基于卷积神经网络的跨流域气动参数模拟方法技术

本发明专利技术公开了一种，包括：步骤一，基于Boltzmann模型方程的气体动理论统一算法获得部分代表性气动数据结果；步骤二，基于部分代表性气动数据结果，借助卷积神经网络算法，获取该外形卷积神经网络拟合模型；步骤三，根据卷积神经网络拟合模型，得到所需状态的气动状态结果参数及流场信息云图。本发明专利技术提供一种基于卷积神经网络的跨流域气动参数模拟方法，相比较过去不同流域使用不同计算方法，其以统一算法典型飞行高度绕流状态的运算结果为数据依托，可以使用一种方法快速计算全流域气动特性，避免了各流域方法交界处尤其是稀薄过渡流区结果不统一的情况，结果可靠性高。结果可靠性高。结果可靠性高。

【技术实现步骤摘要】
基于卷积神经网络的跨流域气动参数模拟方法


[0001]本专利技术涉及飞行器空气动力
，特别是涉及一种基于卷积神经网络的跨流域气动参数模拟方法。

技术介绍

[0002]在过去计算机条件不够先进、流体力学计算技术还未充分发展的情况下，空气动力学科研人员只能根据不同流域典型流动状态特点分区独立计算，如利用克努森数将大气流动划分为连续流区、滑移流区、稀薄过渡流区、自由分子流区等四大流动区域，再利用Euler和N
‑
S方程解决连续流区问题，利用Slip
‑
N
‑
S(带滑移边界条件的N
‑
S)方程算法解决滑移流区流动问题，利用搭桥方法和耦合方法解决稀薄过渡流区气动计算问题，利用DSMC方法解决自由分子流区到稀薄过渡流区的流动问题。但是这样的解决方案仍然有以下缺陷：
[0003]一是各个流动区域之间并没有严格的界限，在各区交界附近的气动状态缺乏统一可靠的理论支撑依据；二是同一个流场可能存在多个流动区域，例如在高空喷流问题中，同一流场就同时存在连续流区和稀薄流区两个流动分区；三是稀薄过渡流区在模拟方法和测试技术方面都不十分完备，在理论上同样缺乏系统研究，搭桥方法和耦合方法虽然具有使用价值，但搭桥方法连接不光滑，耦合方法计算范围较窄，计算结果依赖经验判断，不能实现一体化模拟。
[0004]《基于Boltzmann模型方程的气体运动论统一算法研究》等文献提出了一种基于Boltzmann模型方程的跨流域统一算法。此算法利用离散、降维等方法，去掉分布函数对速度空间的连续依赖性，拆解了计算任务，分散了数据存储，让求解Boltzmann模型方程的过程更加适合并行计算机运行原理，从而解决了飞行器再入跨流域复杂气动问题，而统一算法(GKUA)计算全飞行流域落球绕流阻力系数收敛一致性验证比较如图3所示。
[0005]然而，由于统一算法计算量大，资源消耗多，无法在短时间内用少量计算资源得到全流域气动数据结果，文献《天宫飞行器低轨控空气动力特性一体化建模与计算研究》提出了一种基于自由分子流与连续流当地桥函数理论关联的桥公式法，该方法根据飞行器外形及绕流特点调试确定关联参数，以统一算法部分代表性气动数据结果为参考，得到从自由分子流与连续流全流域气动数据结果。
[0006]上述方法虽然达到了在短时间内用较小资源获取全流域气动数据结果的目的，但是桥公式法关联参数需人为手动调节，凭目测校准，不一定能够得到最佳拟合结果，且对操作人员经验水平要求较高。

技术实现思路

[0007]本专利技术的一个目的是解决至少上述问题和/或缺陷，并提供至少后面将说明的优点。
[0008]为了实现根据本专利技术的这些目的和其它优点，提供了一种基于卷积神经网络的跨
流域气动参数模拟方法，包括：
[0009]步骤一，基于Boltzmann模型方程的气体动理论统一算法获得部分代表性气动数据结果；
[0010]步骤二，基于部分代表性气动数据结果，借助卷积神经网络算法，获取该外形卷积神经网络拟合模型；
[0011]步骤三，根据卷积神经网络拟合模型，得到所需状态的气动计算结果参数及流场信息云图。
[0012]优选的是，在步骤一中，采用统一算法计算部分代表性气动数据的方法被配置为包括：
[0013]S10、输入来流的克努森数、普朗特数、马赫数、压力、温度、攻角、侧滑角、飞行高度，以及气动外形网格；
[0014]S11、引入当地平衡态速度分布函数f
N
及气体分子碰撞松弛参数v，以得到气体分子速度分布函数控制方程如下：
[0015][0016][0017][0018][0019]C2＝(V
x
‑
U)2+(V
y
‑
V)2+(V
z
‑
W)2；
[0020][0021]其中，f为依赖位置空间r、分子速度V和时间t的气体分子速度分布函数，f
N
为当地平衡态速度分布函数，f
M
为当地Maxwell平衡态分布函数；n、P、T分别为气体分子数密度、压力和温度，q为热流矢量，Pr为普朗特数，χ为相关于分子模型的气体分子相互作用幂指数，ν为气体分子碰撞频率；λ
∞
是来流分子平均自由程，L为特征长度，Kn为克努森数，用来划分各流域流动状态控制参数；U、V、W分别为x、y、z三个方向的流动速度，C表示气体分子热运动速度；
[0022]S12、将迭代计算得到的气体分子速度分布函数f代入如下方程以得到相关的宏观流动物理量：
[0023]n(r,t)＝∫fdV；
[0024]nU
′
(r,t)＝∫V
i
fdV；
[0025][0026]P＝nT；
[0027]τ
ij
(r,t)＝2∫c
i
c
j
fdV
‑
Pδi
j
；
[0028]q
i
(r,t)＝∫c2c
i
fdV；
[0029]其中，气体密度n、流动速度U、温度T、气体压力P、粘性应力τ、热流矢量q，通过宏观流动物理量进而得到该外形在上述输入条件下取得的气动阻力系数相关的气动结果参数及流场信息云图。
[0030]S13、通过调节来流的克努森数、普朗特数、马赫数、压力、温度、攻角、侧滑角、飞行高度相关的输入数据，并重复S10
‑
S12得到其中一个气动外形输入条件下的多组气动数据结果。
[0031]优选的是，在步骤二中，所述拟合模型的配置方式包括：
[0032]S20、将S13得到的气动数据结果按照输入数据及输出数据进行分类，并按照输入输出对应关系进行分组，从而建立该气动外形统一算法气动结果数据库；
[0033]S21、将上述数据库按照7:3的比例划分为训练数据和测试数据，再交由卷积神经网络算法进行运算；
[0034]S22、在卷积神经网络运算结束后，利用测试数据检测对拟合模型的正确率进行判定，若正确率低于预定值，则对卷积核大小和滑动步长相关参数进行适应性改进，以得到符合要求的拟合模型。
[0035]优选的是，在步骤三中，通过将所需气动状态的输入参数录入上述拟合模型，进而得到所需状态的气动计算结果参数及流场信息云图
[0036]本专利技术至少包括以下有益效果：其一，本专利技术相比较过去不同流域使用不同计算方法，其以统一算法运算结果为数据依托，可以使用一种方法计算全流域气动特性，避免了各流域方法交界处尤其是稀薄过渡流区结果不统一的情况，结果可靠性高。
[0037]其二，本专利技术相比较基于自由分子流与连续流当地桥函数理论关联的桥公式法等传统方法，本专利方法除了可以生成气动参数随高度变化曲线之外，还可以生成所需高度的压力云图、温度云图等流场信息，有助于飞行器设计等进一步工作的开展。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于卷积神经网络的跨流域气动参数模拟方法，其特征在于，包括：步骤一，基于Boltzmann模型方程的气体动理论统一算法获得部分代表性气动数据结果；步骤二，基于部分代表性气动数据结果，借助卷积神经网络算法，获取对应的外形卷积神经网络拟合模型；步骤三，根据卷积神经网络拟合模型，得到所需状态的气动计算结果参数及流场信息云图。2.如权利要求1所述的基于卷积神经网络的跨流域气动参数模拟方法，其特征在于，在步骤一中，采用统一算法计算部分代表性气动数据的方法被配置为包括：S10、输入来流的克努森数、普朗特数、马赫数、压力、温度、攻角、侧滑角、飞行高度，以及气动外形网格；S11、引入当地平衡态分布函数f
N
及气体分子碰撞松弛参数v，以得到气体分子速度分布函数控制方程如下：函数控制方程如下：函数控制方程如下：Kn＝λ
∞
/L；C2＝(V
x
‑
U)2+(V
y
‑
V)2+(V
z
‑
W)2；其中，f为依赖位置空间r、分子速度V和时间t的气体分子速度分布函数，f
N
为当地平衡态速度分布函数，f
M
为当地Maxwell平衡态分布函数；n、P、T分别为气体分子数密度、压力和温度，q为热流矢量，Pr为普朗特数，χ为相关于分子模型的气体分子相互作用参数，ν为气体分子碰撞频率；λ
∞
是来流气体分子平均自由程，L为特征长度，Kn为克努森数，用来划分各流域流动状态控制参数；U、V、W分别为x、y、z三个方向的流动速度，C表示气体分子热运动速度；S12、将迭代计算得到的气体分子速度分布函数f代入如下方程...

【专利技术属性】
技术研发人员：李志辉，张子彬，党德鹏，吴俊林，彭傲平，孙学舟，
申请(专利权)人：中国空气动力研究与发展中心超高速空气动力研究所，
类型：发明
国别省市：