基于PINN的高超声速内转式进气道流场重构方法及系统技术方案

本发明专利技术公开了一种基于PINN的高超声速内转式进气道流场重构方法及系统，其包括步骤获取进气道设计的设计变量参数，并将其输入已训练的PINN模型得到进气道的流场数据和性能参数；采用进气道的性能参数作为多目标优化算法的目标函数，使用多目标优化算法得到进气道性能参数的Pareto最优解集；将Pareto最优解集中的设计变量输入已训练的PINN模型，得到进气道的流场数据和性能参数；采用步骤S3中流场数据中的最优流场作为进气道设计的基准流场，之后选取进气道的出口型线，通过流线追踪生成内转式进气道。式进气道。式进气道。

【技术实现步骤摘要】
基于PINN的高超声速内转式进气道流场重构方法及系统


[0001]本专利技术涉及进气道重构技术，具体涉及一种基于PINN的高超声速内转式进气道流场重构方法及系统。

技术介绍

[0002]高超声速飞行器具有突防成功率高、生存能力强等优点，是实现全球范围内快速远程民用运输、可突防远程快速打击以及近地轨道空间运输等的重要载体。超燃冲压发动机作为超声速飞行器的推进装置，在效率、机动性和安全性方面都有很大的优势。进气道是超燃冲压发动机最上游的部件，对发动机内部流场起着至关重要的作用，进气道必须以尽可能小的摩擦阻力损失、换热损失和激波引起的损失压缩气流，供给燃烧室尽可能均匀的气流，设计的优劣对发动机的整体性能具有显著影响。基于流线追踪的内转式进气道具有高效率、小湿面积以及一体化方面的优势被广泛应用。
[0003]现有的内转式进气道设计方法主要包括三方面，一是确定基准流场，二是给定出口型线，三是进行流线追踪。基准流场的流动特性和行为对于流线跟踪进气道的有效设计尤为重要。现有的方法主要是先根据激波关系式等设计程序获得基准流场，再使用流线追踪等技术获得内本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于PINN的高超声速内转式进气道流场重构方法，其特征在于，包括步骤：S1、获取进气道设计的设计变量参数，并将其输入已训练的PINN模型得到进气道的流场数据和性能参数；S2、采用进气道的性能参数作为多目标优化算法的目标函数，使用多目标优化算法得到进气道性能参数的Pareto最优解集；S3、将Pareto最优解集中的设计变量输入已训练的PINN模型，得到进气道的流场数据和性能参数；S4、采用步骤S3中流场数据中的最优流场作为进气道设计的基准流场，之后选取进气道的出口型线，通过流线追踪生成内转式进气道。2.根据权利要求1所述的基于PINN的高超声速内转式进气道流场重构方法，其特征在于，所述PINN模型的训练方法包括：S11、在进气道设计变量的设计范围内进行拉丁超立方抽样，得到设计变量空间中均匀分布的设计变量数据集；S12、根据设计变量数据集，生成不同的进气道曲线，并基于进气道曲线绘制流场模拟计算所需的计算网格；S13、将计算网格导入流场模拟软件，构建7马赫条件下进气道不同设计变量的流场数据集；S14、根据流场数据集中的流场数据，计算进气道的性能参数，并采用流场数据和性能参数作为训练PINN模型的标签数据；S15、采用拉丁超立方采样在整个流场区域内随机采样预设采样数量的网格点，将流场数据集和预设采样数量的网格点作为数据集；S16、随机抽取数据集中80%的数据作为训练集，其余数据作为测试集，采用训练集和测试集对PINN模型进行训练，得到已训练的PINN模型。3.根据权利要求2所述的基于PINN的高超声速内转式进气道流场重构方法，其特征在于，采用训练集和测试集对PINN模型进行训练的方法包括：A1、将训练集依次输入两个FC全连接层，得到一维的特性图，并采用view模块将一维的特性图转换为二维矩阵向量；A2、将二维矩阵向量输入到第一卷积层得到一层深度特征，并经过第一池化层得到第一次下采样特征层；A3、将第一次下采样特征层输入到第二卷积层得到第二层深度特征，之后输入到第二池化层得到第二次下采样特征层；A4、将第二次下采样特征层输入到第三卷积层得到第三层深度特征，之后输入到第三池化层得到第三次下采样特征层；A5、将第三次下采样特征层输入到第四卷积层得到第四层深度特征，并输入到第四池化层得到第四次下采样特征层；A6、将第四次下采样特征层输入第一亚像素卷积层得到第一上采样特征层，并将第四层深度特征输入第一多头注意力机制得到的第一注意力特征图；A7、将第一注意力特征图与第一上采样特征层进行堆叠，得到第一融合特征，再经过第二亚像素卷积层得到第二上采样特征层；
A8、将第三层深度特征输入第二多头注意力机制得到的第二注意力特征图，将第二注意力特征图与第二上采样特征进行堆叠；A9、将步骤A8的堆叠信息经过第三亚像素卷积层得到第三上采样特征层，并将第二层深度特征层与第三上采样特征层进行堆叠；A10、将步骤A9的堆叠信息输入第四亚像素卷积层得到第四上采样特征层；将第四层深度特征与第一上采样特征层进行堆叠，之后采用第五层卷积输出预测结果；A11、将预测结果与标签数据进行均方误差求解，同时将预测结果输入物理机理的偏微分方程中，对偏微分方程求自均方误差；A12、将自均方误差嵌入到标签数据的均方误差中对PINN模型进行优化，当均方误差小于预设值或迭代次数等于预设迭代次数，完成PINN模型训练。4.根据权利要求3所述的基于PINN的高超声速内转式进气道流场重构方法，其特征在于，所述物理机理的偏微分方程的计算公式为：于，所述物理机理的偏微分方程的计算公式为：于，所述物理机理的偏微分方程的计算公式为：于，所述物理机理的偏微分方程的计算公式为：其中，G、H分别为x方向，y方向的无粘通量；w为z方向的速度场；p
total
、p
static
分别为静压和总压；M为进口马赫数；γ为空气的比热比，ρ为密度场，为压力场，μ为x方向速度场，v为y方向速度场，E为总内能；...

【专利技术属性】
技术研发人员：童书鸿，郭明明，田野，马跃，邓雪，张华，乐嘉陵，杨茂桃，陈尔达，王姮，
申请(专利权)人：西南科技大学，
类型：发明
国别省市：