1

研究背景

在空气动力学实验研究中，壁面摩擦力是一个重要参数，显示或测量壁面摩擦力场是研究流场特性的重要途径。剪切敏感液晶涂层（SSLCC）测量技术是一种能够以非接触的光学方式测量全表面摩擦力矢量场的技术，其主要原理是SSLCC在不同方向显示的颜色不同，对不同方向显示的颜色进行处理，解算摩擦力矢量场。然而，目前应用SSLCC测量壁面摩擦力的方法全部基于高斯曲线拟合法及其拓展形式，这些测量方法在原理上要求从不少于5个方向观测SSLCC在摩擦力作用下的颜色，并且为了拟合出光滑的高斯曲线对光线照射方向和相机观测方向都有比较严格的要求。在实际风洞试验中由于风洞管道结构的遮挡和风洞窗口有限等原因难以满足光线照射方向和相机观测方向要求，从而制约了该技术的实际应用。因此，如果能够研究出新的摩擦力场解算方法，突破目前的SSLCC测量技术对光线照射方向和相机观测方向的严格限制，显然对于推动该测量技术的发展和应用具有重要意义和工程价值。

2

亮点创新

本文提出一种用于从SSLCC颜色照片解算摩擦力矢量场的机器学习法，其思路是应用机器学习算法（多层神经网络）学习SSLCC在不同方向显示的颜色与摩擦力矢量之间的规律并建立二者之间的映射关系，然后应用这种映射关系解算摩擦力矢量场。

由于在解算摩擦力时不再依赖传统的高斯曲线拟合法，因而该方法不需要从多个方向观测SSLCC颜色并拟合高斯曲线。该方法最少只需要从2个方向观测SSLCC颜色即可确定摩擦力场（对于对称流场，只需要1个观测方向）。除了可以减少观测方向数量，该方法的另一个优势是对观测方向没有严格限制，可根据风洞试验场景灵活选取。

图1.用于映射SSLCC在不同方向显示的颜色和摩擦力矢量的神经网络

3

主要成果

本文采用传统高斯曲线拟合法解算的摩擦力矢量为机器学习算法提供样本，应用训练完毕的神经网络解算摩擦力矢量场，并将结果与高斯曲线拟合法进行对比。

（1）采用相同数量的观测方向时，机器学习方法能够达到与高斯曲线拟合法相当的解算精度，但是解算效率显著提升，具有实时显示摩擦力场的潜力。

（2）使用较少数量的观测方向时，机器学习方法仍然能够解算出壁面摩擦力矢量场，精度略微降低。对于对称流场，只需要1个观测方向即可解算出壁面摩擦力矢量场。

（3）本文方法虽然在法向光照射、各观测方向俯视角相同的条件下测试，但是该方法在倾斜光照射或者各观测方向俯视角不相同时仍然成立，具有进一步推广的潜力。

图2.射流作用下SSLCC在不同方向显示的颜色

图3.机器学习算法解算的摩擦力矢量场

（左图：使用6个观测方向，右图：使用1个观测方向）

图4.使用不同数量的观测方向时机器学习算法的解算精度对比

4

团队介绍

赵吉松，博士，讲师，硕士生导师，主要从事飞行器设计等相关研究。主持国家自然基金青年基金、江苏省自然基金青年基金、航空科学基金等科研项目；以第一作者/通讯作者发表论文30余篇，其中SCI期刊12篇；授权国家发明专利7项；担任多个核心期刊和SCI期刊审稿人。

张金明，南京航空航天大学学生，主要从事飞行器设计相关研究。

王泊乔，南京航空航天大学学生，主要从事飞行器设计相关研究。

引用格式:

ZhaoJisong,ZhangJinming,WangBoqiao.Alearning-basedapproachforsolvingshearstressvectordistributionfromshear-sensitiveliquidcrystalcoatingimages[J].ChineseJournalofAeronautics,，35(4)：55-65.

查看本文详情

请戳左下方“阅读原文”

预览时标签不可点收录于合集#个上一篇下一篇
转载请注明:http://www.aideyishus.com/lkcf/807.html