CN116205154A - 空气动力系数的生成方法、装置、终端设备及存储介质 - Google Patents
空气动力系数的生成方法、装置、终端设备及存储介质 Download PDFInfo
- Publication number
- CN116205154A CN116205154A CN202211727264.8A CN202211727264A CN116205154A CN 116205154 A CN116205154 A CN 116205154A CN 202211727264 A CN202211727264 A CN 202211727264A CN 116205154 A CN116205154 A CN 116205154A
- Authority
- CN
- China
- Prior art keywords
- parameter
- aerodynamic coefficient
- value
- aerodynamic
- generating
- 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
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
- 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
- G06F2113/00—Details relating to the application field
- G06F2113/06—Wind turbines or wind farms
-
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/72—Wind turbines with rotation axis in wind direction
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Fluid Mechanics (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)
- Wind Motors (AREA)
Abstract
本发明公开了一种空气动力系数的生成方法、装置、终端设备及存储介质,该方法包括:获取风能捕获装置中的伞组的第一参数集,确定第一参数集中各第一参数的若干取值区间;获取伞组的第二参数集,确定第二参数集中各第二参数的若干取值区间;分别在各第二参数的各取值区间内提取参数值,得到若干第二参数值,根据若干第二参数值生成拉丁超立方体,继而确定拉丁超立方体所对应的各工况下的控制因子;分别在各第一参数的各取值区间内提取参数值,得到若干第一参数值,根据若干第一参数值生成用于模拟风能捕获装置的若干流场网格;根据各工况下的控制因子,在每一流场网格中进行模拟,生成每一流场网格中各工况下的风能捕获装置的第一空气动力系数。
Description
技术领域
本发明涉及气动特性评估技术领域,尤其涉及一种空气动力系数的生成方法、装置、终端设备及存储介质。
背景技术
在风力发电技术领域,现有形式的水平轴风力发电机组离地高度通常低于200m,其叶轮转动时所捕获风能的高度通常不超的300m,对于300m以上的高空风能的利用,现有技术通常采用伞梯组合型风能捕获装置获取,但现有的伞梯组合型风能捕获装置通常放飞试验的手段来获取伞组的空气动力系数,放飞试验需在合适的测试环境下才能实施,同时需要大量的传感器用于获取各伞组传输的数据,进而计算当前放飞试验下的空气动力系数,这种获取空气动力系数的方式所需的时间成本与经济成本高,因此,如何获取以低成本低经济的方式获取空气动力系数是一个亟需解决的问题。
发明内容
本发明实施例提供一种空气动力系数的生成方法、装置、终端设备及存储介质,能减少空气动力系数获取的时间成本和经济成本。
本发明一实施例提供一种空气动力系数的生成方法,包括:
获取风能捕获装置中的伞组的第一参数集,并确定第一参数集中各第一参数的若干取值区间;获取伞组的第二参数集,并确定第二参数集中各第二参数的若干取值区间;其中,所述第一参数集中的第一参数,包括:伞组数目、伞组间距、伞组半径以及伞开合状态;所述第二参数集中的第二参数,包括:沿主缆绳方向由下往上的第一个伞组的高度、主缆绳与水平面的夹角以及伞组的运行速度;
分别在各第二参数的各取值区间内提取参数值,得到若干第二参数值,根据若干第二参数值生成拉丁超立方体,继而确定所述拉丁超立方体所对应的各工况下的控制因子;
分别在各第一参数的各取值区间内提取参数值,得到若干第一参数值,根据若干第一参数值生成用于模拟风能捕获装置的若干流场网格;根据各工况下的控制因子,在每一流场网格中进行模拟,生成每一流场网格中各工况下的风能捕获装置的第一空气动力系数。
进一步地,所述确定所述拉丁超立方体所对应的各工况下的控制因子,包括:
随机获取拉丁超立方体中的若干数据点,根据各数据点生成若干数据点对应的向量,根据各数据点对应的向量生成对应的各工况下的控制因子。
进一步地,还包括:
将各第二参数的各取值区间内提取的第二参数值剔除,生成各第二参数的各取值区间所对应的取值区间组;
分别在各第二参数的各取值区间组内提取参数值,并组成各第二参数组;
根据Kriging建模方法生成每一第二参数组所对应的工况下风能捕获装置的第二空气动力系数。
进一步地,在根据Kriging建模方法生成每一第二参数组所对应的工况下风能捕获装置的第二空气动力系数之后,还包括:
重复执行第二空气动力系数优化操作,直至生成优化后的第二空气动力系数;其中,所述第二空气动力系数优化操作包括:
获取由当前的第二参数组所生成的第二空气动力系数;获取与当前的第二参数组对应的第二参数值生成的第一空气动力系数;
计算当前的第二参数组所生成的第二空气动力系数与当前的第二参数组对应的第二参数值生成的第一空气动力系数之间的差值,生成第一偏差值;
判断所述第一偏差值是否小于或等于预设的偏差阈值;
若是,将当前的第二空气动力系数作为优化后的第二空气动力系数;
若否,则重新获取一第二参数组。
在上述方法项实施例的基础上,本发明对应提供了装置项实施例;
本发明一实施例对应提供了一种空气动力系数生成装置,包括:参数获取模块、控制因子生成模块和第一空气动力系数生成模块;
所述参数获取模块,用于获取风能捕获装置中的伞组的第一参数集,并确定第一参数集中各第一参数的若干取值区间;获取伞组的第二参数集,并确定第二参数集中各第二参数的若干取值区间;其中,所述第一参数集中的第一参数,包括:伞组数目、伞组间距、伞组半径以及伞开合状态;所述第二参数集中的第二参数,包括:沿主缆绳方向由下往上的第一个伞组的高度、主缆绳与水平面的夹角以及伞组的运行速度;
所述控制因子取值模块,用于分别在各第二参数的各取值区间内提取参数值,得到若干第二参数值,根据若干第二参数值生成拉丁超立方体,继而确定所述拉丁超立方体所对应的各工况下的控制因子;
所述第一空气动力系数生成模块,用于分别在各第一参数的各取值区间内提取参数值,得到若干第一参数值,根据若干第一参数值生成用于模拟风能捕获装置的若干流场网格;根据各工况下的控制因子,在每一流场网格中进行模拟,生成每一流场网格中各工况下的风能捕获装置的第一空气动力系数。
进一步地,还包括:第二空气动力系数生成模块;
所述第二空气动力系数生成模块,用于将各第二参数的各取值区间内提取的第二参数值剔除,生成各第二参数的取值区间所对应的取值区间组;分别在各第二参数的各取值区间组内提取参数值,并组成各第二参数组;根据Kr i gi ng建模方法生成每一第二参数组所对应的工况下风能捕获装置的第二空气动力系数。
进一步地,所述第二空气动力系数生成模块,还用于:
重复执行第二空气动力系数优化操作,直至生成优化后的第二空气动力系数;其中,所述第二空气动力系数优化操作包括:
偏差值校验步骤:计算一获取由当前的第二参数组所生成的第二空气动力系数;获取与当前的第二参数组对应的第二参数值生成的第一空气动力系数;
计算当前的第二参数组所生成的第二空气动力系数与当前的第二参数组对应的第二参数值生成的第一空气动力系数之间的差值,生成第一偏差值;
判断所述第一偏差值是否小于或等于预设的偏差阈值;
若是,将当前的第二空气动力系数作为优化后的第二空气动力系数;
若否,则重新获取一第二参数组。
本发明另一实施例提供了一种终端设备,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现上述发明实施例所述的一种空气动力系数的生成方法。
本发明另一实施例提供了一种存储介质,所述存储介质包括存储的计算机程序,其中,在所述计算机程序运行时控制所述存储介质所在设备执行上述发明实施例所述的一种空气动力系数的生成方法。
通过实施本发明具有如下有益效果:
本发明提供了一种空气动力系数的生成方法、装置、终端设备及存储介质,该方法通过,获取伞梯组合型风能捕获装置中的伞组的第一参数的若干取值区间以及第二参数的若干取值区间;其中,所述伞组的第一参数包括:伞组数目、伞组间距、伞组半径以及伞开合状态;所述伞组的第二参数包括:沿主缆绳方向由下往上的第一个伞组的高度、主缆绳与水平面的夹角以及伞组的运行速度;根据所述第二参数的若干取值区间生成每一工况下各第二参数的若干参数因子,根据获取的若干第一参数的若干取值区间生成用于模拟风能捕获装置的流场网格,通过在模拟的流场网格中生成空气动力系数;本发明通过模拟伞梯组合型风能捕获装置的气流场生成空气动力系数,无需通过放飞试验获取对应参数后计算相应工况下的空气动力系数,减少了空气动力系数获取的时间成本和经济成本。
附图说明
图1是本发明一实施例提供的一种空气动力系数的生成方法的流程示意图。
图2是本发明一实施例提供的一种伞梯组合型高空风能捕获装置流场网格示意图。
图3是本发明一实施例提供的一种空气动力系数的生成装置的结构示意图。
具体实施方式
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。
如图1所示,本发明一实施例提供的一种空气动力系数的生成方法,包括:
步骤S1:获取风能捕获装置中的伞组的第一参数集,并确定第一参数集中各第一参数的若干取值区间;获取伞组的第二参数集,并确定第二参数集中各第二参数的若干取值区间;其中,所述第一参数集中的第一参数,包括:伞组数目、伞组间距、伞组半径以及伞开合状态;所述第二参数集中的第二参数,包括:沿主缆绳方向由下往上的第一个伞组的高度、主缆绳与水平面的夹角以及伞组的运行速度;
步骤S2:分别在各第二参数的各取值区间内提取参数值,得到若干第二参数值,根据若干第二参数值生成拉丁超立方体,继而确定所述拉丁超立方体所对应的各工况下的控制因子;
步骤S3:分别在各第一参数的各取值区间内提取参数值,得到若干第一参数值,根据若干第一参数值生成用于模拟风能捕获装置的若干流场网格;
步骤S4:根据各工况下的控制因子,在每一流场网格中进行模拟,生成每一流场网格中各工况下的风能捕获装置的第一空气动力系数。
对于步骤S1、具体的,通过伞梯组合型风能捕获装置的工作原理建立对伞组对受力分析建立数学模型;获取伞梯组合型风能捕获装置中的伞组的第一参数集并确定第一参数集中每一个参数的多个取值区间;其中,第一参数集中的第一参数包括:伞组数目、伞组间距、伞组半径以及伞开合状态;获取伞组的第二参数集并确定第二参数集中每一参数的多个取值区间;其中,第二参数集中的第二参数包括:沿主缆绳方向由下往上的第一个伞组的高度、主缆绳与水平面的夹角以及伞组的运行速度;需要说明的是,每一参数的多个取值区间是互不重叠;通过获取的第一参数集和第二参数集在伞组的受力分析数学模型中可计算相应状态量。
对于步骤S2、具体的,分别在各第二参数的各取值区间内随机提取一个参数值,得到若干第二参数值,通过若干第二参数值构成拉丁超立方体,继而确定所述拉丁超立方体所对应的各工况下的控制因子;在一个优选的实施例中,确定所述拉丁超立方体所对应的各工况下的控制因子,包括:随机获取拉丁超立方体中的若干数据点,根据各数据点生成若干数据点对应的向量,根据各数据点对应的向量生成对应的各工况下的控制因子;具体的,对构成的拉丁超立方体进行随机抽样,从拉丁超立方体中抽取若干数据点,将抽取的各数据点生成对应的向量,继而根据各数据点对应的向量生成对应的各工况下的控制因子;
对于步骤S3、具体的,通过选取的若干第一参数值生成对应的用于模拟伞梯组合型高空风能捕获装置的流场网格,具体的,通过使用前处理软件绘制伞梯组合型高空风能捕获装置的流场网格;例如:在伞组数目为4个伞组,伞组间距为70米,伞组半径为20米,伞组开合状态为每一伞组都打开的情况下,生成如图2所示的伞梯组合型高空风能捕获装置流场网格;在通过前处理软件生成的伞梯组合型高空风能捕获装置流场网格中对流场模拟参数进行设置,具体包括:采用密度基求解器,时间类型为稳态,通量格式为隐式ROE-FDS格式,湍流模型采用湍流模型转捩SST四方程形式,刚性伞衣边界选用黏性无滑移绝热壁面条件进行处理;初始化方法采用标准初始化,库朗数初步选为2,迭代步数20000步;边界条件采用各工况设置中的运行速度。
对于步骤S4、具体的,根据各工况下的控制因子在步骤S3生成的每一流场网格中进行模拟,通过计算流体力学的软件,生成每一流场网格中各工况下的风能捕获装置的第一空气动力系数。
在一个优选的实施例中,还包括:将各第二参数的各取值区间内提取的第二参数值剔除,生成各第二参数的各取值区间所对应的取值区间组;分别在各第二参数的各取值区间组内提取参数值,并组成各第二参数组;根据Kr i gi ng建模方法生成每一第二参数组所对应的工况下风能捕获装置的第二空气动力系数;需要说明的是,当提取的第二参数值为区间边界值时,所生成的对应区间组为剔除第二参数值后剩余的区间;当提取的第二参数值为非边界值时,剔除提取的第二参数值,并以第二参数值为不可获取边界将原区间划分为两个区间,将划分后的两个区间组成对应的区间组;具体的,Kriging建模方法的数学建模模型如下:
通过Kriging插值模型,首先将其插值结果定义为已知样本函数响应值的线性加权:
为了计算加权系数w,Kriging模型引入统计学假设:将未知函数看成是某个高斯静态随机过程的具体实现。该静态随机过程定义为:
Y(x)=β0+Z(x)
在设计空间不同位置处,这些随机变量存在一定的相关性(或协方差)。该协方差可表述为:
Cov[Z(x),Z(x′)]=σ2R(x,x′)
其中,R(x,x′)为相关函数,该相关函数只与空间距离有关,并满足距离为零时等于1;距离无穷大时等于0;相关性随着距离的增大而减小;
采用拉格朗日乘数法,可得到Kriging模型方程组:
其中,i=1,2,3……μ为拉格朗日乘数;
基于Kriging模型方程组可获得Kriging模型中的最优加权系数w;
将Kriging模型方程组转化为Kriging模型矩阵表示,如下:
其中:R为“相关矩阵”,由所有已知样本点之间的相关函数值组成;r为“相关矢量”,由未知点与所有己知样本点之间的相关函数值组成;
通过Kriging模型矩阵与Kriging插值模型生成Kriging模型预估值:
通过分块矩阵求逆,将Kriging模型预估值改写为如下形式:
将任意一第二参数组采用Kriging方法生成对应工况下的风能捕获装置的第二空气动力系数;其中,通过Kriging插值结果生成第二空气动力系数;
在具体实施过程中,本发明中的Kriging插值方法通过Matlab软件中的Dace工具箱实现,首先,将通过计算流体力学的软件生成的各工况下的空气动力系数输入到Matlab软件中;使用Dace工具箱中的dacefit函数构建Kriging插值模型dmodel,对应构建的Kriging插值模型dmodel如下:
dmodel=dacefit(x,y,@regpoly0,@corrgauss,theta,lob,upb)
其中,x表示第二参数组,y表示与x对应的第一空气动力系数,@regpoly0表示回归函数,@corrgauss表示相关函数;其中,所述回归函数和相关函数在本实施例中均为高斯相关函数;theta、lob、upb为相关配置参数,在本实施例中将其分别设置为:theta为0.1,lob为1e-6,upb为200;
在构建好Kriging插值模型dmodel之后,使用Dace工具箱中的predictor函数对空气动力系数进行预测:
y_new=predictor(x_new,dmodel)
其中,x_new表示需预测工况的参数组,y_new表示空气动力系数预测值;
例如:输入参数组数据为:需预测高度为2000m,主缆绳与水平面的夹角为45°且根据伞组的运行速度获得的伞组相对速度为6m/s时,对应的x_new为:
x_new=[2000,45,6]
则依据上述predictor函数生成的预测结果为44013N,即对应生成的空气动力系数为44013N。
在一个优选的实施例中,在在根据Kriging建模方法生成每一第二参数组所对应的工况下风能捕获装置的第二空气动力系数之后,还包括:重复执行第二空气动力系数优化操作,直至生成优化后的第二空气动力系数;其中,所述第二空气动力系数优化操作包括:获取由当前的第二参数组所生成的第二空气动力系数;获取与当前的第二参数组对应的第二参数值生成的第一空气动力系数;计算当前的第二参数组所生成的第二空气动力系数与当前的第二参数组对应的第二参数值生成的第一空气动力系数之间的差值,生成第一偏差值;判断所述第一偏差值是否小于或等于预设的偏差阈值;若是,将当前的第二空气动力系数作为优化后的第二空气动力系数;若否,则重新获取一第二参数组;
具体的,将Kriging插值结果生成的第二空气动力系数;计算任意一第二参数组生成的Kriging插值结果与对应第二参数值生成的第一空气动力系数之间的差值,得到第一偏差值,当第一偏差值小于等于预设的偏差阈值时,生成对应的第二空气动力系数;其中,预设的偏差阈值一般为第一空气动力系数的15%的范围;若所计算的第一偏差值不满足输出第二空气动力系数的条件时,重新调整相关矩阵中的基函数类型,再次生成Kriging插值结果,直至所生成的Kriging插值结果满足输出第二空气动力系数的条件时,生成对应的第二空气动力系数;
根据所有生产的第一空气动力系数、第二空气动力系数与其对应的各第一参数和第二参数,构建空气动力系数数据库;用户可通过输入相应的第一参数和第二参数在空气动力系数数据库中查找对应的空气动力系数结果。
在上述方法项实施例的基础上,本发明对应提供了装置项实施例。
如图3所示,本发明一实施例提供了一种空气动力系数生成装置,包括:参数获取模块、控制因子生成模块和第一空气动力系数生成模块;
所述参数获取模块,用于获取风能捕获装置中的伞组的第一参数集,并确定第一参数集中各第一参数的若干取值区间;获取伞组的第二参数集,并确定第二参数集中各第二参数的若干取值区间;其中,所述第一参数集中的第一参数,包括:伞组数目、伞组间距、伞组半径以及伞开合状态;所述第二参数集中的第二参数,包括:沿主缆绳方向由下往上的第一个伞组的高度、主缆绳与水平面的夹角以及伞组的运行速度;
所述控制因子取值模块,用于分别在各第二参数的各取值区间内提取参数值,得到若干第二参数值,根据若干第二参数值生成拉丁超立方体,继而确定所述拉丁超立方体所对应的各工况下的控制因子;
所述第一空气动力系数生成模块,用于分别在各第一参数的各取值区间内提取参数值,得到若干第一参数值,根据若干第一参数值生成用于模拟风能捕获装置的若干流场网格;根据各工况下的控制因子,在每一流场网格中进行模拟,生成每一流场网格中各工况下的风能捕获装置的第一空气动力系数。
在一个优选的实施例中,还包括:第二空气动力系数生成模块;
所述第二空气动力系数生成模块,用于将各第二参数的各取值区间内提取的第二参数值剔除,生成各第二参数的取值区间所对应的取值区间组;分别在各第二参数的各取值区间组内提取参数值,并组成各第二参数组;根据Kr igi ng建模方法生成每一第二参数组所对应的工况下风能捕获装置的第二空气动力系数。
在一个优选的实施例中,第二空气动力系数生成模块,还用于:
重复执行第二空气动力系数优化操作,直至生成优化后的第二空气动力系数;其中,所述第二空气动力系数优化操作包括:
偏差值校验步骤:计算一获取由当前的第二参数组所生成的第二空气动力系数;获取与当前的第二参数组对应的第二参数值生成的第一空气动力系数;
计算当前的第二参数组所生成的第二空气动力系数与当前的第二参数组对应的第二参数值生成的第一空气动力系数之间的差值,生成第一偏差值;
判断所述第一偏差值是否小于或等于预设的偏差阈值;
若是,将当前的第二空气动力系数作为优化后的第二空气动力系数;
若否,则重新获取一第二参数组。
需说明的是,以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。另外,本发明提供的装置实施例附图中,模块之间的连接关系表示它们之间具有通信连接,具体可以实现为一条或多条通信总线或信号线。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
所述领域的技术人员可以清楚地了解到,为的方便和简洁,上述描述的装置的具体工作过程,可参考前述方法实施例中对应的过程,在此不再赘述。
在上述方法项实施例的基础上,本发明对应提供了终端设备项实施例。
本发明一实施例提供了一种终端设备,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现本发明中任意一项所述的一种空气动力系数的生成方法。终端设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括,但不仅限于,处理器、存储器。
终端设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括,但不仅限于,处理器、存储器。
所称处理器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,所述处理器是所述终端设备的控制中心,利用各种接口和线路连接整个终端设备的各个部分。
所述存储器可用于存储所述计算机程序,所述处理器通过运行或执行存储在所述存储器内的计算机程序,以及调用存储在存储器内的数据,实现所述终端设备的各种功能。所述存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序等;存储数据区可存储根据手机的使用所创建的数据等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
在上述方法项实施例的基础上,本发明对应提供了存储介质项实施例。
本发明一实施例提供了一种存储介质,所述存储介质包括存储的计算机程序,其中,在所述计算机程序运行时控制所述存储介质所在设备执行本发明中任意一项所述的一种空气动力系数的生成方法。
所述存储介质为计算机可读存储介质,所述计算机程序存储在所述计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。
Claims (9)
1.一种空气动力系数的生成方法,其特征在于,包括:
获取风能捕获装置中的伞组的第一参数集,并确定第一参数集中各第一参数的若干取值区间;获取伞组的第二参数集,并确定第二参数集中各第二参数的若干取值区间;其中,所述第一参数集中的第一参数,包括:伞组数目、伞组间距、伞组半径以及伞开合状态;所述第二参数集中的第二参数,包括:沿主缆绳方向由下往上的第一个伞组的高度、主缆绳与水平面的夹角以及伞组的运行速度;
分别在各第二参数的各取值区间内提取参数值,得到若干第二参数值,根据若干第二参数值生成拉丁超立方体,继而确定所述拉丁超立方体所对应的各工况下的控制因子;
分别在各第一参数的各取值区间内提取参数值,得到若干第一参数值,根据若干第一参数值生成用于模拟风能捕获装置的若干流场网格;根据各工况下的控制因子,在每一流场网格中进行模拟,生成每一流场网格中各工况下的风能捕获装置的第一空气动力系数。
2.如权利要求1所述的一种空气动力系数的生成方法,其特征在于,所述确定所述拉丁超立方体所对应的各工况下的控制因子,包括:
随机获取拉丁超立方体中的若干数据点,根据各数据点生成若干数据点对应的向量,根据各数据点对应的向量生成对应的各工况下的控制因子。
3.如权利要求2所述的一种空气动力系数的生成方法,其特征在于,还包括:
将各第二参数的各取值区间内提取的第二参数值剔除,生成各第二参数的各取值区间所对应的取值区间组;
分别在各第二参数的各取值区间组内提取参数值,并组成各第二参数组;
根据Kriging建模方法生成每一第二参数组所对应的工况下风能捕获装置的第二空气动力系数。
4.如权利要求3所述的一种空气动力系数的生成方法,其特征在于,在根据Kriging建模方法生成每一第二参数组所对应的工况下风能捕获装置的第二空气动力系数之后,还包括:
重复执行第二空气动力系数优化操作,直至生成优化后的第二空气动力系数;其中,所述第二空气动力系数优化操作包括:
获取由当前的第二参数组所生成的第二空气动力系数;获取与当前的第二参数组对应的第二参数值生成的第一空气动力系数;
计算当前的第二参数组所生成的第二空气动力系数与当前的第二参数组对应的第二参数值生成的第一空气动力系数之间的差值,生成第一偏差值;
判断所述第一偏差值是否小于或等于预设的偏差阈值;
若是,将当前的第二空气动力系数作为优化后的第二空气动力系数;
若否,则重新获取一第二参数组。
5.一种空气动力系数生成装置,其特征在于,包括:参数获取模块、控制因子生成模块和第一空气动力系数生成模块;
所述参数获取模块,用于获取风能捕获装置中的伞组的第一参数集,并确定第一参数集中各第一参数的若干取值区间;获取伞组的第二参数集,并确定第二参数集中各第二参数的若干取值区间;其中,所述第一参数集中的第一参数,包括:伞组数目、伞组间距、伞组半径以及伞开合状态;所述第二参数集中的第二参数,包括:沿主缆绳方向由下往上的第一个伞组的高度、主缆绳与水平面的夹角以及伞组的运行速度;
所述控制因子取值模块,用于分别在各第二参数的各取值区间内提取参数值,得到若干第二参数值,根据若干第二参数值生成拉丁超立方体,继而确定所述拉丁超立方体所对应的各工况下的控制因子;
所述第一空气动力系数生成模块,用于分别在各第一参数的各取值区间内提取参数值,得到若干第一参数值,根据若干第一参数值生成用于模拟风能捕获装置的若干流场网格;根据各工况下的控制因子,在每一流场网格中进行模拟,生成每一流场网格中各工况下的风能捕获装置的第一空气动力系数。
6.如权利要求5所述的一种空气动力系数生成装置,其特征在于,还包括:第二空气动力系数生成模块;
所述第二空气动力系数生成模块,用于将各第二参数的各取值区间内提取的第二参数值剔除,生成各第二参数的取值区间所对应的取值区间组;分别在各第二参数的各取值区间组内提取参数值,并组成各第二参数组;根据Kriging建模方法生成每一第二参数组所对应的工况下风能捕获装置的第二空气动力系数。
7.如权利要求6所述的一种空气动力系数生成装置,其特征在于,所述第二空气动力系数生成模块,还用于:
重复执行第二空气动力系数优化操作,直至生成优化后的第二空气动力系数;其中,所述第二空气动力系数优化操作包括:
偏差值校验步骤:计算一获取由当前的第二参数组所生成的第二空气动力系数;获取与当前的第二参数组对应的第二参数值生成的第一空气动力系数;
计算当前的第二参数组所生成的第二空气动力系数与当前的第二参数组对应的第二参数值生成的第一空气动力系数之间的差值,生成第一偏差值;
判断所述第一偏差值是否小于或等于预设的偏差阈值;
若是,将当前的第二空气动力系数作为优化后的第二空气动力系数;
若否,则重新获取一第二参数组。
8.一种终端设备,其特征在于,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所诉处理器执行所述计算机程序时实现如权利要求1至4中任意一项所述的一种空气动力系数的生成方法。
9.一种存储介质,其特征在于,所述存储介质包括存储的计算机程序,其中,在所述计算机程序运行时控制所述存储介质所在设备执行如权利要求1至4中任意一项所述的一种空气动力系数的生成方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211727264.8A CN116205154B (zh) | 2022-12-30 | 2022-12-30 | 空气动力系数的生成方法、装置、终端设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211727264.8A CN116205154B (zh) | 2022-12-30 | 2022-12-30 | 空气动力系数的生成方法、装置、终端设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116205154A true CN116205154A (zh) | 2023-06-02 |
CN116205154B CN116205154B (zh) | 2023-09-05 |
Family
ID=86512149
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211727264.8A Active CN116205154B (zh) | 2022-12-30 | 2022-12-30 | 空气动力系数的生成方法、装置、终端设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116205154B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107491608A (zh) * | 2017-08-18 | 2017-12-19 | 中国空气动力研究与发展中心高速空气动力研究所 | 一种飞机编队飞行的队形参数优化方法及系统 |
CN109190283A (zh) * | 2018-09-20 | 2019-01-11 | 中国科学院工程热物理研究所 | 一种考虑高湍流自由来流效应的风力机翼型气动优化方法 |
CN109376418A (zh) * | 2018-10-16 | 2019-02-22 | 湘潭大学 | 一种适用于湍流工况的小型风力机翼型气动稳健优化设计方法 |
CN109460566A (zh) * | 2018-09-20 | 2019-03-12 | 中国科学院工程热物理研究所 | 一种风力机叶片内侧厚翼型的气动稳健优化设计方法 |
CN112507468A (zh) * | 2021-02-01 | 2021-03-16 | 中国人民解放军国防科技大学 | 一种磁浮列车悬浮系统参数优化方法、装置及电子设备 |
CN113609622A (zh) * | 2021-08-20 | 2021-11-05 | 浙江大学 | 风力发电机组的塔架载荷建模方法和装置 |
US20220033062A1 (en) * | 2019-10-24 | 2022-02-03 | Nanjing University Of Aeronautics And Astronautics | Method and system for determining helicopter rotor airfoil |
CN114297779A (zh) * | 2021-12-28 | 2022-04-08 | 中国航天空气动力技术研究院 | 一种飞行器气动力系数快速预测方法、系统及设备 |
CN115422858A (zh) * | 2022-10-13 | 2022-12-02 | 西北工业大学 | 一种模拟临近空间飞行器气动力数据的方法、系统、装置及介质 |
-
2022
- 2022-12-30 CN CN202211727264.8A patent/CN116205154B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107491608A (zh) * | 2017-08-18 | 2017-12-19 | 中国空气动力研究与发展中心高速空气动力研究所 | 一种飞机编队飞行的队形参数优化方法及系统 |
CN109190283A (zh) * | 2018-09-20 | 2019-01-11 | 中国科学院工程热物理研究所 | 一种考虑高湍流自由来流效应的风力机翼型气动优化方法 |
CN109460566A (zh) * | 2018-09-20 | 2019-03-12 | 中国科学院工程热物理研究所 | 一种风力机叶片内侧厚翼型的气动稳健优化设计方法 |
CN109376418A (zh) * | 2018-10-16 | 2019-02-22 | 湘潭大学 | 一种适用于湍流工况的小型风力机翼型气动稳健优化设计方法 |
US20220033062A1 (en) * | 2019-10-24 | 2022-02-03 | Nanjing University Of Aeronautics And Astronautics | Method and system for determining helicopter rotor airfoil |
CN112507468A (zh) * | 2021-02-01 | 2021-03-16 | 中国人民解放军国防科技大学 | 一种磁浮列车悬浮系统参数优化方法、装置及电子设备 |
CN113609622A (zh) * | 2021-08-20 | 2021-11-05 | 浙江大学 | 风力发电机组的塔架载荷建模方法和装置 |
CN114297779A (zh) * | 2021-12-28 | 2022-04-08 | 中国航天空气动力技术研究院 | 一种飞行器气动力系数快速预测方法、系统及设备 |
CN115422858A (zh) * | 2022-10-13 | 2022-12-02 | 西北工业大学 | 一种模拟临近空间飞行器气动力数据的方法、系统、装置及介质 |
Non-Patent Citations (3)
Title |
---|
冉兴隆: "高空风能发电牵引翼伞动力学与控制研究", 中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑, no. 01, pages 042 - 543 * |
刘安民 等: "基于多项式混沌展开方法的翼伞飞行不确定性", 兵工学报, vol. 42, no. 07, pages 1392 - 1399 * |
沈丹 等: "火箭协同优化中的气动代理模型研究", 宇航总体技术, vol. 04, no. 05, pages 44 - 50 * |
Also Published As
Publication number | Publication date |
---|---|
CN116205154B (zh) | 2023-09-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2017206936A1 (zh) | 基于机器学习的网络模型构造方法及装置 | |
CN107679466B (zh) | 信息输出方法和装置 | |
CN109272016B (zh) | 目标检测方法、装置、终端设备和计算机可读存储介质 | |
CN114998695B (zh) | 一种提高图像识别速度的方法及系统 | |
CN116188805B (zh) | 海量图像的图像内容分析方法、装置和图像信息网络 | |
CN110689136B (zh) | 一种深度学习模型获得方法、装置、设备及存储介质 | |
CN112232426A (zh) | 目标检测模型的训练方法、装置、设备及可读存储介质 | |
CN113377909B (zh) | 释义分析模型训练方法、装置、终端设备及存储介质 | |
CN109685805B (zh) | 一种图像分割方法及装置 | |
CN109583367A (zh) | 图像文本行检测方法及装置、存储介质和电子设备 | |
US20230066703A1 (en) | Method for estimating structural vibration in real time | |
CN113360711A (zh) | 视频理解任务的模型训练和执行方法、装置、设备及介质 | |
CN114297008A (zh) | 一种云主机性能预测方法、装置、终端及存储介质 | |
CN116205154B (zh) | 空气动力系数的生成方法、装置、终端设备及存储介质 | |
CN107977980B (zh) | 一种目标跟踪方法、设备以及可读介质 | |
CN113850298A (zh) | 一种图像识别方法、装置及相关设备 | |
CN110866609B (zh) | 解释信息获取方法、装置、服务器和存储介质 | |
CN110852322B (zh) | 感兴趣区域的确定方法及装置 | |
CN113190429B (zh) | 服务器性能预测方法、装置及终端设备 | |
De Nicolao et al. | Regularization networks: Fast weight calculation via Kalman filtering | |
CN115169089A (zh) | 基于核密度估计和copula的风电功率概率预测方法和装置 | |
US11699311B2 (en) | Storage medium storing anomaly detection program, anomaly detection method, and anomaly detection apparatus | |
CN115859048A (zh) | 一种局放信号的噪声处理方法及装置 | |
CN114880363A (zh) | 一种数据中心流量预测系统及训练方法、预测方法 | |
CN115438735A (zh) | 基于联邦学习的质检方法、系统、可读介质及电子设备 |
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 |