Page 81 - 《真空与低温》2025年第4期
P. 81

496                                         真空与低温                                   第 31 卷 第  4  期


              系如图    11 所示。                                     模型精度较高,总体均方误差为                0.007 8。如三维模
                                                                型复杂程度增大,则可能需要更多样本数据才能使

                             训练均方误差
                             验证均方误差                             模型有较高精度,后续可进行相关研究。
                     0.04    测试均方误差
                             总体均方误差                                  (2)将实际测试时预测点的温度值输入神经网
                                                                络预测模型,得到         4 个响应点的温度的预测值与实
                    MSE  0.02                                   际值的误差不超过          1.1%,证明以神经网络预测模
                                                                型计算得到的预测结果较为可靠。在进行模型有
                                                                效性验证时,得到         CFD  计算值与实际值误差较小。

                       0                                        因此可认为在        CFD  计算误差较小,同时模型精度
                                                                较高的情况下,使用模型的预测结果通常较好。
                        0          200          400                  (3)进一步研究了对于预测点数量及空间位置
                                     距离/mm
                                                                对预测精度的影响,分别对于上下预测点平面间距、
                    图  11 不同下预测点距中轴距离的均方误差
                                                                上下预测点距中轴距离与预测精度的关系进行研
                 Fig. 11 Mean squared error at different distances from
                                                                究。预测点位置数量及分布对于预测精度存在影
                  prediction points to the central axis on the lower side
                                                                响。因此测点的布置需要使神经网络模型的预测
                  结果表明,下测点距中轴距离在                100~400 mm      精度处于较高水平,同时保证温度传感器处于良好
              内,下预测点圆直径与均方误差呈正相关。下测点                            空间位置;测点的数量可兼顾精确度及计算成本进
              距 中 轴 距 离 大于     250 mm  时 , 总 体 的 均 方 误 差        行选择。针对本文研究的对象,可选择上下预测点
              大于   1%。而当下测点距中轴距离从                200 mm  降至     距中轴距离分别为           875 mm、200 mm,上下预测平
              100 mm  时,总体均方误差从         0.78%  降至  0.38%。这      面间距    980 mm  为测点布置方案。
              是因为下预测点平面与冷氮气出口处平面高度接
                                                                参考文献:
              近,测点越靠近冷氮气出口处,其受边界条件影响
              越大,映射关系越不稳定。而接近冷舱中轴时虽然                            [1]   李同顺,奚勇,印剑飞. 对空红外制导关键技术发展分析
              有一定温度梯度,但对于映射关系的影响不及靠近                               [J]. 上海航天(中英文),2021,38(3):163−170.
              出口处大。因此在近出口处设置预测点会使预测                             [2]   李丽娟,刘珂. 空空导弹红外成像探测技术发展分析              [J].
              模型的均方误差偏大,在近中轴处设置预测点会使                               红外技术,2017,39(1):1−7.
              预测模型的均方误差偏小,呈现与上舱相反的规律。                           [3]   张肇蓉,高贺,张曦,等. 国外红外制导空空导弹的研究现
              因此,在实际测试时选择             100 mm  的下测点距中轴              状及其关键技术      [J]. 飞航导弹,2016(3):23−32.
              距离对预测的精度提升最大。                                     [4]   庞博,李艳红,田义,等. 雷达/红外复合导引及半实物仿真

                                                                   技术发展与展望      [J]. 空天防御,2023,6(4):17−23.
              4 结论
                                                                [5]   吴军辉,许振领,王敏,等. 制导对抗仿真中双          DMD  红外
                  本文建立了红外制导半实物仿真飞行器舱体                              场景产生器应用有关技术          [J]. 激光与红外,2022,52(1):
              空间三维模型,通过数值模拟方法,对舱体内部流                               89−94.
              动进行模拟,得到不同入口条件下舱体空间内监测                            [6]   吕蓉蓉,吴静怡,陈康,等. 热环境试验温度均匀度对精
              点温度值,在此基础上,通过建立神经网络预测模                               密光学测量的影响        [J]. 工程热物理学报,2019,40(8):
              型,由外侧的预测点温度对光束上的响应点温度                                1711−1717.
              进行预测。将神经网络预测模型所得的结果与实                             [7]   刘张鹏,王珊珊,张婉雨,等. 航天器热循环试验低温负载
              际测试结果进行对比,研究了不同预测点数量及空                               工况补偿方法     [J]. 制冷技术,2019,39(2):7−11.
              间位置对于模型预测精度的影响。主要得出以下                             [8]   黄一也,杨光,吴静怡. 以最佳温度均匀度和最小熵产为目
              结论:                                                  标的航天器热循环试验系统运行参数优化               [J]. 化工学报,
                  (1)由于流场对于不同入口条件的温度响应不                            2016(10):4086−4094.
              同,可以通过改变入口参数,得到多组监测点温度                            [9]   ZHANG X W,ZHENG Y,YANG B W,et al. Aerodynamic
              数据,以建立神经网络预测模型。在以                    80 组数据          optimization design of airfoil configurations based on cascade
              为样本量进行模型训练时,根据误差与回归分析,                               feedforward neural network[J]. Journal of Zhejiang University
   76   77   78   79   80   81   82   83   84   85   86