典型文献
基于机器学习的结冰风洞温度场均匀性分析
文献摘要：
为提高结冰风洞的试验效率和流场品质,需建立温度快速预测方法以及提高风洞温度场均匀性.针对结冰风洞换热器出口气流温度建立了基于机器学习的预测模型,为解决真实场景下数据量小的问题,采用变分自编码器(VAE)进行数据增强,后采用遗传算法优化XGBoost方法建立最终的温度预测模型;在此基础上,利用已建立预测模型对风洞温度场均匀性及其影响因素进行了分析.结果表明:通过模型预测的换热器出口气流温度与真实值的平均绝对误差(MAE)约为0.60℃,R2分数约为98.38％;试验风速、模拟高度以及回气压力等工况参数对温度场均匀性均有一定影响.
文献关键词：
结冰风洞;数据增强;温度场均匀性;VAE;遗传算法;XGBoost
中图分类号：
作者姓名：
张兴焕;张平涛;彭博;易贤
作者机构：
西南石油大学计算机科学学院 成都 610500;中国空气动力研究与发展中心结冰与防/除冰重点实验室 绵阳 621000;中国空气动力研究与发展中心空气动力学国家重点实验室 绵阳 621000
文献出处：
引用格式：
[1]张兴焕;张平涛;彭博;易贤-.基于机器学习的结冰风洞温度场均匀性分析)[J].低温工程,2022(05):76-82
A类：
B类：
基于机器学习,结冰风洞,温度场均匀性,均匀性分析,试验效率,流场品质,快速预测方法,换热器,出口气,气流温度,真实场景,数据量,变分自编码器,VAE,数据增强,遗传算法优化,XGBoost,温度预测模型,真实值,平均绝对误差,MAE,工况参数,有一定影响
AB值：
0.256958
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
