CN119416363A 一种基于退火梯度算法的热流实时反演方法及装置 （中国空气动力研究与发展中心计算空气动力研究所）

一种基于退火梯度算法的热流实时反演方本申请公开了一种基于退火梯度算法的热流实时反演方法及装置，涉及数值计算技术领特卡洛判断准则利用概率决定将新解作为候选降低到温度下限，在满足终止条件的情况下结2步骤S1、根据热非平衡假设建立流固两相对流换热方步骤S2、基于温度场选取测点位置的温度值并构造步骤S3、比较新解和旧解构造的目标函数，若标函数不小于旧解构造的目标函数则按照蒙特卡洛判断准则利用概率决定是否将新解作步骤S4、在候选解的邻域附近进行局部搜索,并利用梯度信息优化搜索过程进行局部为其中表示待辨识的热流密数目，N为时间离散点的数目，i是内循环迭代次数，n是外循环迭代次数，j是空间离散3.如权利要求2所述的热流实时反演方法，其特征在于，在步骤S3中，概率为：3。第一计算模块，用于根据热非平衡假设建立流固两相对流换第二计算模块，用于基于温度场选取测点位置的温度值并构造目标函数随机产生新比较模块，用于比较新解和旧解构造的目标造的目标函数不小于旧解构造的目标函数则按照蒙特卡洛判断准则利用概率决定是否将迭代模块，用于在候选解的邻域附近进行局部搜索,并利用梯度信息优化搜索过程进迭代次数是否已经达到预设的最大迭代次数，若未达到则继续当前退火温度下的搜索过,为旧解构造的目标函数，48.如权利要求7所述的热流实时反演装置，其特征在于，局部迭代优化的过程为：.的表达式为其中为共轭系数，为上一个梯度,,,共轭梯度迭代方5类的新一代主动热防护方案被广泛研究与应用。这类系统内部包含了复杂的微通道网络，意味着传统的基于冷端温度的热流反演算法可能因为易于陷入局部最优点而无法提供准的目标函数不小于旧解构造的目标函数则按照蒙特卡洛判断准则利用概率决定是否将新步骤S4、在候选解的邻域附近进行局部搜索,并利用梯度信息优化搜索过程进行6代次数是否已经达到预设的最大迭代次数，若未达到则继续当前退火温度下的搜索过程，,其中表示待辨识的热流密度，为数值计算得到的温度场，为测点位置的温度值，M为空间离散点的数t是时间离散点。其中表示下一个待辨识的热流密度，为梯度减少方向，的表达式为：p'的表达式为：,i=0:1'=0,,共轭梯度迭代方向7解构造的目标函数不小于旧解构造的目标函数则按照蒙特卡洛判断准则利用概率决定是迭代模块，用于在候选解的邻域附近进行局部搜索,并利用梯度信息优化搜索过时间离散点的数目，i是内循环迭代次数，n是外循环[0012]在一种可能的实施方式中，局部迭代优化的过程为其中,其中为共轭系数，为上一个梯度减少方向，p'为步长，p'的表达式为：,8。索过程进行局部迭代优化,直到目标函数值达到预定义阈值或温度参数降低到温度下限，[0016]图1示出了本申请实施例提出的一种基于退火梯度算法的热流实时反演方法的流9[0022]因此，本申请实施例提出了一种基于退火梯度算法的热[0024]图2示出了发汗冷却结构表面时空交变热流实时反演温度传感器布局图解，其中[0025]边界条件可以设定为热流边界条件，即考虑对流换热系数和周围环境温度的影外表面热流初值，进行数值模拟，计算出整个热防护系统在该热流条件下的温度场分布的目标函数不小于旧解构造的目标函数则按照蒙特卡洛判断准则利用概率决定是否将新采取的概率P为为旧解构造的目标函数，对应的目标函数之间的差值。[0032]步骤S4、在候选解的邻域附近进行进行局部迭代优化，生成新的候选解，计算新的目标函数值进行比较，直至满足终止条件[0034]在步骤S4中，局部迭代优化的过程为其中表示下一.的表达式为其。代次数是否已经达到预设的最大迭代次数，若未达到则继续当前退火温度下的搜索过程，行上述实施例及可能的实现方式中示出的热流实时反演方法各个执行步骤和相应的技术造的目标函数不小于构造的目标函数则按照蒙特卡洛判断准则利用概率决定是否将新解迭代模块，用于在候选解的邻域附近进行局部搜索,并