在跨声速流动条件下,在翼型上的自持续大尺度激波振荡被称为跨声速抖振。其原因与激波与边界层流动分离及相互作用有关。进入抖振边界后,分离区变化引起流动不稳定,影响了激波的流场位置,使得激波产生前后运动,具有复杂的非定常和非线性特征。从流场(时空流)直接学习非定常激波抖振特征对抖振研究来说,是一种有价值且具有挑战性的方法。为了找到一个高效的DL建模方法解决复杂非定常跨声速抖振问题,提出一种增强型混合深度神经网络(eHDNN)基于流场重构对非定常流场进行预测。
eHDNN的基本框架主要基于混合深度神经网络框架论文,其主要由CNN、ConvLSTM和DeCNN组成。CNN降低了时间序列流场的维数,实现特征提取;ConvLSTM学习低维时空特征并进行预测;最后,DeCNN实现预测流场的重建。
来源:OAT15A超临界翼型非定常抖振的数值仿真流场数据,由西北工业大学航天学院王刚教授团队计算并提供
建立方法:数据集计算状态与建立方法见论文
规格:单状态数据集与多状态数据集两类
该模型单机单卡进行训练,根据训练任务需求,执行 train.py开始训练; 在开始训练前需要在config.yaml中设置相关训练条件:
根据训练条件,执行prediction.py; 后处理操作:
对预测数据进行后处理,输出预测流场云图快照(;流场数据格式为Tecplot格式,用Tecplot打开查看结果
保存路径默认为:prediction_result路径下,包含指定流场变量的CFD 流场快照,预测流场快照和绝对误差云图
打开流场数据操作:
下图为基于多状态下训练完备的eHDNN模型实现对攻角3.75°(泛化状态)下非定常抖振流场单周期内的变化预测结果(展示压强场)
此处可能存在不合适展示的内容,页面不予展示。您可通过相关编辑功能自查并修改。
如您确认内容无涉及 不当用语 / 纯广告导流 / 暴力 / 低俗色情 / 侵权 / 盗版 / 虚假 / 无价值内容或违法国家有关法律法规的内容,可点击提交进行申诉,我们将尽快为您处理。