(19)中华 人民共和国 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 202111006717.3 (22)申请日 2021.08.3 0 (71)申请人 山东大学 地址 250061 山东省济南市历下区经十路 17923号 (72)发明人 朱向前　孙明祺　何天浩　于凯本　 宗乐　 (74)专利代理 机构 济南圣达知识产权代理有限 公司 372 21 代理人 陈晓敏 (51)Int.Cl. G06F 30/27(2020.01) G06F 30/28(2020.01) G06F 30/10(2020.01) G06N 20/00(2019.01)G06F 119/14(2020.01) (54)发明名称 一种阻力伞水动力荷载预测方法及系统 (57)摘要 本公开涉及一种阻力伞水动力荷载预测方 法及系统， 预测方法包括以下步骤： 筛选影响阻 力伞所受荷载的影响因素， 以得到设计变量； 根 据阻力伞的几何参数在虚拟仿真软件中建立阻 力伞仿真模 型； 借助物理试验 标定仿真模型的仿 真参数； 调节设计变量， 进行虚拟仿真， 获得不同 的荷载变量， 将多组设计变量以及对应的荷载变 量组成数据库； 利用数据库中的数据， 通过机器 学习， 获得设计变量与对应荷载变量的代理模 型； 向代理模型输入设定范围内的任意设计变 量， 获得对应的荷载变量预测数值。 权利要求书2页 说明书6页 附图7页 CN 113919208 A 2022.01.11 CN 113919208 A 1.一种阻力伞水动力荷载 预测方法， 其特 征在于， 包括以下步骤： 筛选影响阻力伞所受荷载的影响因素， 以得到设计 变量； 根据阻力伞的几何参数在虚拟仿真软件中建立阻力伞仿真模型； 借助物理试验标定 仿真模型的仿真参数， 确保仿真数据准确性； 调节设计变量， 进行虚拟仿真， 获得不同的荷载变量， 将多组设计变量以及对应的荷载 变量组成数据库； 对数据库中的数据进行预处理， 然后通过机器学习， 获得设计变量与对应荷载变量的 代理模型； 向代理模型输入设定范围内的任意设计 变量， 获得对应的荷载变量预测数值。 2.根据权利要求1所述的 阻力伞水动力荷载预测方法， 其特征在于， 所述设计变量包括 横摆角、 角速度、 角加速度、 拖 曳速度和拖 曳加速度， 荷载变量包括拖 曳力、 横摆力和旋转力 矩。 3.根据权利要求1所述的 阻力伞水动力荷载预测方法， 其特征在于， 在进行虚拟仿真以 获得数据库之前， 搭建阻力伞的物理试验平台进行实验， 获得物理试验时的设计变量及对 应的荷载变量数据。 4.根据权利要求3所述的 阻力伞水动力荷载预测方法， 其特征在于， 在虚拟仿真软件中 依次输入与物理试验平台实验时相同的设计变量， 仿真参数取不同数值， 获得不同的荷载 变量； 比对物理试验平台与虚拟仿真软件获得的荷载变量， 提取二者荷载变量最接近时的 仿真参数为标定 仿真参数， 仿真参数包括计算 步长和粒子直径。 5.根据权利要求1所述的 阻力伞水动力荷载预测方法， 其特征在于， 利用标定的仿真模 型获取大量设计变量与荷载变量关系的数据， 物理试验平台的试验数据数量小于虚拟仿真 的数据量。 6.根据权利要求1所述的 阻力伞水动力荷载预测方法， 其特征在于， 所述机器学习采用 神经网络回归算法。 7.根据权利要求1所述的 阻力伞水动力荷载预测方法， 其特征在于， 所述机器学习采用 多项式回归算法。 8.根据权利要求1所述的 阻力伞水动力荷载预测方法， 其特征在于， 在利用虚拟仿真得 到设定组数 的设计变量与荷载变量后， 剔除数据中的异常点， 并进行坐标变换和低通滤波 操作， 建立数据库。 9.根据权利要求1所述的 阻力伞水动力荷载预测方法， 其特征在于， 在利用数据库进行 机器学习时， 随机选取设定组数的数据进 行训练， 其余的数据进 行测试， 将代理模型输出的 荷载变量与数据库中通过虚拟仿真得到的荷载变量做均方差运算， 以判断代理模型的误差 范围。 10.一种阻力伞水动力荷载预测系统， 用于执行权利要求1 ‑9中任意一项所述的 阻力伞 水动力荷载 预测方法， 其特 征在于， 包括： 选定设计变量模块， 用于确定影响荷载变量的因素； 仿真模型创建模块， 用于建立阻力伞仿真模型； 物理试验 模块， 用于标定 仿真模型的仿真参数； 数据库建立模块， 用于根据虚拟仿真， 获得不同的设计变量及对应的荷载变量数据， 创权　利　要　求　书 1/2 页 2 CN 113919208 A 2建数据库； 机器学习模块， 用于根据数据库中的数据进行 学习， 建立代理模型； 代理模型预测模块， 用于接收外部输入的设定范围内任意设计变量， 并输出预测的荷 载变量。权　利　要　求　书 2/2 页 3 CN 113919208 A 3