[发明专利]一种基于数据可信度的叶轮机械损失模型构建方法

权利要求书

1.一种构建叶轮机械损失预测模型的方法，其特征在于，包括以下步骤：

SS1.对已有叶轮机械数据的可信度进行评估，形成计入数据可信度的叶轮机械数据库；

SS2.利用步骤SS1形成的计入数据可信度的叶轮机械数据库，对叶轮机械的相关几何参数、气动参数进行敏感性分析，确定损失模型各个部分将计及的参数以及损失模型的表达式形式；

SS3.利用步骤SS1形成的计入数据可信度的叶轮机械数据库，利用计入数据可信度的优化算法对步骤SS2确定的损失模型表达式中相关经验系数进行求解，得到叶轮机械损失模型的具体表达式。

2.根据权利要求1所述方法，其特征在于，步骤SS1中，数据可信度的评价标准由以下四部分组成：(1)试验数据可信度，取决于试验数据是否来源于标准试验台、测量方法、测量精度、试验数据处理方法等；(2)仿真数据可信度，取决于数值方法本身的仿真精度、数值方法是否有试验验证以及数值方法所选取模型的计算精度；(3)几何参数可信度，取决于目标叶型几何与数据库中叶型几何的相似程度；(4)流场参数可信度，取决于目标叶片的典型无量纲流场参数与数据库中相应参数的相似程度。

3.根据权利要求2所述方法，其特征在于，数据可信度的评价标准中，每项可信度所占权重可根据实际情况进行调整，其计算公式包括但不限于如下计算方法：

R＝q₁·R₁+q₂·R₂+q₃·R₃+q₄·R₄

其中，R、R₁、R₂、R₃、R₄分别表示数据总体可信度、试验数据可信度、仿真数据可信度、几何可信度和流场参数可信度；q₁、q₂、q₃、q₄分别表示各部分可信度占数据总体可信度的权重。

4.根据权利要求2所述方法，其特征在于，几何可信度与流场参数可信度的衡量标准包括但不限于夹角余弦法，余弦值越大可信度越高，计算公式如下所示：

其中，x_1k、x_2k分别表示目标叶片和数据库中叶片的几何或气动参数；n表示参数个数。

5.根据权利要求1所述方法，其特征在于，步骤SS2中，利用包括但不限于主成分分析法等方法对几何参数和气动参数如：弦长、栅距、叶片转折角、进出口气流角等对叶片损失的影响进行敏感性分析，选择损失模型中需考虑的参数，并最终确定损失模型表达式形式。

6.根据权利要求1所述方法，其特征在于，步骤SS3中，所述计入数据可信度的优化算法，其目标函数表达式如下所示：

其中，δY_j表示模型对第j组叶片数据的损失系数预测偏差值；R_j表示第j组叶片数据的可信度；n表示数据库中的叶片数据总量。

7.根据上述权利要求所述方法，其特征在于，计入数据可信度的优化算法包括但不限于计入数据可信度的粒子群优化算法、计入数据可信度的遗传算法、计入数据可信度的最速下降法等。采用上述计入数据可信度的优化算法对损失模型中的未知系数进行求解，使建立的损失模型优先拟合于数据库中可信度较高的数据，达到提高损失模型预测精度的目的。