
陈忠灿
贺淇楝
李杰奇
陈春燕
刘闻
张恒
张升升
焦鑫鑫
唐琼
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Academy of Launch Vehicle Technology CALT
Original Assignee
China Academy of Launch Vehicle Technology CALT
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China Academy of Launch Vehicle Technology CALT filed Critical China Academy of Launch Vehicle Technology CALT
Priority to CN202211425942.5A priority Critical patent/CN115809504A/zh
Publication of CN115809504A publication Critical patent/CN115809504A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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

  • Aerodynamic Tests, Hydrodynamic Tests, Wind Tunnels, And Water Tanks (AREA)

Abstract

本发明给出一种多源气动数据不确定度量化评估方法，包括：对于因风洞不同或模型缩比不同产生的若干组风洞试验数据，选择基准数据并确定气动数据的不确定度；对于因计算软件不同或计算网格不同而产生的若干组数值仿真数据，计算基准数据并确定气动数据的不确定度；将风洞试验数据和数值仿真数据融合，确定多源气动数据的标称值；进行多源气动数据不确定度量化，得到多源启动数据不确定量化结果。本发明的方法可广泛应用于高超飞行器气动特性偏差带设计，结合飞行环境剖面，综合考虑风洞试验数据、数值仿真数据，采用基准数据修正+气动数据不确定度量化的方式给出气动数据库。

Description

一种多源气动数据不确定度量化评估方法和系统
技术领域
本发明涉及高超飞行器气动设计技术领域，特别是一种多源气动数据不确定度量化评估方法。
背景技术
设计高性能飞行器的基础和前提是准确预测飞行器气动特性。获取飞行器气动特性通常靠风洞试验、数值计算和飞行试验等三种手段。风洞试验测量手段丰富但存在模型缩比、洞壁支杆干扰等天地差异；数值计算较为经济也能获得全面的流动信息，但对于复杂流动模型置信度缺乏考核；飞行试验是解决天地一致性就根本的手段，但由于飞行搭载测量传感器有限，获得的信息量远远小于风洞试验和数值计算手段。综上，最为经济、有效的方法是发挥三种手段的各自优势，建立三种手段融合的气动研究闭环链路，相互验证、相互促进，并实现将型号气动性能预测与气动问题集成研究之目的，有效节约研制成本，提高研制效率。
发明内容
本发明的技术解决问题是：本发明提供一种多源气动数据的不确定度量化评估方法，综合考虑风洞试验和数值仿真结果，同时对天地差异进行修正和量化，合理准确的给出飞行器气动特性偏差带。
本发明所采用的技术方案是：一种多源气动数据不确定度量化评估方法，包括：
对于因风洞不同或模型缩比不同产生的若干组风洞试验数据，选择基准数据并确定气动数据的不确定度；
对于因计算软件不同或计算网格不同而产生的若干组数值仿真数据，计算基准数据并确定气动数据的不确定度；
将风洞试验数据和数值仿真数据融合，确定多源气动数据的标称值；
进行多源气动数据不确定度量化，得到多源启动数据不确定量化结果。
进一步的，对于因风洞不同或模型缩比不同产生的若干组风洞试验数据，通过对比雷诺数，选择与真实飞行环境最接近的风洞试验数据作为基准数据。
进一步的，对于因风洞不同或模型缩比不同产生的若干组风洞试验数据，所述确定气动数据的不确定度，包括：当风洞试验数据量＞a组时，将多组风洞试验数据的标准差作为气动数据的不确定度；当风洞试验数据量≤a组时，采用最大残差法，计算多组风洞试验数据的不确定度；a为设定值。
进一步的，对于因计算软件不同或计算网格不同而产生的若干组数值仿真数据，将所有数值仿真数据的平均值作为基准数据。
进一步的，对于因计算软件不同或计算网格不同而产生的若干组数值仿真数据，所述确定气动数据的不确定度，包括：
当数值仿真数据＞b组时，将数值仿真数据的标准差作为气动数据的不确定度；当数值仿真数据≤b组时，采用最大残差法计算不确定度，b为设定值。
进一步的，所述将风洞试验数据和数值仿真数据融合，确定多源气动数据的标称值，包括：
确定基准数据，选择与飞行环境最接近的风洞试验数据作为初始标称值；
考虑天地差异，对初始标称值进行修正，将修正后的数据作为多源气动数据的标称值。
进一步的，所述进行多源气动数据不确定度量化，包括：
对风洞试验数据的不确定度和数值仿真数据的不确定度结果的包络范围进行极限包络，得到数据包络带，并将数据包络带与已有的气动偏差经验值进行对比，如果数据包络带与已有的气动偏差经验值的相对差值在5％范围内，则将数据包络带作为多源气动数据不确定度量化结果。
一种多源气动数据不确定度量化系统，包括：
第一模块，对于因风洞不同或模型缩比不同产生的若干组风洞试验数据，选择基准数据并确定气动数据的不确定度；
第二模块，对于因计算软件不同或计算网格不同而产生的若干组数值仿真数据，计算基准数据并确定气动数据的不确定度；
第三模块，将风洞试验数据和数值仿真数据融合，确定多源气动数据的标称值；
第四模块，进行多源气动数据不确定度量化，得到多源启动数据不确定量化结果。
本发明与现有技术相比具有的有益效果是：
本发明提出一种多源气动数据的不确定度量化评估方法，满足高超飞行器气动设计需求，该方法适用于天地差异不显著的气动偏差带设计，即来流Ma为0～7，飞行高度为0～30km，相比传统设计方法局部气动偏差缩小50％，经飞行试验数据验证方法可靠。本发明针对飞行器设计过程中的多源气动力数据，综合利用数值仿真和风洞试验不确定度数据，结合数学建模和专家评判等多种手段，建立气动力数据的不确定度量化模型与规范。
附图说明
图1为本发明方法示意图。
图2为风洞试验数据不确定度曲线图；
图3为数值仿真数据不确定度曲线图；
图4为多源气动数据不确定度曲线图。
具体实施方式
结合附图和实施例对本发明进行说明。
一种多源气动数据不确定度量化评估方法，包括如下步骤：
1)对于因风洞不同或模型缩比不同产生的多组风洞试验数据，通过对比雷诺数，选择与真实飞行环境最接近的风洞试验数据作为基准数据，一般为大尺度模型(模型缩比值接近1)风洞试验数据或高焓复现风洞试验数据；当风洞试验数据大于7组时，将多组风洞试验数据的标准差作为气动数据的不确定度；当数据量小于等于7组时，采用最大残差法，计算多组风洞试验数据的不确定度。
2)对于因计算软件不同或计算网格不同而产生的多组数值仿真数据，采取和风洞试验数据不确定度量化类似的方法，首先将所有仿真数据的平均值作为基准数据，当仿真数据大于7组时，将仿真数据的标准差作为气动数据的不确定度；当数据量小于等于7组时，采用最大残差法计算不确定度，计算公式与风洞试验数据相同。
3)将风洞试验和数值仿真气动数据融合，首先确定基准数据，一般选择与飞行环境最接近的风洞试验数据作为初始标称值，而后考虑天地差异，如支杆干扰、雷诺数等，对初始标称值进行修正，将修正后的数据作为多源气动数据的标称值。
4)进行多源气动数据不确定度量化：根据步骤1中风洞试验数据不确定度和步骤4中数值仿真数据不确定度结果，对其包络范围进行极限包络，得到数据包络带，并将数据包络带与已有的气动偏差经验值进行对比，如果数据包络带与已有的气动偏差经验值的相对差值在5％范围内，则将数据包络带作为多源气动数据不确定度量化结果；
对于不确定度量化结果远小于经验值(不确定度量化结果偏离经验值超过25％)的，需进一步分析：
首先判断风洞试验和数值仿真数据源样本点是否过少，若风洞试验或数值仿真数据源样本中任意一组样本数小于2个，则表明样本点多样性存在缺陷，此时需以经验值作为不确定度量化结果；
若风洞试验和数值仿真数据源样本点均大于等于2个，则进一步判断是否数值仿真均基于同一套网格获得或者风洞试验数据均基于同一个试验模型获得；若符合上述条件中的任意一个，则表明样本点多样性存在缺陷，不确定度量化评估结果出现了较大偏差，此时需以经验值作为不确定度量化结果；否则，则可以采信多源气动数据不确定度量化评估结果。
一种多源气动数据不确定度量化系统，包括：
第一模块，对于因风洞不同或模型缩比不同产生的若干组风洞试验数据，选择基准数据并确定气动数据的不确定度；
第二模块，对于因计算软件不同或计算网格不同而产生的若干组数值仿真数据，计算基准数据并确定气动数据的不确定度；
第三模块，将风洞试验数据和数值仿真数据融合，确定多源气动数据的标称值；
第四模块，进行多源气动数据不确定度量化，得到多源启动数据不确定量化结果。
实施例：
如图1所示，本发明提供了一种多源气动数据不确定度量化评估方法，包括如下步骤：
1)如图2所示，对于因风洞不同或模型缩比不同产生的多组风洞试验数据，通过对比雷诺数，选择与真实飞行环境最接近的风洞试验数据作为基准数据，一般为大尺度模型风洞试验数据或高焓复现风洞试验数据；将多组风洞试验数据的标准差，作为气动数据的不确定度之一。对于重复性数据有限(少于7次)采用最大残差法计算不确定度。
以轴向力系数为例重复性不确定度的计算公式如下：
标准差法：
Figure BDA0003942339940000051
其中，CX,U为轴向力不确定度，CX,i为重复性吹风轴向力系数；CX,AVE为各种重复性吹风数据的平均值；n为重复性次数。
最大残差法：
Figure BDA0003942339940000052
其中，CX,U为轴向力不确定度，CX,i为重复性轴向力系数；CX,AVE为各种重复性数据的平均值；系数K'n的倒数见如下附表。
n 2 3 4 5 6 7 8
1K'<sub>n</sub> 1.77 1.02 0.83 0.74 0.68 0.64 0.61
对于其他气动力系数法向力系数CY,U、侧向力系数CZ,U、滚转力矩系数CMX,U、偏航力矩系数CMY,U、俯仰力矩系数CMZ,U的不确定度量量化方法与CX,U一致。
2)如图3所示，对于因计算软件不同或计算网格不同而产生的多组数值仿真数据，采取和风洞试验数据不确定度量化类似的方法，首先将所有仿真数据的平均值作为基准数据，将仿真数据的标准差作为气动数据的不确定度；对于重复性数据有限(少于7次)采用最大残差法计算不确定度，计算公式与风洞试验数据相同。
3)对于风洞试验和数值仿真气动数据融合，首先确定基准数据，一般选择与飞行环境最接近的风洞试验数据作为初始标称值，而后考虑天地差异，如支杆干扰、雷诺数等，对初始标称值进行修正，将修正后的数据作为多源气动数据的标称值。
4)如图4所示，对于多源气动数据不确定度量化，考虑步骤1风洞试验数据不确定度量化和步骤4数值仿真数据不确定度量化结果，对其包络范围进行极限包络，并与以往型号气动偏差进行对比，修正不确定度量值；对于差异明显的状态，需开展单独分析，综合多种因素共同确定其不确定度量值。
本发明未详细说明的部分属于本领域技术人员公知技术。

Claims (10)

1.一种多源气动数据不确定度量化评估方法，其特征在于，包括：
对于因风洞不同或模型缩比不同产生的若干组风洞试验数据，选择基准数据并确定气动数据的不确定度；
对于因计算软件不同或计算网格不同而产生的若干组数值仿真数据，计算基准数据并确定气动数据的不确定度；
将风洞试验数据和数值仿真数据融合，确定多源气动数据的标称值；
进行多源气动数据不确定度量化，得到多源启动数据不确定量化结果。
2.根据权利要求1所述的一种多源气动数据不确定度量化评估方法，其特征在于，对于因风洞不同或模型缩比不同产生的若干组风洞试验数据，通过对比雷诺数，选择与真实飞行环境最接近的风洞试验数据作为基准数据。
3.根据权利要求2所述的一种多源气动数据不确定度量化评估方法，其特征在于，对于因风洞不同或模型缩比不同产生的若干组风洞试验数据，所述确定气动数据的不确定度，包括：当风洞试验数据量＞a组时，将多组风洞试验数据的标准差作为气动数据的不确定度；当风洞试验数据量≤a组时，采用最大残差法，计算多组风洞试验数据的不确定度；a为设定值。
4.根据权利要求1所述的一种多源气动数据不确定度量化评估方法，其特征在于，对于因计算软件不同或计算网格不同而产生的若干组数值仿真数据，将所有数值仿真数据的平均值作为基准数据。
5.根据权利要求4所述的一种多源气动数据不确定度量化评估方法，其特征在于，对于因计算软件不同或计算网格不同而产生的若干组数值仿真数据，所述确定气动数据的不确定度，包括：
当数值仿真数据＞b组时，将数值仿真数据的标准差作为气动数据的不确定度；当数值仿真数据≤b组时，采用最大残差法计算不确定度，b为设定值。
6.根据权利要求1所述的一种多源气动数据不确定度量化评估方法，其特征在于，所述将风洞试验数据和数值仿真数据融合，确定多源气动数据的标称值，包括：
确定基准数据，选择与飞行环境最接近的风洞试验数据作为初始标称值；
考虑天地差异，对初始标称值进行修正，将修正后的数据作为多源气动数据的标称值。
7.根据权利要求1所述的一种多源气动数据不确定度量化评估方法，其特征在于，所述进行多源气动数据不确定度量化，包括：
对风洞试验数据的不确定度和数值仿真数据的不确定度结果的包络范围进行极限包络，得到数据包络带，并将数据包络带与已有的气动偏差经验值进行对比，如果数据包络带与已有的气动偏差经验值的相对差值在5％范围内，则将数据包络带作为多源气动数据不确定度量化结果。
8.根据权利要求7所述的一种多源气动数据不确定度量化评估方法，其特征在于，所述进行多源气动数据不确定度量化，还包括：
对于不确定度量化结果偏离经验值超过25％的，判断风洞试验和数值仿真数据源样本的数量，若风洞试验或数值仿真数据源样本中任意一组样本数小于2个，则表明样本点多样性存在缺陷，此时需以经验值作为不确定度量化结果。
9.根据权利要求8所述的一种多源气动数据不确定度量化评估方法，其特征在于，所述进行多源气动数据不确定度量化，还包括：
对于不确定度量化结果偏离经验值超过25％的，若风洞试验和数值仿真数据源样本点均大于等于2个，则进一步判断是否数值仿真均基于同一套网格获得或者风洞试验数据均基于同一个试验模型获得：若符合上述条件中的任意一个，则表明样本点多样性存在缺陷，不确定度量化评估结果出现了较大偏差，此时需以经验值作为不确定度量化结果；否则，则采信多源气动数据不确定度量化评估结果。
10.一种多源气动数据不确定度量化系统，其特征在于，包括：
第一模块，对于因风洞不同或模型缩比不同产生的若干组风洞试验数据，选择基准数据并确定气动数据的不确定度；
第二模块，对于因计算软件不同或计算网格不同而产生的若干组数值仿真数据，计算基准数据并确定气动数据的不确定度；
第三模块，将风洞试验数据和数值仿真数据融合，确定多源气动数据的标称值；
第四模块，进行多源气动数据不确定度量化，得到多源启动数据不确定量化结果。
CN202211425942.5A 2022-11-14 2022-11-14 一种多源气动数据不确定度量化评估方法和系统 Pending CN115809504A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211425942.5A CN115809504A (zh) 2022-11-14 2022-11-14 一种多源气动数据不确定度量化评估方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211425942.5A CN115809504A (zh) 2022-11-14 2022-11-14 一种多源气动数据不确定度量化评估方法和系统

Publications (1)

Publication Number Publication Date
CN115809504A true CN115809504A (zh) 2023-03-17

Family

ID=85483195

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211425942.5A Pending CN115809504A (zh) 2022-11-14 2022-11-14 一种多源气动数据不确定度量化评估方法和系统

Country Status (1)

Country Link
CN (1) CN115809504A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116739226A (zh) * 2023-08-16 2023-09-12 中国空气动力研究与发展中心设备设计与测试技术研究所 一种基于误差传播的风洞试验数据质量评估方法
CN117633491A (zh) * 2024-01-25 2024-03-01 中国航空工业集团公司沈阳空气动力研究所 气动数据不确定度量化评估方法、电子设备及存储介质

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116739226A (zh) * 2023-08-16 2023-09-12 中国空气动力研究与发展中心设备设计与测试技术研究所 一种基于误差传播的风洞试验数据质量评估方法
CN117633491A (zh) * 2024-01-25 2024-03-01 中国航空工业集团公司沈阳空气动力研究所 气动数据不确定度量化评估方法、电子设备及存储介质
CN117633491B (zh) * 2024-01-25 2024-04-12 中国航空工业集团公司沈阳空气动力研究所 气动数据不确定度量化评估方法、电子设备及存储介质

Similar Documents

Publication Publication Date Title
CN115809504A (zh) 一种多源气动数据不确定度量化评估方法和系统
CN113627098B (zh) 一种cfd模型确认方法及产品设计方法
CN108446711A (zh) 一种基于迁移学习的软件缺陷预测方法
CN108664700B (zh) 基于不确定数据包络分析的加速退化信息融合建模方法
CN111680870B (zh) 目标运动轨迹质量综合评估方法
CN109883644B (zh) 一种获得孔壁Darcy系数的试验方法及其应用
CN111737912B (zh) 一种基于深度神经网络的mwhts模拟亮温计算方法
CN113108918B (zh) 一种极轨气象卫星热红外遥感数据反演气温方法
CN112903758B (zh) 一种气体传感器重叠分块温湿度智能自校准方法
CN116090111B (zh) 一种基于深度学习模型的汽车钢板弹簧疲劳寿命预测方法
CN112926893A (zh) 基于模糊综合评判和层次分析的水平井调剖效果评价方法
CN116412995A (zh) 一种分区间确定风洞应变天平测量不确定度的方法
CN112326188B (zh) 一种基于doe和响应面模型的六分力应变天平公式的系数标定方法及计算方法
CN114219345A (zh) 一种基于数据挖掘的二次空气质量预报优化方法
CN117745096A (zh) 一种控制网布测方案评价方法及系统
CN114485800B (zh) 适用于气体多参数移动监测仪的远程质控方法
CN114993604B (zh) 一种基于深度学习的风洞天平静态校测方法
CN115526276A (zh) 一种具有鲁棒性的风洞天平校准载荷预测方法
CN113108949B (zh) 一种基于模型融合的探空仪温度传感器误差预测方法
CN114970698A (zh) 一种基于改进lwpls的计量设备运行性能预测方法
CN104677531A (zh) 基于混合特征选择算法的飞机机翼载荷实测方法
CN110470925B (zh) 一种基于可拓关联函数的电驱动力总成可靠度测试方法
CN112950020A (zh) 基于修正层次分析法的沥青路面综合性能权重确定方法
CN105868536A (zh) 基于测试数据的固体火箭发动机健康状态评估方法
CN114386159A (zh) 基于数字仿真的航天器机械产品可靠性测试方法

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