基于现代试验设计的风洞试验方法研究

MDOE can get higher quality results with a less number of trials in wind tunnel tests. However, the existing MDOE methods cannot meet the requirements of advanced vehicle, as the wind tunnel test objects have strong nonlinear aerodynamic laws. In order to improve the ability of MDOE to investigate the non-linear aerodynamic laws, the non-parameter modeling method in MDOE is studied. N order polynomial function, sine function and exponential function, and so typical aircraft aerodynamic characteristics of nonlinear sample database will be established as the basis for the statistical model, experimental design study. Application of the weighted arithmetic mean and uncertainty theory, Kriging method and variance valuation and methods will be modified。On the basis of the center deviations and roll deviation, combined with the uncertainty of the response surface assessment, design optimization perfect sample points and complementary indicators, to solve the "prior information" applications and sample point sequential design method. The project will eventually be established to meet the requirement of multiple response, complex aerodynamic law in wind tunnel test, and will provide a new method to improve data accuracy and reduced test cost and cycle for aerodynamic testing.

MDOE风洞实验方法能够用相对于传统OFAT实验方法更少的吹风次数，获得更高精准度的数据。为了解决现有基于参数模型的MDOE方法获取较强非线性气动规律能力的不足，本项目开展基于非参数响应面模型的MDOE方法研究。建立n阶多项式函数、类正弦函数和指数函数等典型飞行器非线性气动特性样本数据库，作为统计模型、试验设计研究的基础。应用加权算术平均法和不确定度理论，对Kriging估值方法和预测方差评估方法进行改进，发展高维Kriging响应面气动建模和全局不确定评估方法。在中心化偏差、可卷型偏差等均匀性度量的基础上，结合响应面不确定度评估结果，完善样本点设计优化和补充的指标，解决“先验信息”的应用和样本点序贯设计方法。本项目最终将建立能够满足多变自量多响应、复杂气动规律的MDOE风洞试验技术，为飞行器气动试验提供一种提高数据精度和降低试验成本和周期的新方法。

先进飞行器复杂的气动特性要求MDOE方法在多变量耦合、强非线性规律的获取方面中有所突破。本项目对基于非参数响应面模型的MDOE方法进行了研究，开展了：1）针对风洞试验复杂非线性数据的非参数响应面气动建模方法；2）基于Kriging模型MDOE方法的不确定度评估方法；3）非参数模型的形式试验设计方法；4）典型试验验证。首先，构建了较为完善的风洞历史试验数据库，为后续研究工作建立了良好的数据基础。发展了基于Dace-Kriging方法的多维气动模型工具，可作为多自变量强非线性气动特性数据集的建模方法。发展了基于深度学习的飞行器气动性能智能预测算法，在拟真数据集上的模型迁移学习达到相对误差低于2%的效果。发展了基于GP-SR方法的多变量可解释气动建模方法，其在还原数据信息的前提下极大地保留了数据的主要特征，给出解析形式的回归公式。其次，基于最小二乘原理建立了合并重复点的加权算数平均法，使Kriging方法能够兼具插值和拟合的双重属性。利用不确定度理论推导了新的Kriging估值方差计算公式，新公式能够将样本点既有的测量不确定度传递到模型估值方差中。改进后的Kriging模型不仅可以应用于风洞实验，对于其它物理实验和非确定性计算机实验也适用。然后结合均匀设计方法，开展了强非线性气动特性条件下的风洞试验设计方法研究。采用机器学习方法对风洞历史试验数据集开展了数据挖掘研究，获得了对试验“先验”的定量描述。针对某飞行器大攻角试验，通过获取此类外形的气动先验信息构造了一种针对试验设计的局部梯度和全局密度调整策略。初步验证了考虑先验的现代试验设计方法在空气动力学试验领域应用的可行性。最终，采用典型风洞试验证明了MDOE试验方法获得的数据模型可以较好的重构气动规律，通过模拟试验次序对建模结果的影响，发现在实际风洞试验开展过程中可考虑采用先边缘后中心的试验策略以获得更优的建模效果。通过推进本项目成果，可以大幅降低试验次数，同时保证数据质量，可为国防研究缩减研制经费、提高研制效率。