本发明涉及使用五孔探针测试流场的方法，具体涉及一种基于恒正新校准系数的高偏折角下五孔探针标定方法。
背景技术：
1、小偏折角下(流动角小于25°)，采用非对向方法的五孔探针被广泛应用于流动参数的低成本、高可靠测量。这需要将探针五个孔的压力转化为相应校准系数，通过标准风洞实验数据提前标定出校准系数与特征流动参数的函数关系。然而在复杂的三维流场中，流动的偏折角较大(流动角大于25°)，常规的探针标定方法难以实现流动参数的高精度测量。一方面，非核心孔的压力会逐渐大于核心孔压力，导致传统校准系数中分母符号发生改变，出现奇点，校准系数趋于无穷大。另一方面，大偏转角下压力数据非线性程度高，会出现一组传统的校准系数对应多个流动参数的多值问题，且无法保留更多的原始流动信息，不适用于如神经网络的高阶数据解析算法。因此，定义新的校准系数并借助高阶的神经网络模型校准五孔探针，对于复杂三维流场中五孔探针的高精度测试具有重要意义。
技术实现思路
1、针对传统校准系数无法在大偏转角下对五孔探针有效标定的问题，本发明提出一种基于恒正新校准系数的高偏折角下五孔探针标定方法，具体包括下列步骤：
2、步骤一：收集校准风洞中不同气流偏折角下探针五个孔的压力数据；
3、五孔探针几何结构以及速度矢量定义如下：速度的方向由俯仰角α与偏航角β表示，速度大小由总压pt以及静压ps表示；α、β、pt与ps为探针所需测量的特征流动参数；收集压力数据时保持风洞中流动的速度与方向不发生改变，通过步进电机调整探针头部相对流动的位置与角度实现流动参数的变化；俯仰角α和偏航角β的变化的范围分别为[-αm,αm]和[-βm,βm]；俯仰角α和偏航角β变化的步长记为δα和δβ；记录不同α，β下五探针1～5号孔的压力数据，分别记作p1、p2、p3、p4和p5，其中p2为核心孔数据，五探针1～5号孔均位于五孔探针端面，3号在上，1号在下，4号在左，5号在右，2号在中间；
4、步骤二、计算不同气流偏折角下五孔探针的新校准系数；
5、上一阶段的风洞实验中，探针压力以及对应的流场的特征参数都是已知的，将压力数据带入式(1)可得作为校准模型输入的新校准系数：
6、
7、其中为核心孔与非核心孔压差的均方根；将压力数据带入式(2)得到压力校准系数：
8、
9、其中，cps、cpt分别表示静压校准系数与总压校准系数；为探针5个孔压力的平均值，俯仰角α，偏航角β以及压力校准系数为校准模型的输出参数；
10、步骤三、利用bp神经网络建立新校准系数与特征参数的关联关系；
11、将步骤二中得到的校准系数带入到bp神经网络中；其中，c1,c3,c4与c5为神经网络的输入参数，α,β,cps与cpt为神经网络的输出参数，ps与pt分别由cps与cpt反推而出；利用随机重排算法打乱样本顺序，选择校准网格上前x％的数据作为神经网络的测试集，后y％数据作为验证集，余下数据作为训练集；通过梯度下降算法调整神经网络参数，为每个输出参数单独训练神经网络；训练过程中拥有反馈机制的bp神经网络允许误差从输出层向隐藏层逐层传递，通过调整各层间的权重矩阵w与偏置向量b对每个神经元的激活值进行调整，逐步减少误差；
12、步骤四、利用标定后的五孔探针测量未知流场特征参数；
13、在对特定五孔探针标定完成后直接将探针置于位置流中，使探针头部正对未知流；将探针感受到的压力数据p1、p2、p3、p4和p5带入到新校准系数的定义式(1)中得到神经网络校准模型的输入系数c1，c3,c4与c5；将此时的c1,c3,c4与c5作为输入带入到固定好参数的神经网络中，得到未知流的特征参数α，β，cps与cpt；反推ps与pt时，将cps与cpt带入式(3)：
14、
15、
16、至此利用恒正的新校准系数以及bp神经网络模型提取出一定马赫数下未知流的特征流动参数。
17、在本发明的一个具体实施例中，步骤一中，αm＝50°，βm＝40°。
18、在本发明的另一个具体实施例中，步骤一中，±20°内步长为4°，超过±20°则为2°。
19、在本发明的一个实施例中，步骤一中，利用压力扫描阀等采集系统记录不同α，β下五探针的压力数据。
20、在本发明的又一个具体实施例中，步骤三中，x＝y＝20。
21、在本发明的还一个具体实施例中，步骤三中，通过梯度下降算法调整神经网络参数，隐藏层为3层，每层神经元数量为25。
22、本发明提供一种基于恒正新校准系数的高偏折角下五孔探针标定方法，具体涉及新校准系数的定义方式以及基于神经网络建立校准系数与流动特征参数对应关系的方法。由于新校准系数的分母为压差均方根值，仅在正区间内连续变化，大偏折角下校准系数不会出现奇点。而分子的拆分使得新校准系数与特诊流动参数一一对应，且保留了更多原始流场的信息，适用于神经网络等高阶数据解析算法，校准精度更高，在三维复杂流场测试中有广泛的应用前景。
1.一种基于恒正新校准系数的高偏折角下五孔探针标定方法，其特征在于，具体包括下列步骤：
2.如权利要求1所述的基于恒正新校准系数的高偏折角下五孔探针标定方法，其特征在于，步骤一中，αm＝50°，βm＝40°。
3.如权利要求1所述的基于恒正新校准系数的高偏折角下五孔探针标定方法，其特征在于，步骤一中，±20°内步长为4°，超过±20°则为2°。
4.如权利要求1所述的基于恒正新校准系数的高偏折角下五孔探针标定方法，其特征在于，步骤一中，利用压力扫描阀等采集系统记录不同α，β下五探针的压力数据。
5.如权利要求1所述的基于恒正新校准系数的高偏折角下五孔探针标定方法，其特征在于，步骤三中，x＝y＝20。
6.如权利要求1所述的基于恒正新校准系数的高偏折角下五孔探针标定方法，其特征在于，步骤三中，通过梯度下降算法调整神经网络参数，隐藏层为3层，每层神经元数量为25。
