CN116070551B - 基于权重型吻合度的风洞试验多源数据定量比较方法 - Google Patents
基于权重型吻合度的风洞试验多源数据定量比较方法 Download PDFInfo
- Publication number
- CN116070551B CN116070551B CN202310222558.3A CN202310222558A CN116070551B CN 116070551 B CN116070551 B CN 116070551B CN 202310222558 A CN202310222558 A CN 202310222558A CN 116070551 B CN116070551 B CN 116070551B
- Authority
- CN
- China
- Prior art keywords
- data
- fitness
- weight
- 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.)
- Active
Links
- 238000012360 testing method Methods 0.000 title claims abstract description 39
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000004364 calculation method Methods 0.000 claims abstract description 49
- 238000011156 evaluation Methods 0.000 claims abstract description 6
- 238000013507 mapping Methods 0.000 claims description 5
- 238000012512 characterization method Methods 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 4
- 241000764238 Isis Species 0.000 claims description 2
- 230000003872 anastomosis Effects 0.000 claims description 2
- 238000011160 research Methods 0.000 abstract description 14
- 238000013461 design Methods 0.000 abstract description 4
- 238000005457 optimization Methods 0.000 abstract description 2
- 238000004458 analytical method Methods 0.000 description 25
- 230000000875 corresponding effect Effects 0.000 description 23
- 230000008859 change Effects 0.000 description 11
- 238000005259 measurement Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000010835 comparative analysis Methods 0.000 description 3
- 230000001419 dependent effect Effects 0.000 description 3
- 239000013598 vector Substances 0.000 description 3
- 230000002596 correlated effect Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M9/00—Aerodynamic testing; Arrangements in or on wind tunnels
-
- 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
- G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
-
- 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
- G06F2113/00—Details relating to the application field
- G06F2113/08—Fluids
-
- 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
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Fluid Mechanics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Computing Systems (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Algebra (AREA)
- Complex Calculations (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于权重型吻合度的风洞试验多源数据定量比较方法,属于风洞试验领域,对风洞试验中的多源多组数据进行相异性、相关性、相关性权重的定量计算,以基于权重型吻合度公式对多源多组数据的整体吻合度结果进行评估;其中,所述整体一致性的吻合度评估规则为吻合度的值越小,则多源数据的整体一致性越高。本发明提供一种基于权重型吻合度的风洞试验多源数据定量比较方法,不同于传统的数据组对两两之间比较,本发明的吻合度定量比较方法适于多组数据之间比较,进而给出同一研究对象不同来源研究数据的差异,还可以给出不同研究对象之间研究数据的差异,从而对性能评估或优化设计提供佐证。
Description
技术领域
本发明涉及风洞试验领域。更具体地说,本发明涉及一种基于权重型吻合度的风洞试验多源数据定量比较方法。
背景技术
数据比较分析是科研工作和工程应用中重要的经常性工作。对于错综复杂的大量数据,如何通过比较分析获得有价值的评估结论,或者通过比较分析结果启发深层次的机理问题,都是值得追求的目标。
多源数据比较往往涉及不同条件状态,也可以涉及不同研究对象;多源数据比较通常针对的数据是多元属性的集合体,因此进行全面的数据比较须通过必要的技术手段。传统的数据比较分析过程中,专业技术方面的知识和经验非常重要且不可缺少,但定量化的比较分析相对不多,或者仅限于局部属性,更多关注数据的定性特征。
在数据挖掘的聚类分析的基础算法中,对于数据群组之间的对比分析提供了若干有效的方法,如通过数据样本之间的距离来表征两组数据之间的差异性;在概率论中,两个随机变量(多维)之间的相关系数可表征两组数据之间规律趋势的相关性。
上述传统比较分析方法的最大局限在于:往往仅限于在两组数据之间进行定量比较;对于多源数据的差异性,只能通过两两之间进行比较后再综合分析。然而在很多情况下,需要比较多组(大于2)数据,需要对多组数据整体上的一致性进行判识分析。比如,在气动数据比较中,经常会评估相同条件状态参数下不同来源(如计算、风洞试验、飞行试验、设备、人员等)得到的气动特性曲线(离散)的整体吻合程度。而现有技术在对多组数据整体上的一致性进行判识分析时,通常是通过在技术报告和论文中用“吻合较好”、“基本一致”等来定性说明气动特性曲线的吻合程度,这种定性的描述在数据分析时显得不够细致,即现有技术没有办法对多组数据整体上的一致性进行定量评价。
发明内容
本发明的一个目的是解决至少上述问题和/或缺陷,并提供至少后面将说明的优点。
为了实现本发明的这些目的和其它优点,提供了一种基于权重型吻合度的风洞试验多源数据定量比较方法,对风洞试验中的多源多组数据进行相异性、相关性、相关性权重的定量计算,以基于权重型吻合度公式对多源多组数据的整体吻合度结果进行评估;
其中,所述整体吻合度评估规则为吻合度的值越小,则多源多组数据的整体一致性越高;
所述整体吻合度,是对多源多组数据整体一致性的一种综合比较定量指标;
所述权重型吻合度,是综合多源多组数据中多个数据组对的欧氏距离和相关系数的一种吻合度计算方法。
优选的是,所述相异性、相关性的定量计算方式包括:
S1、基于多源多组数据两两之间的欧氏距离以构建对应的欧氏距离数据集,完成对多源多组数据两两之间的相异性的表征;
S2、基于多源多组数据两两之间的相关系数以构建对应的相关系数数据集,完成对多源多组数据两两之间的相关性的表征。
优选的是,所述欧氏距离数据集的构建方式包括:
优选的是,所述相关系数数据集的构建方式包括:
优选的是,所述吻合度的获取方法包括:
S3、基于S2中相关系数数据集中相关系数的量值大小,通过线性映射的方式进行计算,以确定两两之间数据对对应的权重数据集;
S4、基于权重数据集,利用权重型吻合度公式进行计算,以得到所评估多源多组数据的整体吻合度结果。
优选的是,所述权重数据集的获取方式为:
优选的是,所述权重型吻合度的获取方式为:
设F为多源多组数据的权重型吻合度,其计算公式如下:
吻合度F的值域范围为大于等于零的数,其值越小则吻合度越高,其值越大则吻合度越低。
本发明至少包括以下有益效果:
其一,本发明首次提出吻合度概念,对于指导多源数据量化比较分析具有普适意义,整体吻合度的概念不同于传统的数据组对两两之间比较,是对于传统两两之间数据组对比较的综合性方法和数据整体一致性或差异性的定量衡量。
其二,本发明构造了权重型吻合度的算法流程,提供了一种手段揭示同一研究对象不同来源研究数据的差异,发现问题从而启发我们去研究带来差异的原因。
其三,本发明的多源数据量化比较可以给出不同研究对象(型号序列/类似构型/优化设计等)之间研究数据的差异,从而对性能评估或优化设计提供直接佐证。
其四,本发明基于权重型吻合度的多源数据定量比较方法是纯粹的数学工具,在实际应用中必须结合专业技术方面的知识和经验进行判识,诸如近似负相关的情况则须检查是否出现数据整理规范方面的问题、权重计算中调节因子的选取等。
其五,本发明中构造的“吻合度”概念具备三个方面的基本属性:一是兼容性,即当吻合度特化为两组数据之间比较时,和传统的相关性(相关系数)、相异性(欧氏距离)必须是相容而不矛盾的;二是继承性,以两组数据的相关性系数和欧氏距离为基础构建吻合度的具体计算方法;三是创新性,不排除其它算法基础的吻合度计算方法。
本发明的其它优点、目标和特征将部分通过下面的说明体现,部分还将通过对本发明的研究和实践而为本领域的技术人员所理解。
附图说明
图1为本发明权重型吻合度的定量比较流程图;
图2为模型M1在不同风洞中,马赫数为4下的轴向力系数CA随攻角变化的示意图;
图3为模型M1在不同风洞中,马赫数为4下的法向力系数CN随攻角变化的示意图;
图4为模型M1在不同风洞中,马赫数为4下的俯仰力矩系数Cmz随攻角变化的示意图;
图5为模型M1在不同风洞中,马赫数为4下的压心系数Xcp随攻角变化的示意图;
图6为在风洞FD01中,不同模型在马赫数4下的轴向力系数CA随攻角变化的示意图;
图7为在风洞FD01中,不同模型在马赫数4下的法向力系数CN随攻角变化的示意图;
图8为在风洞FD01中,不同模型在马赫数4下的俯仰力矩系数Cmz随攻角变化的示意图;
图9为在风洞FD01中,不同模型在马赫数4下的压心系数Xcp随攻角变化的示意图;
图10为在风洞FD01中,不同模型在马赫数5下的轴向力系数CA随攻角变化的示意图;
图11为在风洞FD01中,不同模型在马赫数5下的法向力系数CN随攻角变化的示意图;
图12为在风洞FD01中,不同模型在马赫数5下的俯仰力矩系数Cmz随攻角变化的示意图;
图13为在风洞FD01中,不同模型在马赫数5下的压心系数Xcp随攻角变化的示意图;
图14为在风洞FD01中,不同模型在马赫数6下的轴向力系数CA随攻角变化的示意图;
图15为在风洞FD01中,不同模型在马赫数6下的法向力系数CN随攻角变化的示意图;
图16为在风洞FD01中,不同模型在马赫数6下的俯仰力矩系数Cmz随攻角变化的示意图;
图17为在风洞FD01中,不同模型在马赫数6下的压心系数Xcp随攻角变化的示意图。
具体实施方式
下面结合附图对本发明做进一步的详细说明,以令本领域技术人员参照说明书文字能够据以实施。
本发明借助现代数据分析的新概念和新技术,探索为多源数据比较分析提供可量化的新方法手段;为了拓展数据定量比较分析的通用性,本发明提出了“吻合度”这个新概念及其相应算法,可适用于多组数据之间进行定量综合比较。所述吻合度概念,是多源数据整体一致性的一种综合比较定量指标。传统方法一般在2组数据之间定量比较,然而在很多情况下,需要比较多组(大于2)数据,需要对多组数据整体上的一致性进行判识分析。所属权重型吻合度,是一种综合了多源数据多个数据组对的欧氏距离和相关系数的一种吻合度计算新方法。
需要提出说明的是,本发明所述的多源多组数据为同一研究对象不同条件下的研究数据,每个不同来源产生一组数据;或者所述多源多组数据为特定条件下不同研究对象之间的研究数据,每个研究对象产生一组数据。
本发明提供一种基于权重型吻合度的多源数据定量比较方法,如图1所示,具有以下四个步骤:
步骤一、基于欧氏距离公式计算得到多源多组数据两两之间的欧氏距离数据集
具体来说,基于欧氏距离公式计算得到多源多组数据两两之间的欧氏距离数据集,即计算两两之间数据组对在同样自变量情况下因变量数值大小方面的整体性的差异程度。两组数据系列之间的相异性是吻合度计算的基础之一。
在实际的实施过程中,设有组不同来源的数据/>,即有m种不同来源数据,每个j的取值表示一种来源,每个/>向量表示一种来源的系列数据集。在进行比较之前,我们设定不同来源的数据集,除了来源不同之外,其它确定向量元素数据的条件状态都是一致的,这是进行欧氏距离计算的重要前提。
步骤二、基于相关系数公式计算得到多源多组数据两两之间的相关系数数据集
具体来说,基于相关系数公式计算得到多源多组数据两两之间的相关系数数据集,即考察两组数据系列之间的相关性。相关性指的是两组数据之间在同样自变量情况下因变量的变化规律或趋势方面的整体性的符合程度。两组数据系列之间的相关性也是吻合度计算的基础之一。
在实际的实施中,同样在进行相关系数计算之前,对于不同来源的数据集,除了来源不同之外,需确保其它确定向量元素数据的条件状态都是一致的。
步骤三、根据相关系数的量值大小通过线性映射计算确定两两之间数据对对应的权重数据集;
具体来说,根据相关系数的量值大小通过线性映射计算确定两两之间数据对对应的权重数据集,之所以引入权重,是为了对不同的数据来源在不同关注程度方面进行量化处理。
故在计算多源数据整体吻合度之前,需要事先确定两两之间数据对对应的权重参数数据集。
步骤四、基于权重型吻合度公式计算得到所评估多源数据整体一致性的吻合度结果。
具体来说,基于权重型吻合度公式计算得到所评估多源数据整体一致性的吻合度结果。考虑基于欧氏距离为基础构建吻合度的具体计算方法,是因为(对两组数据而言)欧氏距离指标趋向良好,则相关性一般也趋向良好,即前者是后者的充分条件;换句话说,欧氏距离趋于充分小则相关性趋于正相关;反之则不然。
在实际的实施中,基于前述获得的多源多组数据两两之间的欧氏距离数据集、权重参数数据集,得到多源多组数据整体吻合度F,其计算公式如下:
上述公式中,为步骤1中获得的任意两组数据和/>之间的欧氏距离,/>为步骤3中获得的任意两组数据/>和/>之间的用于计算吻合度的权重参数,/>为组数据两两之间欧氏距离(或相关系数,或权重参数)的计算结果数据集元素个数。
上述整体吻合度公式中,吻合度F的值域范围为大于等于零的数,其值越小则吻合度越高,其值越大则吻合度越低。
实施例:
本发明的一种基于权重型吻合度的多源数据定量比较方法,为了更清楚地说明本发明的技术方案,通过实施例进行说明。实施例针对空气动力学中飞行器模型(后续简称模型)在不同风洞或不同条件参数(即不同来源)的测力试验数据进行比较分析,采用本发明描述的方法分别进行相异性(欧氏距离)、相关性(相关系数)及吻合度(权重型吻合度)的定量计算,同时对定量比较的计算结果进行分析。
用于比较分析的测力试验数据相关的研究对象及试验条件状态的基本信息如下:
构型:模型M1、模型M2、模型M3。
风洞:FD01、FD02、FD03。
马赫数:4、5、6;攻角:-12°~12°;侧滑角:0°、3°
表1所示的数据组编号及基本信息,这些数据共有14组,每组数据为一个模型在一座风洞、一个马赫数和一个侧滑角状态下随攻角变化的数据集;每组数据的自变量为攻角,因变量包括轴向力系数CA、法向力系数CN、俯仰力矩系数Cmz和压心系数Xcp。
表1
在表1所列的模型风洞测力试验数据中,分别按两种情况选取数据进行定量比较分析,两种情况分别是“同一模型不同风洞”和“同一风洞不同模型”,同时覆盖了工程上关心的状态参数范围。数据相异性和数据相关性的计算针对的是两组数据,故本文把用于比较分析的数据进行分组规划,按数据组对的方式进行排布,形成了两大类十多组对数据,这些用于比较分析的数据组对的基本信息分别如表2示出的同一模型不同风洞数据基本信息,以及表3所示出的同一风洞不同模型数据基本信息。
表2
表3
各数据组对所含气动力试验数据各分量随攻角变化如图2-图17所示;这些数据即是实施例比较分析的基本数据集对象。
步骤一,基于欧氏距离公式计算得到多源多组数据两两之间的欧氏距离数据集
欧氏距离表征两组数据之间的相异性。数据相异性计算结果及分析包括两个方面,分别是同一模型在不同风洞获得的试验数据之间的比较分析及同一风洞不同模型获得的试验数据之间的比较分析,得到如表4所示的气动力各分量数据组对的欧氏距离计算结果:
表4
在表4中,编号(X1~X3)对应的计算结果,为模型M1、马赫数4、侧滑角0度,在不同风洞(FD01/FD02/FD03,参见表1及表2)条件下随攻角变化的测力试验数据两两之间的欧氏距离。此同一模型不同风洞数据相异性分析情况如下:
相同条件状态下,模型M1在三座不同风洞上获得的测力试验数据整体相异性不大,这体现了各个风洞对于同一模型试验结果的基本一致性。
各分量气动力系数欧氏距离按从小到大对应的数据组对情况归纳如下:
轴向力系数:X3<X1≈X2
法向力系数:X2<X3<X1
俯仰力矩系数:X2<X3<X1
压心系数:X2<X1≈X3
整体而言,编号X2数据组对的相异性较好,其它两组次之。
在表4中,编号(W1~W9)对应的计算结果,为风洞FD01中、马赫数4/5/6、侧滑角0度,对不同模型(M1/M2/M3,参见表1及表3)得到的随攻角变化的测力试验数据在来流条件一致情况下两两之间的欧氏距离。此同一风洞不同模型数据相异性分析情况如下:
相同条件状态下,风洞FD01上获得的三个模型两两之间的测力试验数据整体存在较大的相异性。除了轴向力系数(欧氏距离0.001~0.01)的相异性稍小外,法向力系数(欧氏距离0.01~0.12)、俯仰力矩系数(欧氏距离0.17~0.51)和压心系数(欧氏距离0.03~0.14)的差异性明显。这些结果给出了不同布局外形气动性能差异的一种量化的衡度。
各分量气动力系数欧氏距离按从小到大对应的数据组对情况归纳如下:
轴向力系数:W8<W9<W3<W7<W5<W6<W2<W4<W1
法向力系数:W5<W6<W4<W9<W3<W8<W2<W7<W1
俯仰力矩系数:W9<W5<W6<W4<W8<W7<W3<W2<W1
压心系数:W9<W8<W7<W4<W5<W6<W3<W2<W1
整体而言,编号W5、W6、W8、W9数据组对的相异性较好,其它编号数据组对的相异性次之。对照表3可知,相异性结果显示马赫数5和6的欧氏距离明显小于马赫数4的欧氏距离,说明在高超声速情况下不同外形的轴向力差异小于超声速情况下的轴向力差异。
针对俯仰力矩系数,每组数据之间相异性均非常明显。表明这三个模型的纵向力矩性能几乎不同,可结合详细的气动参数进行评估分析。
步骤二,基于相关系数公式计算得到多源多组数据两两之间的相关系数数据集
数据相关性计算结果及分析同样包括两个方面,分别是同一模型在不同风洞获得的试验数据之间的比较分析及同一风洞不同模型获得的试验数据之间的比较分析,而表5示出了气动力各分量数据组对的相关性系数计算结果:
表5
在表5中,编号(X1~X3)对应的计算结果,为模型M1、马赫数4、侧滑角0度,在不同风洞(FD01/FD02/FD03,参见表1及表2)条件下随攻角变化的测力试验数据两两之间的相关性系数。此同一模型不同风洞数据相关性分析情况如下:
相同条件状态下,模型M1在三座不同风洞上获得的测力试验数据,除压心系数外,整体相关性较好,相关系数均大于0.98,表明各分量气动力系数随攻角变化规律较为一致。
模型M1在风洞FD01和风洞FD03、马赫数4、侧滑角0度的测力试验数据(数据组对编号X2)相关性非常好(相关系数约等于1)。
针对压心系数,数据组对X1和X3的相关性较差,对照表2可知,说明风洞FD02获得的压心系数规律和风洞FD01及风洞FD03获得的压心系数规律存在明显差异。
在表5中,编号(W1~W9)对应的计算结果,为风洞FD01中、马赫数4/5/6、侧滑角0度,对不同模型(M1/M2/M3,参见表1及表3)得到的随攻角变化的测力试验数据,在来流条件一致情况下两两之间的相关系数。此同一风洞不同模型数据相异性分析情况如下:
相同条件状态下,风洞FD01上获得的三个模型之间的测力试验数据整体相关性较好(相关系数均大于0.98),各分量气动力系数随攻角变化规律较为一致;但压心系数的相关性一般(相关系数在0.47~0.98之间)。
数据组对W4/W5/W6的压心系数相关性好于其它类模型组合比较的相关性情况,这实际上也是因为模型M1和模型M3从整体上看外形更接近的原因。
不同模型相关性的量化结果表明了压心对外形布局的敏感性是很高的。
步骤三,根据相关系数的量值大小通过线性映射计算确定两两之间数据对对应的权重数据集
在本例中,取权重参数计算公式中的调节因子c=1,即认为数据组对中相关系数对权重具有影响,且相关性越好的数据组对其权重越小,相关性越差的数据组对其权重越大。由c=1得出的权重参数值域为[1,2]。具体而言,如果相关系数为1,表示两组数据系列的形状一致或完全相关,其权重参数值为1,如果相关性系数为0,则两组数据系列之间不存在线性关系,其权重参数为1.5;如果相关性系数为-1,表示两组数据系列完全负相关,其权重参数为2。
步骤四,基于权重型吻合度公式计算得到所评估多源数据整体一致性的吻合度结果。
具体选取四类数据组合,分别以编号T1~T4标识。编号T1数据组合为模型M1分别在三座风洞获得的试验数据;编号T2~T4数据组合为风洞FD01上三种不同但类似构型模型分别在马赫数4、5、6获得的试验数据。得到如表6示出的权重型吻合度计算结果:
表6
在表6中,编号T1数据组合对应的各分量气动力数据权重型吻合度值均较小,表明同一模型在不同风洞获得的试验数据整体上吻合较好。编号T2~T4数据组合对应的权重型吻合度中,俯仰力矩系数对应的结果均较大,这表明了不同外形构型的模型,对俯仰力矩随攻角变化规律的影响具有明显差异。此外,整体而言编号T3和T4(对应马赫数5和6)的数据吻合度优于编号T2(马赫数4)的数据吻合度,这和前面传统方法分析归纳得到的结论是一致的。
本发明的多源数据定量比较方法,其基础是多源数据吻合度新概念的提出和定义,并基于此构建权重型吻合度,建立了对应的算法流程。传统定量比较方法往往仅限于两组数据之间,而新提出的吻合度方法适于多组数据之间比较。多源数据量化比较可以给出同一研究对象不同来源研究数据的差异,发现问题从而启发我们去研究带来差异的原因;多源数据量化比较还可以给出不同研究对象之间研究数据的差异,从而对性能评估或优化设计提供佐证。
以上方案只是一种较佳实例的说明,但并不局限于此。在实施本发明时,可以根据使用者需求进行适当的替换和/或修改。
尽管本发明的实施方案已公开如上,但其并不仅仅限于说明书和实施方式中所列运用。它完全可以被适用于各种适合本发明的领域。对于熟悉本领域的人员而言,可容易地实现另外的修改。因此在不背离权利要求及等同范围所限定的一般概念下,本发明并不限于特定的细节和这里示出与描述的图例。
Claims (4)
1.一种基于权重型吻合度的风洞试验多源数据定量比较方法,其特征在于,对风洞试验中的多源多组数据进行相异性、相关性、相关性权重的定量计算,以基于权重型吻合度公式对多源多组数据的整体吻合度结果进行评估;
其中,所述整体吻合度评估规则为吻合度的值越小,则多源多组数据的整体一致性越高;
所述整体吻合度,是对多源多组数据整体一致性的一种综合比较定量指标;
所述权重型吻合度,是综合多源多组数据中多个数据组对的欧氏距离和相关系数的一种吻合度计算方法;
所述相异性、相关性的定量计算方式包括:
S1、基于多源多组数据两两之间的欧氏距离以构建对应的欧氏距离数据集,完成对多源多组数据两两之间的相异性的表征;
S2、基于多源多组数据两两之间的相关系数以构建对应的相关系数数据集,完成对多源多组数据两两之间的相关性的表征;
所述吻合度的获取方法包括:
S3、基于S2中相关系数数据集中相关系数的量值大小,通过线性映射的方式进行计算,以确定两两之间数据对对应的权重数据集;
S4、基于权重数据集,利用权重型吻合度公式进行计算,以得到所评估多源多组数据的整体吻合度结果;
所述权重数据集的获取方式为:
所述权重型吻合度的获取方式为:
设F为多源多组数据的权重型吻合度,其计算公式如下:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310222558.3A CN116070551B (zh) | 2023-03-09 | 2023-03-09 | 基于权重型吻合度的风洞试验多源数据定量比较方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310222558.3A CN116070551B (zh) | 2023-03-09 | 2023-03-09 | 基于权重型吻合度的风洞试验多源数据定量比较方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116070551A CN116070551A (zh) | 2023-05-05 |
CN116070551B true CN116070551B (zh) | 2023-06-23 |
Family
ID=86183820
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310222558.3A Active CN116070551B (zh) | 2023-03-09 | 2023-03-09 | 基于权重型吻合度的风洞试验多源数据定量比较方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116070551B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114235330A (zh) * | 2021-12-08 | 2022-03-25 | 西北工业大学 | 关联风洞试验和计算数据的多源气动载荷模型构建方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106644353B (zh) * | 2016-12-02 | 2019-04-30 | 中国船舶工业系统工程研究院 | 一种用于舰船空气流场测量的piv风洞试验方法 |
CN106864770B (zh) * | 2017-02-24 | 2019-07-12 | 中国航天空气动力技术研究院 | 一种评估无人机制造外形气动偏差的方法 |
CN110207938A (zh) * | 2019-06-14 | 2019-09-06 | 北京空天技术研究所 | 自由射流风洞试验条件下的通气模型测力方法 |
CN114140394A (zh) * | 2021-11-09 | 2022-03-04 | 西南交通大学 | 一种非接触式的基于图像处理技术的弓网接触力检测方法 |
CN114880885B (zh) * | 2022-07-07 | 2022-09-23 | 中国空气动力研究与发展中心高速空气动力研究所 | 一种风洞试验数据的温度效应评估与修正方法 |
-
2023
- 2023-03-09 CN CN202310222558.3A patent/CN116070551B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114235330A (zh) * | 2021-12-08 | 2022-03-25 | 西北工业大学 | 关联风洞试验和计算数据的多源气动载荷模型构建方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116070551A (zh) | 2023-05-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
García et al. | Theoretical analysis of a performance measure for imbalanced data | |
CN112285056B (zh) | 一种用于光谱样品个性化校正集选择及建模方法 | |
CN110581783A (zh) | 基于ahp和topsis的通信方案决策方法 | |
CN108764276A (zh) | 一种鲁棒自动加权多特征聚类方法 | |
CN110674940A (zh) | 一种基于神经网络的多指标异常检测方法 | |
CN107016416B (zh) | 基于邻域粗糙集和pca融合的数据分类预测方法 | |
CN116070551B (zh) | 基于权重型吻合度的风洞试验多源数据定量比较方法 | |
CN114818850A (zh) | 基于聚类压缩的网络流空间映射表征方法、装置和存储介质 | |
CN114757660A (zh) | 一种基于应用分析的冷轧钢带制备方法及系统 | |
CN110619311A (zh) | 一种基于eemd-ica-svm的数据分类方法 | |
CN110765668B (zh) | 一种基于偏差指标的混凝土侵彻深度试验数据异常点检测方法 | |
CN115906719B (zh) | 基于复数型吻合度的风洞试验多源数据定量比较方法 | |
CN116429426A (zh) | 一种多域特征融合的轴承故障诊断方法、装置及介质 | |
CN106055883B (zh) | 一种基于改进Sammon映射的暂稳评估输入特征有效性分析方法 | |
CN112184037B (zh) | 一种基于加权svdd的多模态过程故障检测方法 | |
CN110147614B (zh) | 一种基于评分差异Stacking多模型集成学习的工程安全评价方法 | |
CN111160464B (zh) | 基于多隐层加权动态模型的工业高阶动态过程软测量方法 | |
CN107766887A (zh) | 一种局部加权的不完整数据混杂聚类方法 | |
CN114117876A (zh) | 基于改进哈里斯鹰算法的特征选择方法 | |
Devanta | Optimization of the K-Means Clustering Algorithm Using Davies Bouldin Index in Iris Data Classification | |
CN112036353A (zh) | 一种基于内存的协同过滤轴承电流损伤故障识别方法 | |
EP3847429A1 (en) | Turf playability testing | |
TWI474139B (zh) | 資料分群方法與其電腦程式軟體 | |
CN110222239B (zh) | 一种结构可变的图案生成和利用图案生成浏览界面的方法 | |
CN111292816A (zh) | 一种基于临床变量属性的决策分析方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |