基于卷积神经网络的地面尾喷焰流场预测

作     者：闫盼盼 牛青林 高文强 董士奎 Yan Panpan;Niu Qinglin;Gao Wenqiang;Dong Shikui

作者机构：中北大学机电工程学院太原030051 哈尔滨工业大学工信部空天热物理重点实验室哈尔滨150001 

基　　金：国家自然科学基金项目(52006203,U22B2045) 山西省归国留学人员项目(2021-113)资助 

出 版 物：《力学学报》 (Chinese Journal of Theoretical and Applied Mechanics)

年 卷 期：2024年第56卷第4期

页      码：980-990页

摘      要：针对采用传统计算流体力学(computational fluid dynamics, CFD)方法计算火箭发动机尾喷焰耗时较大的问题,提出了一种基于卷积神经网络方法的地面尾喷焰反应流场智能预测模型,用于实时、快速生成典型发动机型谱参数条件下的高精度喷焰流场结果.以固体弹道评估发动机(ballistic evaluation motor Ⅱ, BEM-Ⅱ)为研究对象,在一定发动机型谱参数范围内采用拉丁超立方抽样方法抽选样本空间,将基于CFD方法计算的40个尾喷焰稳态流场样本作为模型训练数据集.采用编码器-解码器结构,引入并行解码器、反卷积层和瓶颈层,使模型能够在数量较少的样本下取得良好的训练效果.采用试车实验数值结果验证和评估了不同欠膨胀状态下尾喷焰流场智能预测模型CNN-PLUME的预测性能.结果表明:建立的尾喷焰智能预测模型回归系数接近于1,模型鲁棒性强;可实时生成尾喷焰反应流场结果,模型效率高;喷焰流场预测结果与试验校核数据高度一致,模型预测精度高;在不同欠膨胀状态下尾喷焰流场最大误差为14.17%,模型泛化能力较强.该模型可为地面试车尾喷焰流场规律以及发动机型谱参数设计提供方法支撑.

主 题 词：固体火箭发动机 尾喷焰 卷积神经网络 智能预测 复燃 

学科分类：080103[080103] 08[工学] 080104[080104] 0801[工学-力学类] 

核心收录：

D　O　I：10.6052/0459-1879-23-412

馆 藏 号：203127186...