CN115840889A - 用于转捩预测的特征值的处理方法、装置、设备及介质 - Google Patents

用于转捩预测的特征值的处理方法、装置、设备及介质 Download PDF

Info

Publication number
CN115840889A
CN115840889A CN202310129908.1A CN202310129908A CN115840889A CN 115840889 A CN115840889 A CN 115840889A CN 202310129908 A CN202310129908 A CN 202310129908A CN 115840889 A CN115840889 A CN 115840889A
Authority
CN
China
Prior art keywords
characteristic values
characteristic
values
target
initial
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.)
Granted
Application number
CN202310129908.1A
Other languages
English (en)
Other versions
CN115840889B (zh
Inventor
段茂昌
涂国华
万兵兵
李仕博
陈坚强
袁先旭
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.)
Computational Aerodynamics Institute of China Aerodynamics Research and Development Center
Original Assignee
Computational Aerodynamics Institute of China Aerodynamics Research and Development Center
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 Computational Aerodynamics Institute of China Aerodynamics Research and Development Center filed Critical Computational Aerodynamics Institute of China Aerodynamics Research and Development Center
Priority to CN202310129908.1A priority Critical patent/CN115840889B/zh
Publication of CN115840889A publication Critical patent/CN115840889A/zh
Application granted granted Critical
Publication of CN115840889B publication Critical patent/CN115840889B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请公开了一种用于转捩预测的特征值的处理方法、装置、设备及介质，涉及空气动力稳定性及转捩预测技术领域，包括：获取若干组初始特征值和对应的初始特征函数；基于每组初始特征值的扰动波的目标扰动参数确定初始特征值中若干组非物理特征值以获得若干组第一特征值；基于每组第一特征值的初始特征函数的目标函数值确定第一特征值中非物理特征值以获得若干组第二特征值；基于每组第二特征值的初始特征函数与目标特征函数确定第二特征值中非物理特征值；剔除非物理特征值得到若干组参考特征值并基于参考特征值获得目标特征值以便将目标特征值用于三维边界层的转捩预测。本申请找到更多不稳定的特征值，提高解决三维稳定性问题的效率和鲁棒性。

Description

用于转捩预测的特征值的处理方法、装置、设备及介质
技术领域
本发明涉及空气动力稳定性及转捩预测技术领域，特别涉及一种用于转捩预测的特征值的处理方法、装置、设备及介质。
背景技术
当前，高超声速三维边界层的转捩预测，是新一代高超声速飞行器设计中急需解决的关键气动问题。比起二维情形，由于三维边界层中存在多种失稳模式，且特征值空间增加了一个维度，导致三维边界层转捩预测问题算法更复杂、计算量更大，实施难度比较大，求解效率比较低。
应用三维方法进行转捩预测时，假设边界层中存在如下形式的扰动波：
Figure SMS_14
；x、y、z分别是流向、壁面法向和展向的坐标。/>
Figure SMS_16
是扰动频率，/>
Figure SMS_17
为实数，/>
Figure SMS_18
、/>
Figure SMS_19
是复波数，/>
Figure SMS_20
，/>
Figure SMS_21
，实部/>
Figure SMS_1
、/>
Figure SMS_3
分别表示流向的波数、展向的波数，而虚部/>
Figure SMS_4
、/>
Figure SMS_5
分别表示流向扰动增长率、展向扰动增长率，/>
Figure SMS_7
是扰动分布函数，/>
Figure SMS_8
仅是y的函数，A为扰动幅值，/>
Figure SMS_10
是/>
Figure SMS_12
的共轭复数。/>
Figure SMS_2
、/>
Figure SMS_6
、
Figure SMS_9
是稳定性方程组的特征值，/>
Figure SMS_11
、/>
Figure SMS_13
、/>
Figure SMS_15
的一个组合确定一个扰动波，对应特征函数解的存在性与该组特征值相关。
无论采用全局法还是局部迭代法求解三维稳定性方程的特征值问题，初步获得的特征值解中都包含了大量的非物理特征值，如图1所示，其中只有少量特征值是真实的，这样得到的特征值解还不能直接用于求解真实物理问题。这些非物理特征值的剔除，需要分析人员根据经验或某个特征和准则手动选择某个特征值进行试算，这就要求稳定性分析人员具备丰富的稳定性分析知识及经验。很难一次性找出所有不稳定模态的特征值。这进一步降低了求解三维稳定性问题时的效率与鲁棒性。
综上所述，如何准确找出不稳定模态的特征值，提高求解三维稳定性问题的效率与鲁棒性是当前亟待解决的问题。
发明内容
有鉴于此，本发明的目的在于提供一种用于转捩预测的特征值的处理方法、装置、设备及介质，能够一次性找到更多不稳定模态的特征值，提高解决三维稳定性问题的效率和鲁棒性。其具体方案如下：
第一方面，本申请公开了一种用于转捩预测的特征值的处理方法，包括：
获取若干组初始特征值以及对应的初始特征函数；
基于每组所述初始特征值对应的扰动波的目标扰动参数确定出所述初始特征值中无效的若干组非物理特征值，以获得若干组第一特征值；
基于每组所述第一特征值对应的所述初始特征函数的目标函数值确定出所述第一特征值中无效的若干组所述非物理特征值，以获得若干组第二特征值；
基于每组所述第二特征值对应的所述初始特征函数与目标特征函数的相关性确定出所述第二特征值中无效的若干组所述非物理特征值；所述目标特征函数为基于当前网格得到新网格后重新获取的每组所述第二特征值对应的特征函数；
剔除若干组所述非物理特征值以得到有效的若干组参考特征值，并基于所述参考特征值获得若干组目标特征值，以便将所述目标特征值用于高超声速飞行器对应的三维边界层的转捩预测。
可选的，所述基于所述参考特征值获得若干组目标特征值，包括：
改变每组所述参考特征值中的扰动频率和每组所述参考特征值中展向的复波数中的展向的波数，以确定相应的所述扰动增长率满足预设条件时的目标扰动频率和目标展向的波数；
根据所述目标扰动频率和所述目标展向的波数获得相应的目标特征值，以获得若干组所述目标特征值。
可选的，所述剔除若干组所述非物理特征值以得到有效的若干组参考特征值，并基于所述参考特征值获得若干组目标特征值之后，还包括：
检测任意两组所述目标特征值对应的所述初始特征函数中速度特征函数之间的第一相关性和密度特征函数之间的第二相关性；
若所述第一相关性和所述第二相关性全部大于第一预设阈值，则剔除对应的所述任意两组所述目标特征值中的任意一组以得到若干组最终特征值。
可选的，所述基于每组所述初始特征值对应的扰动波的目标扰动参数确定出所述初始特征值中无效的若干组非物理特征值，包括：
若一组所述初始特征值对应的所述扰动波的扰动增长率大于预设增长率阈值，和/或，若一组所述初始特征值对应的所述扰动波的所述扰动增长率大于预设数值，则将该组所述初始特征值作为所述非物理特征值；所述预设数值为所述扰动波对应的流向的若干组、展向的波数和扰动频率中的最大值的预设倍数；
和/或，若一组所述初始特征值对应的所述扰动波的扰动相速度大于预设相速度阈值，则将该组所述初始特征值作为所述非物理特征值。
可选的，所述基于每组所述第一特征值对应的所述初始特征函数的目标函数值确定出所述第一特征值中无效的若干组所述非物理特征值，包括：
若一组所述第一特征值对应的所述初始特征函数中的初始速度特征函数对应的第一函数值的绝对值中的最大值大于第二预设阈值或小于第三预设阈值，则将该组所述第一特征值作为所述非物理特征值；
和/或，若一组所述第一特征值对应的所述初始特征函数中初始密度特征函数对应的第二函数值的波动次数大于预设次数，则将该组所述第一特征值作为所述非物理特征值。
可选的，所述基于每组所述第二特征值对应的所述初始特征函数与目标特征函数的相关性确定出所述第二特征值中无效的若干组所述非物理特征值之前，还包括：
根据预设规则增加所述当前网格的网格数以得到所述新网格，并基于所述新网格获取每组所述第二特征值对应的所述目标特征函数。
可选的，所述基于每组所述第二特征值对应的所述初始特征函数与目标特征函数的相关性确定出所述第二特征值中无效的若干组所述非物理特征值，包括：
若一组所述第二特征值对应的所述初始特征函数的初始速度特征函数与目标特征函数的目标速度特征函数的第三相关性，和/或，所述初始特征函数的初始密度特征函数与目标特征函数的目标密度特征函数的第四相关性全部小于第四预设阈值，则将该组所述第二特征值作为所述非物理特征值。
第二方面，本申请公开了一种用于转捩预测的特征值的处理装置，包括：
获取模块，用于获取若干组初始特征值以及对应的初始特征函数；
第一确定模块，用于基于每组所述初始特征值对应的扰动波的目标扰动参数确定出所述初始特征值中无效的若干组非物理特征值，以获得若干组第一特征值；
第二确定模块，用于基于每组所述第一特征值对应的所述初始特征函数的目标函数值确定出所述第一特征值中无效的若干组所述非物理特征值，以获得若干组第二特征值；
第三确定模块，用于基于每组所述第二特征值对应的所述初始特征函数与目标特征函数的相关性确定出所述第二特征值中无效的若干组所述非物理特征值；所述目标特征函数为基于当前网格得到新网格后重新获取的每组所述第二特征值对应的目标特征函数；
剔除模块，用于剔除若干组所述非物理特征值以得到有效的若干组参考特征值，并基于所述参考特征值获得若干组目标特征值，以便将所述目标特征值用于高超声速飞行器对应的三维边界层的转捩预测。
第三方面，本申请公开了一种电子设备，包括处理器和存储器；其中，所述处理器执行所述存储器中保存的计算机程序时实现前述公开的用于转捩预测的特征值的处理方法。
第四方面，本申请公开了一种计算机可读存储介质，用于存储计算机程序；其中，所述计算机程序被处理器执行时实现前述公开的用于转捩预测的特征值的处理方法。
可见，本申请获取若干组初始特征值以及对应的初始特征函数；基于每组所述初始特征值对应的扰动波的目标扰动参数确定出所述初始特征值中无效的若干组非物理特征值，以获得若干组第一特征值；基于每组所述第一特征值对应的所述初始特征函数的目标函数值确定出所述第一特征值中无效的若干组所述非物理特征值，以获得若干组第二特征值；基于每组所述第二特征值对应的所述初始特征函数与目标特征函数的相关性确定出所述第二特征值中无效的若干组所述非物理特征值；所述目标特征函数为基于当前网格得到新网格后重新获取的每组所述第二特征值对应的特征函数；剔除若干组所述非物理特征值以得到有效的若干组参考特征值，并基于所述参考特征值获得若干组目标特征值，以便将所述目标特征值用于高超声速飞行器对应的三维边界层的转捩预测。由此可见，本申请利用初始特征值对应的扰动波的目标扰动参数、第一特征值对应的所述初始特征函数的目标函数值和第二特征值对应的所述初始特征函数与目标特征函数的相关性确定并剔除非物理特征值以得到目标特征值，也不需要人为干预，由此可一次性找到更多的不稳定模态的特征值，提高了解决三维稳定性问题的效率和鲁棒性。
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作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本申请提供的一种初始特征值分布示意图；
图2为本申请提供的一种用于转捩预测的特征值的处理方法流程图；
图3为本申请提供的一种具体的用于转捩预测的特征值的处理的方法流程图；
图4为本申请提供的一种最终特征值分布示意图；
图5为本申请提供的一种用于转捩预测的特征值的处理装置结构示意图；
图6为本申请提供的一种电子设备结构图。
实施方式
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，都属于本发明保护的范围。
当前，无论采用全局法还是局部迭代法求解三维稳定性方程的特征值问题，初步获得的特征值解中都包含了大量的非物理特征值，如图1所示，其中只有少量特征值是真实的，这样得到的特征值解还不能直接用于求解真实物理问题。这些非物理特征值的剔除，需要分析人员根据经验或某个特征和准则手动选择某个特征值进行试算，这就要求稳定性分析人员具备丰富的稳定性分析知识及经验。很难一次性找出所有不稳定模态的特征值。这进一步降低了求解三维稳定性问题时的效率与鲁棒性。。
为了克服上述问题，本申请提供了一种用于转捩预测的特征值的处理方案，能够一次性找到更多的不稳定模态的特征值，提高。解决三维稳定性问题的效率和鲁棒性。
参见图2所示，本申请实施例公开了一种用于转捩预测的特征值的处理方法，该方法包括：
步骤S11：获取若干组初始特征值以及对应的初始特征函数。
本申请实施例中，一组特征值包括
Figure SMS_22
、/>
Figure SMS_23
和/>
Figure SMS_24
。
本申请实施例中，在特征值空间中，对每个点进行求解以得到特征值和对应的特征函数。
步骤S12：基于每组所述初始特征值对应的扰动波的目标扰动参数确定出所述初始特征值中无效的若干组非物理特征值，以获得若干组第一特征值。
本申请实施例中，利用特征值有效性检验确定出非物理特征值，具体的，若一组所述初始特征值对应的所述扰动波的扰动增长率大于预设增长率阈值，和/或，若一组所述初始特征值对应的所述扰动波的所述扰动增长率大于预设数值，则将该组所述初始特征值作为所述非物理特征值；所述预设数值为所述扰动波对应的流向的若干组、展向的波数和扰动频率中的最大值的预设倍数；和/或，若一组所述初始特征值对应的所述扰动波的扰动相速度大于预设相速度阈值，则将该组所述初始特征值作为所述非物理特征值。需要指出的是，作为所述非物理特征值可认为为无效特征值。
需要指出的是，扰动增长率大于预设增长率阈值可表示为：
Figure SMS_26
；其中，/>
Figure SMS_27
为扰动波的扰动增长率，/>
Figure SMS_29
为预设增长率阈值；扰动增长率大于预设数值可表示为：
Figure SMS_32
；所述预设倍数可以为0.2，在此不做具体限定，
Figure SMS_33
表示取/>
Figure SMS_34
、/>
Figure SMS_35
和/>
Figure SMS_25
中的最大值；动相速度大于预设相速度阈值可表示为：/>
Figure SMS_28
，/>
Figure SMS_30
表示扰动波的相速度，/>
Figure SMS_31
表示预设相速度阈值。
步骤S13：基于每组所述第一特征值对应的所述初始特征函数的目标函数值确定出所述第一特征值中无效的若干组所述非物理特征值，以获得若干组第二特征值。
本申请实施例中，利用特征函数有效性检验确定出非物理特征值，具体的，若一组所述第一特征值对应的所述初始特征函数中的初始速度特征函数对应的第一函数值的绝对值中的最大值大于第二预设阈值或小于第三预设阈值，则将该组所述第一特征值作为所述非物理特征值；和/或，若一组所述第一特征值对应的所述初始特征函数中初始密度特征函数对应的第二函数值的波动次数大于预设次数，则将该组所述第一特征值作为所述非物理特征值。
需要指出的是，第一函数值的绝对值中的最大值大于第二预设阈值表示为：
Figure SMS_36
；其中，/>
Figure SMS_37
表示速度特征函数，所述第二预设阈值可为/>
Figure SMS_38
，在此不做具体限定；第一函数值的绝对值中的最大值小于第三预设阈值表示为：/>
Figure SMS_39
，所述第三预设阈值可为0.1，在此不做具体限定；所述预设次数可以为5次，在此不做具体限定。
步骤S14：基于每组所述第二特征值对应的所述初始特征函数与目标特征函数的相关性确定出所述第二特征值中无效的若干组所述非物理特征值；所述目标特征函数为基于当前网格得到新网格后重新获取的每组所述第二特征值对应的特征函数。
本申请实施例中，通过网格加密检验确定出非物理特征值，具体的，若一组所述第二特征值对应的所述初始特征函数的初始速度特征函数与目标特征函数的目标速度特征函数的第三相关性，和/或，所述初始特征函数的初始密度特征函数与目标特征函数的目标密度特征函数的第四相关性全部小于第四预设阈值，则将该组所述第二特征值作为所述非物理特征值。需要指出的是，所述第四预设阈值可以为0.99，在此不做具体限定。
需要指出的是，基于每组所述第二特征值对应的所述初始特征函数与目标特征函数的相关性确定出所述第二特征值中无效的若干组所述非物理特征值之前，需要确定出目标特征函数；具体为，根据预设规则增加所述当前网格的网格数以得到所述新网格，并基于所述新网格获取每组所述第二特征值对应的所述目标特征函数（在新网格上重新求解特征值对应的特征函数）。需要指出的是，新网格的网格数可为所述当前网格的网格数的1.0-2.0倍，在此不做具体限定。
步骤S15：剔除若干组所述非物理特征值以得到有效的若干组参考特征值，并基于所述参考特征值获得若干组目标特征值，以便将所述目标特征值用于高超声速飞行器对应的三维边界层的转捩预测。
本申请实施例中，所述剔除若干组所述非物理特征值以得到有效的若干组参考特征值，并基于所述参考特征值获得若干组目标特征值之后，还可以在此进行重复性检验：检测任意两组所述目标特征值对应的所述初始特征函数中速度特征函数之间的第一相关性和密度特征函数之间的第二相关性；若所述第一相关性和所述第二相关性全部大于第一预设阈值，则剔除对应的所述任意两组所述目标特征值中的任意一组以得到若干组最终特征值，然后将所述最终特征值用于高超声速飞行器对应的三维边界层的转捩预测。需要指出的是，所述第一预设阈值可以为0.9，在此不做具体限定。
需要指出的是，上述利用特征值有效性检验确定出非物理特征值、利用特征函数有效性检验确定出非物理特征值和通过网格加密检验确定出非物理特征值三种方式的顺序可以改变。
本申请实施例中，提出了一种自动判断稳定性方程非物理特征值的策略，通过对特征值空间猜测特征值点进行特征值与特征函数有效性检验、网格加密检验、获取最不稳的特征值以及重复性检验等，自动将非物理特征值剔除；进一步的本申请是对边界层转捩预测三维eN方法进行改进，避免了三维eN方法求解特征值过程的人工干预（也即，自动判断非物理特征值，从而避免了三维eN方法实施过程中人为干预，提高了对复杂三维边界层转捩预测的效率）；另外，由于本申请实施简单易行、计算量小，不需要复杂的理论分析，对现有程序做较少改动即可实现。
在一种具体实施例中，利用上述方式进行特征值剔除，最终可由图1得到如图3所述的特征值分布示意图；需要指出的是，本具体实施例中利用的网格机密的倍数为1.5倍，另外，如图3所示，保留的特征值包括了图中两个模态的有效的特征值，图中左侧部分特征值为第一模态的特征值，右侧部分特征值为第二模态特征值。
可见，本申请获取若干组初始特征值以及对应的初始特征函数；基于每组所述初始特征值对应的扰动波的目标扰动参数确定出所述初始特征值中无效的若干组非物理特征值，以获得若干组第一特征值；基于每组所述第一特征值对应的所述初始特征函数的目标函数值确定出所述第一特征值中无效的若干组所述非物理特征值，以获得若干组第二特征值；基于每组所述第二特征值对应的所述初始特征函数与目标特征函数的相关性确定出所述第二特征值中无效的若干组所述非物理特征值；所述目标特征函数为基于当前网格得到新网格后重新获取的每组所述第二特征值对应的特征函数；剔除若干组所述非物理特征值以得到有效的若干组参考特征值，并基于所述参考特征值获得若干组目标特征值，以便将所述目标特征值用于高超声速飞行器对应的三维边界层的转捩预测。由此可见，本申请利用初始特征值对应的扰动波的目标扰动参数、第一特征值对应的所述初始特征函数的目标函数值和第二特征值对应的所述初始特征函数与目标特征函数的相关性确定并剔除非物理特征值以得到目标特征值，不需要进行人工干预以选择合适的特征值，由此可一次性找到更多的不稳定模态的特征值，提高了解决三维稳定性问题的效率和鲁棒性。
参见图4所示，本申请实施例公开了一种具体的用于转捩预测的特征值的处理方法，该方法包括：
步骤S21：获取若干组初始特征值以及对应的初始特征函数。
本实施例中，关于上述步骤S21的具体过程，可以参考前述实施例中公开的相应内容，在此不再进行赘述。
步骤S22：基于每组所述初始特征值对应的扰动波的目标扰动参数确定出所述初始特征值中无效的若干组非物理特征值，以获得若干组第一特征值。
本实施例中，关于上述步骤S22的具体过程，可以参考前述实施例中公开的相应内容，在此不再进行赘述。
步骤S23：基于每组所述第一特征值对应的所述初始特征函数的目标函数值确定出所述第一特征值中无效的若干组所述非物理特征值，以获得若干组第二特征值。
本实施例中，关于上述步骤S23的具体过程，可以参考前述实施例中公开的相应内容，在此不再进行赘述。
步骤S24：基于每组所述第二特征值对应的所述初始特征函数与目标特征函数的相关性确定出所述第二特征值中无效的若干组所述非物理特征值；所述目标特征函数为基于当前网格得到新网格后重新获取的每组所述第二特征值对应的特征函数。
本实施例中，关于上述步骤S24的具体过程，可以参考前述实施例中公开的相应内容，在此不再进行赘述。
步骤S25：剔除若干组所述非物理特征值以得到有效的若干组参考特征值。
本实施例中，关于上述步骤S25的具体过程，可以参考前述实施例中公开的相应内容，在此不再进行赘述。
步骤S26：改变每组所述参考特征值中的扰动频率和每组所述参考特征值中展向的复波数中的展向的波数，以确定相应的所述扰动增长率满足预设条件时的目标扰动频率和目标展向的波数；根据所述目标扰动频率和所述目标展向的波数获得相应的目标特征值，以获得若干组所述目标特征值，以便将所述目标特征值用于高超声速飞行器对应的三维边界层的转捩预测。
本申请实施例中，在剔除若干组所述非物理特征值以得到有效的若干组参考特征值之后，还需要基于所述参考特征值获得若干组目标特征值，具体的，对参考特征值中的扰动频率和每组所述参考特征值中展向的复波数中的展向的波数进行改变，以得到相应的所述扰动增长率满足预设条件时的目标扰动频率和目标展向的波数；需要指出的是，所述扰动频率为
Figure SMS_40
，所述展向的复波数中的展向的波数为/>
Figure SMS_41
，所述预设条件为扰动增长率最大；然后根据所述目标扰动频率和所述目标展向的波数获得相应的目标特征值，以获得若干组所述目标特征值，此时的目标特征值为最不稳定的特征值。
本申请实施例中，所述剔除若干组所述非物理特征值以得到有效的若干组参考特征值，并基于所述参考特征值获得若干组目标特征值之后，还可以在此进行重复性检验：检测任意两组所述目标特征值对应的所述初始特征函数中速度特征函数之间的第一相关性和密度特征函数之间的第二相关性；若所述第一相关性和所述第二相关性全部大于第一预设阈值，则剔除对应的所述任意两组所述目标特征值中的任意一组以得到若干组最终特征值，然后将所述最终特征值用于高超声速飞行器对应的三维边界层的转捩预测。需要指出的是，所述第一预设阈值可以为0.9，在此不做具体限定。
需要指出的是，上述利用特征值有效性检验确定出非物理特征值、利用特征函数有效性检验确定出非物理特征值和通过网格加密检验确定出非物理特征值三种方式的顺序可以改变。
可见，本申请获取若干组初始特征值以及对应的初始特征函数；基于每组所述初始特征值对应的扰动波的目标扰动参数确定出所述初始特征值中无效的若干组非物理特征值，以获得若干组第一特征值；基于每组所述第一特征值对应的所述初始特征函数的目标函数值确定出所述第一特征值中无效的若干组所述非物理特征值，以获得若干组第二特征值；基于每组所述第二特征值对应的所述初始特征函数与目标特征函数的相关性确定出所述第二特征值中无效的若干组所述非物理特征值；所述目标特征函数为基于当前网格得到新网格后重新获取的每组所述第二特征值对应的特征函数；剔除若干组所述非物理特征值以得到有效的若干组参考特征值；改变每组所述参考特征值中的扰动频率和每组所述参考特征值中展向的复波数中的展向的波数，以确定相应的所述扰动增长率满足预设条件时的目标扰动频率和目标展向的波数；根据所述目标扰动频率和所述目标展向的波数获得相应的目标特征值，以获得若干组所述目标特征值，以便将所述目标特征值用于高超声速飞行器对应的三维边界层的转捩预测。由此可见，本申请利用初始特征值对应的扰动波的目标扰动参数、第一特征值对应的所述初始特征函数的目标函数值和第二特征值对应的所述初始特征函数与目标特征函数的相关性确定并剔除非物理特征值，并改变参考特征值的目标扰动频率和目标展向的波数获得相应的目标特征值，也即获得不稳定模态的特征值，由此可一次性找到更多的不稳定模态的特征值，提高了解决三维稳定性问题的效率和鲁棒性。
参见图5所示，本申请实施例公开了一种用于转捩预测的特征值的处理装置，包括：
获取模块11，用于获取若干组初始特征值以及对应的初始特征函数；
第一确定模块12，用于基于每组所述初始特征值对应的扰动波的目标扰动参数确定出所述初始特征值中无效的若干组非物理特征值，以获得若干组第一特征值；
第二确定模块13，用于基于每组所述第一特征值对应的所述初始特征函数的目标函数值确定出所述第一特征值中无效的若干组所述非物理特征值，以获得若干组第二特征值；
第三确定模块14，用于基于每组所述第二特征值对应的所述初始特征函数与目标特征函数的相关性确定出所述第二特征值中无效的若干组所述非物理特征值；所述目标特征函数为基于当前网格得到新网格后重新获取的每组所述第二特征值对应的目标特征函数；
剔除模块15，用于剔除若干组所述非物理特征值以得到有效的若干组参考特征值，并基于所述参考特征值获得若干组目标特征值，以便将所述目标特征值用于高超声速飞行器对应的三维边界层的转捩预测。
其中，关于上述各个模块更加具体的工作过程可以参考前述实施例中公开的相应内容，在此不再进行赘述。
可见，本申请获取若干组初始特征值以及对应的初始特征函数；基于每组所述初始特征值对应的扰动波的目标扰动参数确定出所述初始特征值中无效的若干组非物理特征值，以获得若干组第一特征值；基于每组所述第一特征值对应的所述初始特征函数的目标函数值确定出所述第一特征值中无效的若干组所述非物理特征值，以获得若干组第二特征值；基于每组所述第二特征值对应的所述初始特征函数与目标特征函数的相关性确定出所述第二特征值中无效的若干组所述非物理特征值；所述目标特征函数为基于当前网格得到新网格后重新获取的每组所述第二特征值对应的特征函数；剔除若干组所述非物理特征值以得到有效的若干组参考特征值，并基于所述参考特征值获得若干组目标特征值，以便将所述目标特征值用于高超声速飞行器对应的三维边界层的转捩预测。由此可见，本申请利用初始特征值对应的扰动波的目标扰动参数、第一特征值对应的所述初始特征函数的目标函数值和第二特征值对应的所述初始特征函数与目标特征函数的相关性确定并剔除非物理特征值以得到目标特征值，由此可一次性找到更多的不稳定模态的特征值，提高了解决三维稳定性问题的效率和鲁棒性。
进一步的，本申请实施例还提供了一种电子设备，图6是根据一示例性实施例示出的电子设备20结构图，图中的内容不能认为是对本申请的使用范围的任何限制。
图6为本申请实施例提供的一种电子设备20的结构示意图。该电子设备20，具体可以包括：至少一个处理器21、至少一个存储器22、电源23、输入输出接口24、通信接口25和通信总线26。其中，所述存储器22用于存储计算机程序，所述计算机程序由所述处理器21加载并执行，以实现前述任意实施例公开的用于转捩预测的特征值的处理方法的相关步骤。
本实施例中，电源23用于为电子设备20上的各硬件设备提供工作电压；通信接口25能够为电子设备20创建与外界设备之间的数据传输通道，其所遵循的通信协议是能够适用于本申请技术方案的任意通信协议，在此不对其进行具体限定；输入输出接口24，用于获取外界输入数据或向外界输出数据，其具体的接口类型可以根据具体应用需要进行选取，在此不进行具体限定。
另外，存储器22作为资源存储的载体，可以是只读存储器、随机存储器、磁盘或者光盘等，存储器22作为可以包括作为运行内存的随机存取存储器和用于外部内存的存储用途的非易失性存储器，其上的存储资源包括操作系统221、计算机程序222等，存储方式可以是短暂存储或者永久存储。
其中，操作系统221用于管理与控制源主机上电子设备20上的各硬件设备以及计算机程序222，操作系统221可以是Windows、Unix、Linux等。计算机程222除了包括能够用于完成前述任一实施例公开的由电子设备20执行的用于转捩预测的特征值的处理方法的计算机程序之外，还可以进一步包括能够用于完成其他特定工作的计算机程序。
本实施例中，所述输入输出接口24具体可以包括但不限于USB接口、硬盘读取接口、串行接口、语音输入接口、指纹输入接口等。
进一步的，本申请实施例还公开了一种计算机可读存储介质，用于存储计算机程序；其中，所述计算机程序被处理器执行时实现前述公开的用于转捩预测的特征值的处理方法。
关于该方法的具体步骤可以参考前述实施例中公开的相应内容，在此不再进行赘述。
这里所说的计算机可读存储介质包括随机存取存储器(Random Access Memory，RAM)、内存、只读存储器(Read-Only Memory，ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、磁碟或者光盘或技术领域内所公知的任意其他形式的存储介质。其中，所述计算机程序被处理器执行时实现前述用于转捩预测的特征值的处理方法。关于该方法的具体步骤可以参考前述实施例中公开的相应内容，在此不再进行赘述。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的用于转捩预测的特征值的处理方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
结合本文中所公开的实施例描述算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器（RAM）、内存、只读存储器（ROM）、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上对本发明所提供的一种用于转捩预测的特征值的处理方法、装置、设备及介质进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种用于转捩预测的特征值的处理方法，其特征在于，包括：
获取若干组初始特征值以及对应的初始特征函数；
基于每组所述初始特征值对应的扰动波的目标扰动参数确定出所述初始特征值中无效的若干组非物理特征值，以获得若干组第一特征值；
基于每组所述第一特征值对应的所述初始特征函数的目标函数值确定出所述第一特征值中无效的若干组所述非物理特征值，以获得若干组第二特征值；
基于每组所述第二特征值对应的所述初始特征函数与目标特征函数的相关性确定出所述第二特征值中无效的若干组所述非物理特征值；所述目标特征函数为基于当前网格得到新网格后重新获取的每组所述第二特征值对应的特征函数；
剔除若干组所述非物理特征值以得到有效的若干组参考特征值，并基于所述参考特征值获得若干组目标特征值，以便将所述目标特征值用于高超声速飞行器对应的三维边界层的转捩预测。
2.根据权利要求1所述的用于转捩预测的特征值的处理方法，其特征在于，所述基于所述参考特征值获得若干组目标特征值，包括：
改变每组所述参考特征值中的扰动频率和每组所述参考特征值中展向的复波数中的展向的波数，以确定相应的所述扰动增长率满足预设条件时的目标扰动频率和目标展向的波数；
根据所述目标扰动频率和所述目标展向的波数获得相应的目标特征值，以获得若干组所述目标特征值。
3.根据权利要求1所述的用于转捩预测的特征值的处理方法，其特征在于，所述剔除若干组所述非物理特征值以得到有效的若干组参考特征值，并基于所述参考特征值获得若干组目标特征值之后，还包括：
检测任意两组所述目标特征值对应的所述初始特征函数中速度特征函数之间的第一相关性和密度特征函数之间的第二相关性；
若所述第一相关性和所述第二相关性全部大于第一预设阈值，则剔除对应的所述任意两组所述目标特征值中的任意一组以得到若干组最终特征值。
4.根据权利要求1所述的用于转捩预测的特征值的处理方法，其特征在于，所述基于每组所述初始特征值对应的扰动波的目标扰动参数确定出所述初始特征值中无效的若干组非物理特征值，包括：
若一组所述初始特征值对应的所述扰动波的扰动增长率大于预设增长率阈值，和/或，若一组所述初始特征值对应的所述扰动波的所述扰动增长率大于预设数值，则将该组所述初始特征值作为所述非物理特征值；所述预设数值为所述扰动波对应的流向的若干组、展向的波数和扰动频率中的最大值的预设倍数；
和/或，若一组所述初始特征值对应的所述扰动波的扰动相速度大于预设相速度阈值，则将该组所述初始特征值作为所述非物理特征值。
5.根据权利要求1所述的用于转捩预测的特征值的处理方法，其特征在于，所述基于每组所述第一特征值对应的所述初始特征函数的目标函数值确定出所述第一特征值中无效的若干组所述非物理特征值，包括：
若一组所述第一特征值对应的所述初始特征函数中的初始速度特征函数对应的第一函数值的绝对值中的最大值大于第二预设阈值或小于第三预设阈值，则将该组所述第一特征值作为所述非物理特征值；
和/或，若一组所述第一特征值对应的所述初始特征函数中初始密度特征函数对应的第二函数值的波动次数大于预设次数，则将该组所述第一特征值作为所述非物理特征值。
6.根据权利要求1所述的用于转捩预测的特征值的处理方法，其特征在于，所述基于每组所述第二特征值对应的所述初始特征函数与目标特征函数的相关性确定出所述第二特征值中无效的若干组所述非物理特征值之前，还包括：
根据预设规则增加所述当前网格的网格数以得到所述新网格，并基于所述新网格获取每组所述第二特征值对应的所述目标特征函数。
7.根据权利要求1所述的用于转捩预测的特征值的处理方法，其特征在于，所述基于每组所述第二特征值对应的所述初始特征函数与目标特征函数的相关性确定出所述第二特征值中无效的若干组所述非物理特征值，包括：
若一组所述第二特征值对应的所述初始特征函数的初始速度特征函数与目标特征函数的目标速度特征函数的第三相关性，和/或，所述初始特征函数的初始密度特征函数与目标特征函数的目标密度特征函数的第四相关性全部小于第四预设阈值，则将该组所述第二特征值作为所述非物理特征值。
8.一种用于转捩预测的特征值的处理装置，其特征在于，包括：
获取模块，用于获取若干组初始特征值以及对应的初始特征函数；
第一确定模块，用于基于每组所述初始特征值对应的扰动波的目标扰动参数确定出所述初始特征值中无效的若干组非物理特征值，以获得若干组第一特征值；
第二确定模块，用于基于每组所述第一特征值对应的所述初始特征函数的目标函数值确定出所述第一特征值中无效的若干组所述非物理特征值，以获得若干组第二特征值；
第三确定模块，用于基于每组所述第二特征值对应的所述初始特征函数与目标特征函数的相关性确定出所述第二特征值中无效的若干组所述非物理特征值；所述目标特征函数为基于当前网格得到新网格后重新获取的每组所述第二特征值对应的目标特征函数；
剔除模块，用于剔除若干组所述非物理特征值以得到有效的若干组参考特征值，并基于所述参考特征值获得若干组目标特征值，以便将所述目标特征值用于高超声速飞行器对应的三维边界层的转捩预测。
9.一种电子设备，其特征在于，包括处理器和存储器；其中，所述处理器执行所述存储器中保存的计算机程序时实现如权利要求1至7任一项所述的用于转捩预测的特征值的处理方法。
10.一种计算机可读存储介质，其特征在于，用于存储计算机程序；其中，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的用于转捩预测的特征值的处理方法。
CN202310129908.1A 2023-02-17 2023-02-17 用于转捩预测的特征值的处理方法、装置、设备及介质 Active CN115840889B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310129908.1A CN115840889B (zh) 2023-02-17 2023-02-17 用于转捩预测的特征值的处理方法、装置、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310129908.1A CN115840889B (zh) 2023-02-17 2023-02-17 用于转捩预测的特征值的处理方法、装置、设备及介质

Publications (2)

Publication Number Publication Date
CN115840889A true CN115840889A (zh) 2023-03-24
CN115840889B CN115840889B (zh) 2023-05-26

Family

ID=85579838

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310129908.1A Active CN115840889B (zh) 2023-02-17 2023-02-17 用于转捩预测的特征值的处理方法、装置、设备及介质

Country Status (1)

Country Link
CN (1) CN115840889B (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070250271A1 (en) * 2006-01-19 2007-10-25 Leonard Stephen W Method of compensation of dose-response curve of an essay for sensitivity to perturbing variables
US20160146973A1 (en) * 2014-11-25 2016-05-26 Cognitive Geology Limited Geological Prediction Technology
CN111832159A (zh) * 2020-06-23 2020-10-27 北京临近空间飞行器系统工程研究所 一种基于飞行试验数据的边界层转捩阵面动态演化过程确定方法
CN113312579A (zh) * 2021-04-28 2021-08-27 中国地震局地质研究所 一种降温强度确定及温度变化趋势检测方法和装置
CN113329437A (zh) * 2021-06-07 2021-08-31 北京邮电大学 无线网络信号传播路径损耗预测方法及电子设备
CN113343608A (zh) * 2021-07-21 2021-09-03 西北工业大学 一种基于初值代理模型的线性稳定性分析方法
CN113344295A (zh) * 2021-06-29 2021-09-03 华南理工大学 基于工业大数据的设备剩余寿命预测方法、系统及介质
CN113532722A (zh) * 2021-05-25 2021-10-22 北京临近空间飞行器系统工程研究所 一种基于飞行试验脉动压力数据的双谱分析转捩辨识方法
CN113998145A (zh) * 2022-01-04 2022-02-01 中国空气动力研究与发展中心计算空气动力研究所 飞行器边界层失稳特征检测方法、装置、设备及介质
CN115423167A (zh) * 2022-08-29 2022-12-02 中国电建集团华东勘测设计研究院有限公司 一种地铁深基坑施工安全预警及辅助决策方法及系统
CN115659522A (zh) * 2022-12-27 2023-01-31 中国空气动力研究与发展中心计算空气动力研究所 一种飞行器转捩位置预测方法、装置、设备及介质

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070250271A1 (en) * 2006-01-19 2007-10-25 Leonard Stephen W Method of compensation of dose-response curve of an essay for sensitivity to perturbing variables
US20160146973A1 (en) * 2014-11-25 2016-05-26 Cognitive Geology Limited Geological Prediction Technology
CN111832159A (zh) * 2020-06-23 2020-10-27 北京临近空间飞行器系统工程研究所 一种基于飞行试验数据的边界层转捩阵面动态演化过程确定方法
CN113312579A (zh) * 2021-04-28 2021-08-27 中国地震局地质研究所 一种降温强度确定及温度变化趋势检测方法和装置
CN113532722A (zh) * 2021-05-25 2021-10-22 北京临近空间飞行器系统工程研究所 一种基于飞行试验脉动压力数据的双谱分析转捩辨识方法
CN113329437A (zh) * 2021-06-07 2021-08-31 北京邮电大学 无线网络信号传播路径损耗预测方法及电子设备
CN113344295A (zh) * 2021-06-29 2021-09-03 华南理工大学 基于工业大数据的设备剩余寿命预测方法、系统及介质
CN113343608A (zh) * 2021-07-21 2021-09-03 西北工业大学 一种基于初值代理模型的线性稳定性分析方法
CN113998145A (zh) * 2022-01-04 2022-02-01 中国空气动力研究与发展中心计算空气动力研究所 飞行器边界层失稳特征检测方法、装置、设备及介质
CN115423167A (zh) * 2022-08-29 2022-12-02 中国电建集团华东勘测设计研究院有限公司 一种地铁深基坑施工安全预警及辅助决策方法及系统
CN115659522A (zh) * 2022-12-27 2023-01-31 中国空气动力研究与发展中心计算空气动力研究所 一种飞行器转捩位置预测方法、装置、设备及介质

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
MESEGUER F等: "Unsteady residual distribution schemes for transition prediction" *
ZHAO M等: "Numerical Method for Flow Transition Prediction" *
刘跃: "尺度自适应湍流方法及其在细长旋成体绕流中的应用研究" *
周萃英: "斜坡岩体复杂性特征及其预测新认识" *
夏陈超: "基于CFD的飞行器高保真度气动外形优化设计方法" *
黄章峰;万兵兵;段茂昌;: "高超声速流动稳定性及转捩工程应用若干研究进展" *

Also Published As

Publication number Publication date
CN115840889B (zh) 2023-05-26

Similar Documents

Publication Publication Date Title
Safdari-Vaighani et al. A radial basis function partition of unity collocation method for convection–diffusion equations arising in financial applications
WO2018176385A1 (en) System and method for network slicing for service-oriented networks
US20200133998A1 (en) Estimation method, estimation apparatus, and computer-readable recording medium
CN106600430B (zh) 一种社区网络检测方法及装置
CN112965813B (zh) 一种ai平台资源调控方法、系统及介质
TWI775210B (zh) 用於卷積運算的資料劃分方法及處理器
Segalman et al. Estimating the probability distribution of von Mises stress for structures undergoing random excitation
CN115019128B (zh) 图像生成模型训练方法、图像生成方法及相关装置
KR20180046172A (ko) 다층확률 기계학습 기반 최적해 탐색 시스템 및 방법
CN102214245A (zh) 基于关键词共现的研究热点图论分析方法
CN109379747B (zh) 无线网络多控制器部署和资源分配方法和装置
Huang et al. A pk-adaptive mesh refinement for pseudospectral method to solve optimal control problem
Pfaff et al. The Spherical Grid Filter for Nonlinear Estimation on the Unit Sphere
CN103399799A (zh) 云操作系统中计算物理资源节点负载评价的方法及装置
CN106503386A (zh) 评估光功率预测算法性能优劣的方法及装置
CN115840889A (zh) 用于转捩预测的特征值的处理方法、装置、设备及介质
CN115935802B (zh) 电磁散射边界元计算方法、装置、电子设备及存储介质
Yang et al. A sparse multi-fidelity surrogate-based optimization method with computational awareness
Shaik et al. Floquet theory for linear time-periodic delay differential equations using orthonormal history functions
CN113111351A (zh) 测试方法、装置和计算机可读存储介质
Dabrowski et al. Improving efficiency of the largest Lyapunov exponent’s estimation by its determination from the vector field properties
Wang et al. Performance analysis of the graph-partitioning algorithms used in OpenFOAM
Linz et al. A quantile-based nested partition algorithm for black-box functions on a continuous domain
Müller et al. SO-MODS: Optimization for high dimensional computationally expensive multi-modal functions with surrogate search
Cavoretto et al. RBF-PU interpolation with variable subdomain sizes and shape parameters

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