基于深度神经网络的跨声速抖振预测方法

【作者】 刘子扬； 韩仁坤； 王怡星； 陈刚； 王刚； 周豪；

【机构】 西安交通大学航天航空学院机械结构强度与振动国家重点实验室； 西北工业大学航空学院翼型叶栅空气动力学国防科技重点实验室；

【摘要】 近年来,由于在处理高维与非线性问题中效果显著,深度神经网络开始作为一种新的降阶模型应用于非定常流动的预测与重构工作。目前,跨声速抖振预测主要依赖于实验与数值模拟技术,存在实验成本高,计算代价大等问题。为此,本文构建了一种基于卷积神经网络的混合深度神经网络,直接从原始高维流场数据中捕捉非定常流动的时空特征,对流场和激波运动实现快速且准确的预测。利用高精度数值计算方法得到的流场数据构造训练样本;使用训练完成的深度神经网络对给定来流状态下的流场时空变化进行预测,进而实现抖振预测。通过对比,发现不同时刻的预测结果与数值计算结果吻合良好。研究表明,采用深度神经网络可以实现对跨声速抖振的时空特征学习;相较于实验与数值计算,该方法代价低而效率高,可以为跨声速抖振现象的研究提供新的思路。更多还原