(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210596661.X (22)申请日 2022.05.30 (71)申请人 中国空气动力研究与发展中心空天 技术研究所 地址 621052 四川省绵阳市涪城区二环路 南段6号 (72)发明人 田野　杨茂桃　郭明明　任虎　 杨宇　冉伟　胡俊逸　梁爽　马跃　 陈尔达　陈皓　宋昊宇　乐嘉陵　 李世豪　 (74)专利代理 机构 成都点睛专利代理事务所 (普通合伙) 51232 专利代理师 敖欢 (51)Int.Cl. G06F 30/17(2020.01)G06F 30/28(2020.01) G06F 111/06(2020.01) G06F 113/08(2020.01) G06F 119/14(2020.01) (54)发明名称 一种吸气式发动机进气道流场智能感知和 抽吸调控方法 (57)摘要 本发明提供一种吸气式发动机进气道流场 智能感知和抽吸调控 方法， 根据实时感知的流场 状态对高超声速进气道执行抽吸智能调控， 以达 到流场状态智能控制的目的， 在拓宽发动机运行 边界的同时， 减少过多流量的损失。 在高效率高 精度情况下， 利用自抗扰控制系统对优化后的抽 吸参数进行实时自适应控制。 权利要求书3页 说明书10页 附图4页 CN 114861364 A 2022.08.05 CN 114861364 A 1.一种吸气式发动机进气道流场智能感知和抽吸调控方法， 其特征在于包括如下步 骤： S1、 针对吸气式发动机进气道， 分析壁面压力对流场重构的影响； 分析主要抽吸参数对 抗反压能力的影响； S2、 在吸气式发动机不同来流条件和工况下， 通过数值模拟及地面实验， 获取流场重构 数据集； 应用拉丁超立方抽样方法获取抽吸参数设计空间的样本点， 通过地面 实验， 获取抽 吸数据集； S3、 对流场重构数据集和抽吸数据集进行 预处理； S4、 搭建深度网络模型， 形成流场重构代理模型和抽吸代理模型； S5、 利用免疫启发式多目标优化算法， 结合流场重构代 理模型和抽吸代 理模型， 寻找满 足激波串前缘位置、 稳定裕度和抗反压能力最优的设计 变量； S6、 根据免疫启发式多目标算法得到的全局最优变量， 利用自抗扰控制算法进行抽吸 参数的实时抗干扰调控； S7、 根据实时感知的流场状态， 执 行抽吸智能调控。 2.根据权利要求1所述的一种吸气式发动机进气道流场智能感知和抽吸调控方法， 其 特征在于步骤S1具体为： 针对吸气式发动机的进气道， 分析壁面压力对流场重构的影响； 分析主要抽吸参数对 抗反压能力的影响， 流场重构的结果是观察激波串前缘位置和激波串的稳定裕度， 主要抽 吸参数包括抽吸背压、 抽吸位置、 抽吸率和使用抽吸孔数量， 进一步 获得壁面压力和流场重 构的数学关系以及抽吸参数和抗反压能力的数 学关系。 3.根据权利要求1所述的一种吸气式发动机进气道流场智能感知和抽吸调控方法， 其 特征在于步骤S2具体为： 在吸气式发动机不同来流条件和工况下， 通过数值模拟及地面实验， 获取流场重构数 据集； 对抽吸背压、 抽吸位置、 抽吸率和使用抽吸孔数量4个设计变量进 行参数化处理， 确定 每个设计变量的上界和下界， 再结合拉丁超立方抽样方法获取设计空间的样本点， 通过地 面实验， 获取抽吸数据集。 4.根据权利要求1所述的一种吸气式发动机进气道流场智能感知和抽吸调控方法， 其 特征在于步骤S2中结合拉丁超立方抽样方法获取设计空间的样本点具体为： (1)首先确定需要获取的样本数M； (2)将抽吸背压、 抽吸位置、 抽吸率和使用抽吸孔数量4个设计变量的区间分别均分为M 段； (3)分别在这M段中的每一段内随机的抽取一个值； (4)将不同设计 变量抽取的值进行随机组合； (5)得到抽样后的M组样本； 将获得的M组样本作为地面试验的输入条件， 通过地面试验， 获取抗反压能力大小， 并 对计算流体动力学CFD数值模拟结果进行验证及修正， 然后通过计算流体动力学CFD数值模 拟扩充数据样本量， 构建 设计变量与燃烧性能一 一对应的数据集。 5.根据权利要求1所述的一种吸气式发动机进气道流场智能感知和抽吸调控方法， 其 特征在于步骤S3具体为：权　利　要　求　书 1/3 页 2 CN 114861364 A 2对流场重构数据集和抽吸数据集两个数据集进行分析和数据预处理， 筛选并剔除完全 无价值的数据， 确保基础数据集的质量， 完全无价值数据包括异常数据、 冗余数据、 设计变 量范围之外的数据。 6.根据权利要求1所述的一种吸气式发动机进气道流场智能感知和抽吸调控方法， 其 特征在于步骤S4具体为： 搭建一种基于深度网络的代理模型， 结合预处理后的数据集， 构建在不同来流和工况 下， 进气道壁面压力与激波串 前缘位置和稳定裕度的数学模型， 形成流场重构的代理模型； 同时， 利用抽吸背压、 抽吸位置、 抽吸率和使用抽吸孔数量4个设计变量与抗反压能力大小 构建抽吸的代理模型； 对于流场重构的代理模型， 深度网络的输入为进气道的壁面压力， 输出为流场图像的 激波串前缘位置和稳定裕度； 对于抽吸的代理模型， 深度网络的输入为抽吸背压、 抽吸位 置、 抽吸率和使用抽吸孔数量 等4个设计变量， 输出为 抗反压能力大小。 7.根据权利要求1所述的一种吸气式发动机进气道流场智能感知和抽吸调控方法， 其 特征在于步骤S5具体为： 在吸气式发动机不同来流条件和不同工况条件下， 以深度网络建立的流场重构代理模 型和抽吸代理模型为适应度函数， 利用免疫启发式多目标优化算法寻找使激波串前缘位 置、 稳定裕度和抗反压能力最优的抽吸背压、 抽吸位置、 抽吸率和使用抽吸孔数量， 即寻找 4 个设计变量的最优值。 8.根据权利要求1所述的一种吸气式发动机进气道流场智能感知和抽吸调控方法， 其 特征在于步骤S5中， 免疫启发式多目标优化 算法寻找最优的抽吸设计 变量的过程包括： (1)抗原识别， 即理解待优化问题， 对问题进行可行性分析， 提取先验知识， 构造出合适 的亲和度函数， 并制定各种约束条件； (2)初始抗体群， 通过编码把问题的可行解表示成解空间中的抗体， 在解的空间内随机 产生一个初始种群； (3)对种群中的每一个可 行解进行 亲和度评价； (4)判断是否满足算法终止条件； 如果满足条件则终止算法寻优过程， 输出计算结果； 否则继续 寻优运算； (5)计算抗体浓度和激励度； (6)进行免疫处 理， 包括免疫选择、 克隆、 变异和克隆抑制； 免疫选择： 根据种群中抗体的亲和度和浓度计算结果选择优质抗体， 使其活化； 克隆： 对活化的抗体进行 克隆复制， 得到若干副本； 变异： 对克隆得到的副本进行变异操作， 使其发生亲和度突变； 克隆抑制： 对编译结果进行 再选择， 抑制亲和度低的抗体， 保留亲和度高的变异结果； (7)种群刷新， 以随机生成的新抗体代替种群中激励度较低的抗体， 形成新一代抗体， 转步骤(3)。 9.根据权利要求1所述的一种吸气式发动机进气道流场智能感知和抽吸调控方法， 其 特征在于步骤S6具体为： 根据免疫启发式多目标算法， 确定一组可控变量的最优值， 即激波串前缘位置、 稳定裕 度和抗反压能力最优情况下， 对应的抽吸背压、 抽吸位置、 抽吸率和使用抽吸孔数量； 搭建权　利　要　求　书 2/3 页 3 CN 114861364 A 3