[發明專利]一種基于神經網絡的轉捩預測方法

在審

• 申請號: 202011154867.4
• 申請日: 2020-10-26
• 公開（公告）號: CN112084727A
• 公開（公告）日: 2020-12-15
• 發明（設計）人: 王圣業;鄭天韻;王光學;孔令發
• 申請（專利權）人: 中國人民解放軍國防科技大學
• 主分類號: G06F30/28
• 分類號: G06F30/28;G06N3/02;G06F113/08;G06F119/14
• 代理公司: 長沙正奇專利事務所有限責任公司 43113
• 代理人: 馬強;李美麗

本發明公開了一種基于神經網絡的轉捩預測方法，包括：步驟A，獲取已知的多組間歇因子及當地平均特征量作為訓練集；步驟B，以訓練集中的當地平均特征量和對應的間歇因子分別作為輸入值和輸出值，訓練神經網絡并獲得間歇因子映射模型；步驟C，計算流體力學求解器進行流場迭代計算直至流場計算結果迭代收斂，輸出轉捩流場預測結果；在每一步迭代步中，計算流體力學求解器為間歇因子映射模型提供當地流場平均量，間歇因子映射模型為計算流體力學求解器提供間歇因子。本發明通過減少轉捩預測需要計算的偏微分方程的數量，大大縮短了計算時間，解決了精度和計算效率無法共存的矛盾，計算效率高，計算精度高；本發明由于不依賴經驗公式，通用性好。

技術領域

本發明屬于計算流體力學技術領域，特別涉及一種基于神經網絡的轉捩預測方法。

背景技術

轉捩是指流體由分層穩定流動向混沌湍流的轉變過程。邊界層轉捩普遍存在于流體機械內部或其表面，是經典物理學中亟待解決的挑戰性問題。在飛行器的運行過程中，流體受到包括來流湍流度、物面粗糙度、馬赫數等諸多因素的影響，易由分層穩定流動向混沌湍流轉變。這一轉捩過程同時伴隨著壁面摩阻和熱傳導特性的急劇變化。因此，對轉捩流動進行快速準確的計算流體力學(computational fluid dynamics,CFD)模擬對飛行器性能和設計效率的提升有重要意義。

轉捩預測可以采用求解全尺度湍流脈動的直接數值模擬(Direct NumericalSimulation,DNS)或僅求解大尺度脈動的大渦模擬(Large-Eddy Simulation,LES)方法，但其計算量隨雷諾數Re呈指數型增長，當前計算機技術的發展仍舊難以滿足其工程應用的計算需求。結合轉捩模型的雷諾平均數值模擬(Reynolds Averaged Navier-Stokes,RANS)方法憑借其易用性及高效性，在工程實踐中仍占有舉足輕重的地位。

相關性間歇轉捩模型通過引入“間歇因子”定量描述湍流生成，能夠較為精確地預測轉捩問題，是目前工程轉捩預測中最流行的一類方法。轉捩流動中，流場在同一空間位置會間歇性地呈現層流或湍流狀態，稱為間歇現象。若采用函數描述這一現象，并定義層流時函數值為0，湍流時為1，那么間歇因子γ即為該函數的時間平均值。

模型的傳統做法是通過顯式方程或求解額外的輸運方程得到所需的間歇因子。早期，Dhawan等人采用經驗公式描述間歇因子的流向分布，但得到的間歇因子僅取決于來流及物面條件，不考慮流場結構，僅適用于簡單流動。Libby首先引入帶有間歇因子的輸運方程計算湍流，其后許多研究工作聚焦于改善輸運方程對多種流動例如自由剪切流、邊界層轉捩的預測效果。然而，這些模型往往通過非當地變量判斷轉捩起始，即計算當地網格點的間歇因子時需要用到流場上下游區域的流動物理量，這種計算方式難以實現并行計算，在非結構網格中也由于網格并非順序排列而難以得到應用。Menter等人采用應變率為底的雷諾數代替動量厚度雷諾數Re_θ，發展了完全基于當地變量的四方程SST-γ-Re_θ轉捩模型。模型通過引入額外的兩個分別以間歇因子γ和動量厚度雷諾數Re_θ為變量的偏微分方程來計算間歇因子，然后耦合SST湍流模型以模擬轉捩過程。國內外許多研究表明該模型對轉捩流動有較準確的預測能力，但額外引入的微分方程降低了該方法的求解效率。Bas等人提出了一種基于當地平均量的代數轉捩模型(或稱為BC模型)，計算效率較前者高，但對于湍流度在(0.5,2)區間內的情況不能準確模擬。另外，傳統轉捩模型受經驗公式束縛，對計算平臺敏感，對于不同的平臺需要重新對模型參數進行標定，往往不具備很好的通用性。

發明內容

本發明的目的在于，針對現有的轉捩預測方法存在的計算效率低、計算精度低、依賴于經驗公式、通用性差的不足，提供一種基于神經網絡的轉捩預測方法，大大縮短了計算時間，計算效率高，計算精度高，不依賴經驗公式，通用性好。

為解決上述技術問題，本發明所采用的技術方案是：

一種基于神經網絡的轉捩預測方法，其特點是包括以下步驟：