[发明专利]基于人工神经网络的可调总压畸变发生器调节指导方法

权利要求书

1.基于人工神经网络的可调总压畸变发生器调节指导方法，其特征在于，包括以下步骤：

步骤1)，根据可调式畸变发生器特性以及预设的下游流场总压分布状况测量方法进行风洞实验，获得不同可调式畸变发生器的状态及不同来流马赫数下对应的下游总压分布数据，将其作为人工神经网络的训练样本，所述可调式畸变发生器的状态即可调式畸变发生器中各个合页的开合角度；

步骤2)，建立人工神经网络，采用训练样本对其进行训练，得到能够根据可调式畸变发生器各个合页的开合角度、来流马赫数计算出下游流场的总压分布情况的预测模型；

步骤3)，根据预设的下游测点目标总压恢复系数计算出下游流场的目标总压分布情况；

步骤4)，根据预设的下游测点目标总压恢复系数对可调式畸变发生器的各个合页的开合角度进行甄别，筛选出其中完全打开和完全关闭的合页，并将剩余的合页作为调节集合；

步骤5)，按照预设的角度调节步长阈值、采用穷举法对调节集合中各个合页的开合角度进行穷举，结合可调式畸变发生器中完全打开和完全关闭的合页，排列组合出可调式畸变发生器所有可能的状态，并将其作为状态集合；

步骤6)，针对所述状态集合中的每一个状态，结合当前来流马赫数，将其输入至所述人工神经网络预测模型，得到各个状态对应的下游流场的总压分布情况；

步骤7)，将下游流场的目标总压分布情况分别和各个状态对应的下游流场的总压分布情况进行比较，筛选出对应下游流场的总压分布情况和下游流场的目标总压分布情况差异最小的状态，并按照该状态对可调式畸变发生器进行调整。

2.根据权利要求1所述的基于人工神经网络的可调总压畸变发生器调节指导方法，其特征在于，步骤2)中采用训练样本对人工神经网络进行训练之前，需要将训练样本的数值按照min-max标准化即其中x^*为归一化后数据，x为原始数据，min为样本数据最小值，max为样本数据最大值，归一化后数据映射至[0,1]之间。

3.根据权利要求1所述的基于人工神经网络的可调总压畸变发生器调节指导方法，其特征在于，步骤2)中所述人工神经网络结构为3层，包含输入层、隐藏层、输出层；

输入层神经元数量为P＝C+1，C为调节集合中合页的数量；

输出层神经元数量为T，T为下游总压测点数量；

隐藏层节点数经验公式为Q＝sqrt(P+T)+a，a是1至10中的随机整数；

隐藏层神经元激励函数采用双曲正切S形函数，输出层激励函数采用线形函数，采用梯度下降训练方法，人工神经网络的学习率设置为自适应法，训练目标最小误差设置为0.001；

根据下游流场中T个测点的总压恢复系数σ_i确定完全开启角度为β的合页数量A及其位置、以及完全关闭角度为α的合页数量B及其位置，则需要穷举数量为C＝M-A-B的合页及其位置，M为可调式畸变发生器的总合页数量，设置需要穷举的C个合页的角度从α到β每隔i度变化一次，该i度即预设的角度调节步长阈值，合页变化种类K共有种可能，结合当前来流马赫数依次代入人工神经网络预测模型，得到K组记录着T处测点总压恢复系数的结果及其对应的合页开合情况，将这K个总压分布状态与目标总压分布状态一一进行对比，通过多样本检验，得到与目标最接近的总压恢复系数分布状态，输出此状态下C个合页的开合角度。