一种转捩预测方法、装置、设备及介质制造方法及图纸

本申请公开了一种转捩预测方法、装置、设备及介质，涉及转捩预测技术领域，该方法包括：利用预设层流流场信息训练深度神经网络以获得具有层流流场信息与间歇因子间映射关系的目标间歇因子预测模型；基于所述目标间歇因子预测模型预测目标预设层流流场信息对应的目标间歇因子，并利用所述目标间歇因子和目标湍流模型求解雷诺平均方程，以便完成转捩预测。由此可见，本申请利用具有层流流场信息与间歇因子间映射关系的目标间歇因子预测模型代替原有的转捩模型，可以直接对于间歇因子进行预测，减少转捩相关的输运方程的计算，因此降低了转捩预测过程中的计算量。了转捩预测过程中的计算量。了转捩预测过程中的计算量。

【技术实现步骤摘要】
一种转捩预测方法、装置、设备及介质


[0001]本专利技术涉及转捩预测
，特别涉及一种转捩预测方法、装置、设备及介质。

技术介绍

[0002]在流体与固体表面的边界层中，流动存在层流和湍流两种状态，层流状态过渡到湍流状态的过程称为转捩。在高超声速的条件下，转捩对于飞行器表面的摩擦阻力和热交换影响显著。转捩机制包含T
‑
S波失稳、流动分离失稳、横流失稳、G
ö
rtler失稳、Mack模态失稳等，由于其复杂性，边界层转捩问题依然是前沿的研究方向。
[0003]当前，对转捩的研究主要分为实验研究、稳定性理论研究、转捩模型、转捩准则以及高精度数值模拟方法(DSN，direct numerical simulation，直接数值模拟)。这些研究根据应用方向、精度需求的不同，在各自的领域发挥着重要作用。转捩模型一般基于雷诺平均Navier
‑
Stokes(RANS)方程，通过对间歇因子或其他参数进行建模，从而实现对转捩的预测，在边界层转捩研究中应用广泛。
[0004]间歇因子表征一本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种转捩预测方法，其特征在于，包括：利用预设层流流场信息训练深度神经网络以获得具有层流流场信息与间歇因子间映射关系的目标间歇因子预测模型；基于所述目标间歇因子预测模型预测目标预设层流流场信息对应的目标间歇因子，并利用所述目标间歇因子和目标湍流模型求解雷诺平均方程，以便完成转捩预测。2.根据权利要求1所述的转捩预测方法，其特征在于，所述利用预设层流流场信息训练深度神经网络以获得具有层流流场信息与间歇因子间映射关系的目标间歇因子预测模型，包括：获取利用转捩模型计算得到的所述预设层流流场信息对应的参考间歇因子；利用预设层流流场信息训练深度神经网络以预测得到与所述参考间歇因子之间的损失函数满足预设条件的预设间歇因子，并将所述预设间歇因子对应的训练后深度神经网络作为具有层流流场信息与间歇因子间映射关系的目标间歇因子预测模型。3.根据权利要求2所述的转捩预测方法，其特征在于，所述利用预设层流流场信息训练深度神经网络以预测得到与所述参考间歇因子之间的损失函数满足预设条件的预设间歇因子，包括：将预设层流流场信息输入至深度神经网络以预测得到临时间歇因子；若所述临时间歇因子和所述参考间歇因子之间的损失函数不满足所述预设条件，则利用反向传播迭代方法修正所述深度神经网络，并跳转至所述将预设层流流程信息输入至深度神经网络以预测得到临时间歇因子的步骤，直至预测得到与所述参考间歇因子之间的损失函数满足预设条件的预设间歇因子。4.根据权利要求3所述的转捩预测方法，其特征在于，所述将预设层流流场信息输入至深度神经网络以预测得到临时间歇因子，包括：将预设层流流场信息输入至深度神经网络，并基于所述预设层流流场信息在所述深度神经网络的若干隐藏层中的神经元间进行若干次线性运算和基于Sigmoid函数的非线性运算使所述神经网络构建层流流场信息与间歇因子间所述映射关系，以预测得到临时间歇因子。5.根据权利要求1...

【专利技术属性】
技术研发人员：向星皓，胡震宇，王子路，袁先旭，陈坚强，
申请(专利权)人：中国空气动力研究与发展中心计算空气动力研究所，
类型：发明
国别省市：